[发明专利]一种对象的跟踪方法及装置

权利要求书

1.一种对象的跟踪方法，其特征在于，包括：

获取待跟踪对象的深度图；

将所述深度图输入预设的检测模型，得到所述检测模型输出的所述待跟踪对象的空间状态参数值，所述检测模型使用样本深度图以及所述样本深度图的标注空间状态参数值训练得到，所述样本深度图依据由所述标注空间状态参数值驱动的所述待跟踪对象的预设模型获得；

所述空间状态参数值包括：姿态参数值和形状参数值；所述检测模型是通过采用所述样本深度图以及所述样本深度图的标注空间状态参数值对预设的神经网络模型训练得到；

训练所述神经网络模型使用的损失函数由预设项确定；所述预设项包括：距离均方误差、投影均方误差、姿态参数的约束损失和形状参数的约束损失；

所述距离均方误差为在所述标注空间状态参数值下所述待跟踪对象的立体模型与所述样本深度图的深度图点云间，相同位置的点构成的点对的距离间的均方误差；所述立体模型为通过所述标注空间状态参数值驱动待跟踪对象的预设模型得到的模型；

所述投影均方误差为在所述标注空间状态参数值下所述待跟踪对象的立体模型的投影图像，与所述样本深度图之间，相同位置的点构成的点对的距离间的均方误差；

所述姿态参数的约束损失指：所述姿态参数值分别与对应的第一预设范围的差距值之和；

所述形状参数的约束损失指：所述形状参数值分别与对应的第二预设范围的差距值之和。

2.根据权利要求1所述的方法，其特征在于，所述预设项还包括：自碰撞损失；在所述标注空间状态参数值下所述待跟踪对象的立体模型的组成部分间存在交叠的情况下，所述自碰撞损失的取值趋于无穷大；在所述标注空间状态参数值下所述待跟踪对象的立体模型的组成部分间未交叠的情况下，所述自碰撞损失的取值为零，所述立体模型为通过所述标注空间状态参数值驱动所述待跟踪对象的预设模型得到的模型。

3.根据权利要求1所述的方法，其特征在于，所述待跟踪对象为具有标准模型的非刚性物体，依据所述标注空间状态参数值驱动所述待跟踪对象的所述预设模型获得所述样本深度图，包括：

采用所述标注空间状态参数值驱动所述待跟踪对象的预设模型，得到用于描述立体模型的数据；所述立体模型为通过所述标注空间状态参数值驱动所述待跟踪对象的预设模型得到的模型；

依据预设的视场角和分辨率，采用Opengl对所述用于描述立体模型的数据进行渲染，得到在所述标注空间状态参数值下所述待跟踪对象的立体模型的深度图。

4.根据权利要求1所述的方法，其特征在于，在将所述深度图输入预设的检测模型，得到所述检测模型输出的所述待跟踪对象的空间状态参数值之后，还包括：

通过所述检测模型输出的所述待跟踪对象的空间状态参数值驱动所述待跟踪对象的预设模型，得到在所述空间状态参数值下所述待跟踪对象的立体模型。

5.一种对象的跟踪装置，其特征在于，包括：

获取模块，用于获取待跟踪对象的深度图；

检测模块，用于将所述深度图输入预设的检测模型，得到所述检测模型输出的所述待跟踪对象的空间状态参数值，所述检测模型使用样本深度图以及所述样本深度图的标注空间状态参数值训练得到，所述样本深度图依据由所述标注空间状态参数值驱动的所述待跟踪对象的预设模型获得；

训练模块，用于通过采用所述样本深度图以及所述样本深度图的标注空间状态参数值对预设的神经网络模型训练，得到所述检测模型；

所述训练模块训练所述神经网络模型使用的损失函数由预设项确定；所述预设项包括：距离均方误差、投影均方误差、姿态参数的约束损失和形状参数的约束损失；

所述距离均方误差为在所述标注空间状态参数值下所述待跟踪对象的立体模型与所述样本深度图的深度图点云间，相同位置的点构成的点对的距离间的均方误差；所述立体模型为通过所述标注空间状态参数值驱动待跟踪对象的预设模型得到的模型；

所述投影均方误差为在所述标注空间状态参数值下所述待跟踪对象的立体模型的投影图像，与所述样本深度图之间，相同位置的点构成的点对的距离间的均方误差；

所述姿态参数的约束损失指：所述姿态参数值分别与对应的第一预设范围的差距值之和；

所述形状参数的约束损失指：所述形状参数值分别与对应的第二预设范围的差距值之和。