[发明专利]目标追踪方法及装置、电子设备和存储介质有效

专利信息
申请号: 201910555741.9 申请日: 2019-06-25
公开(公告)号: CN110287874B 公开(公告)日: 2021-07-27
发明(设计)人: 战赓;庄博涵;孙书洋;欧阳万里 申请(专利权)人: 北京市商汤科技开发有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06T7/20;G06T7/246;G06T7/70
代理公司: 北京林达刘知识产权代理事务所(普通合伙) 11277 代理人: 刘新宇
地址: 100084 北京市海淀区中*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标 追踪 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种目标追踪方法,其特征在于,包括:

针对视频流中初始帧图像之后的任一当前帧图像,获取所述当前帧图像的前一帧图像中目标对象所在的第一位置;

基于所述第一位置,确定所述当前帧图像中针对所述目标对象的搜索区域,以及与所述搜索区域对应的第五特征;

将当前帧图像中目标对象的预测特征作为卷积核,执行所述第五特征的第二互相关编码处理,得到的第二编码特征,其中,所述当前帧图像中目标对象的预测特征基于所述视频流的初始帧图像和所述当前帧的前一帧图像得到;

基于所述第二编码特征执行所述目标对象的目标检测处理,得到所述当前帧图像中所述目标对象的位置信息。

2.根据权利要求1所述的方法,其特征在于,获得当前帧图像的预测特征,包括:

基于所述当前帧图像的前一帧图像中所述目标对象的第一位置对应的第一特征,以及所述初始帧图像内所述目标对象的第二位置对应的第二特征,得到所述当前帧图像中目标对象的预测特征。

3.根据权利要求2所述的方法,其特征在于,所述针对视频流中初始帧图像之后的任一当前帧图像,获取所述当前帧图像的前一帧图像中目标对象所在的第一位置之前,所述方法还包括:

获得所述初始帧图像中目标对象所在的第二位置,以及所述第二位置对应的第二特征。

4.根据权利要求3所述的方法,其特征在于,所述获取所述初始帧图像内目标对象所在的第二位置,包括以下方式中的至少一种:

获取所述初始帧图像内针对所述目标对象的位置掩码图,基于所述掩码图确定所述目标对象的第二位置;

接收针对所述初始帧图像的框选操作,基于所述框选操作对应的位置区域确定所述目标对象的第二位置;

对所述初始帧图像执行目标检测操作,基于所述目标检测操作的检测结果确定所述目标对象的第二位置。

5.根据权利要求2所述的方法,其特征在于,所述基于所述当前帧图像的前一帧图像中所述目标对象的第一位置对应的第一特征,以及所述初始帧图像内所述目标对象的第二位置对应的第二特征,得到所述当前帧图像中目标对象的预测特征,包括:

分别对所述第一特征和第二特征执行卷积处理,得到第一特征的第一过渡特征,以及得到第二特征的第二过渡特征;

对所述第一过渡特征和第二过渡特征执行第一互相关编码处理以及图卷积处理,得到第三特征;

基于所述第三特征、第一过渡特征和第二特征的特征融合处理,得到所述预测特征。

6.根据权利要求5所述的方法,其特征在于,所述对所述第一过渡特征和第二过渡特征执行第一互相关编码处理以及图卷积处理,得到第三特征,包括:

对所述第一过渡特征和第二过渡特征执行第一互相关编码处理,得到第一编码特征;

将所述第一编码特征输入至图神经网络执行图卷积处理,得到所述第三特征。

7.根据权利要求6所述的方法,其特征在于,对所述第一过渡特征和第二过渡特征执行第一互相关编码处理,得到第一编码特征,包括:

对所述第一过渡特征和第二过渡特征执行矩阵相乘操作,得到所述第一编码特征。

8.根据权利要求5-7中任意一项所述的方法,其特征在于,基于所述第三特征、第一过渡特征和第二特征的特征融合处理,得到所述预测特征,包括:

基于所述第一过渡特征执行所述第三特征的互相关解码处理,得到第四特征;

对所述第四特征和所述第二特征执行加和处理,得到所述预测特征。

9.根据权利要求1所述的方法,其特征在于,基于所述第一位置,确定所述当前 帧图像中针对所述目标对象的搜索区域,包括:

以第一位置为中心,对所述第一位置放大预设倍数,得到所述当前帧图像中针对所述目标对象的搜索区域。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910555741.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top