[发明专利]一种目标跟踪方法、装置、设备及存储介质

说明书

本申请公开了一种目标跟踪方法，该方法提出了一种多模型协作的跟踪机制，每调用深度卷积网络模型处理目标数量的帧图像后，调用孪生网络模型进行帧图像的重检测，深度卷积网络模型可以高效地训练相关滤波器组，提升实现效率；且借助了深度卷积特征的多层分层特征，可以精准的在复杂监控环境下体现待跟踪目标的特征，适应绝大多数的监控场景，实现精准目标定位；另外，每隔若干帧之后，启用孪生网络模型对目标一起协作预测和定位，孪生网络模型可以辅助实现目标消失后目标的重新定位，实现稳定、高效、长时间的跟踪效果，使得每一帧的跟踪结果更加可靠。本申请还提供了一种目标跟踪装置、设备及一种可读存储介质，具有上述有益效果。

技术领域

本申请涉及图像处理技术领域，特别涉及一种目标跟踪方法、装置、设备及一种可读存储介质。

背景技术

目标跟踪技术指在序列图像中根据目标在视频信息的时空上相关性，确定感兴趣的目标在每一帧的位置和姿态。目标跟踪是计算机视觉领域中一个重要同时具有挑战性的研究方向，其技术已经在当前的生活中已经具有广泛的应用，包括我们所从事的视频监控领域，还有人机交互、无人驾驶等前沿热点应用，目标跟踪所记录下的信息为智能视频监控系统更高层的处理(包括目标识别、行为分析、场景监管、事件分析、人群分析等业务)打下了基础，具有广泛的应用需求。

由于监控的场景会受到许多因素的影响，尤其是光照变化、目标的遮挡、跟踪目标的姿态以及监控视角的变化、相似物体及所处的复杂背景的干扰等，普遍存在的计算机视觉问题严重影响着目标跟踪的性能，目标跟踪便很难适应，导致目标漂移甚至丢失，且目标丢失后检测器对于目标的再次定位能力差，导致继续跟踪目标的能力差。

目前为止，没有单一的跟踪方法能同时解决监控场景中存在的上述等因素的干扰，只是针对某些场景进行改善。

因此，如何稳定的保持长期准确目标跟踪，是本领域技术人员急需解决的问题。

发明内容

本申请的目的是提供一种目标跟踪方法，该方法可以稳定的保持长期准确目标跟踪；本申请的另一目的是提供一种目标跟踪装置、设备及一种可读存储介质。

为解决上述技术问题，本申请提供一种目标跟踪方法，包括：

确定待跟踪帧图像与待跟踪目标的信息；

根据所述待跟踪帧图像以及所述信息对经过预训练的深度卷积网络模型以及孪生网络模型进行变量设定；

判断所述待跟踪帧图像是否属于所述孪生网络模型的跟踪帧；其中，所述孪生网络模型在所述深度卷积网络模型每处理目标数量的帧图像后启动；

若不属于，调用所述深度卷积网络模型根据所述待跟踪帧图像中的多层特征进行目标位置的预测，得到预测位置；

若属于，调用所述孪生网络模型通过两分支网络对所述待跟踪帧图像进行目标位置的重检测，得到预测位置。

可选地，调用所述深度卷积网络模型根据所述待跟踪帧图像中的多层特征进行目标位置的预测，包括：

提取目标区域图像的HOG特征；所述目标区域图像为所述待跟踪帧图像中的所述待跟踪目标的候选区域图像；

调用所述深度卷积网络模型对所述目标区域图像进行卷积操作；

提取所述卷积操作中生成的多卷积层特征值；

调用预训练的相关滤波器组根据所述多卷积层特征值以及所述HOG特征进行目标位置的预测；所述相关滤波器组中包括与特征值的总层数数量对应的相关滤波器，所述特征值包括所述多卷积层特征值以及所述HOG特征。

可选地，提取所述卷积操作中生成的多卷积层特征值，包括：

在所述卷积操作中生成的每个尺度的卷积层中提取池化前的末层卷积层的特征值。