[发明专利]一种视频图像中的目标跟踪方法及装置

说明书

本发明公开了一种视频图像中的目标跟踪方法及装置，其中，所述方法包括：对视频进行帧拆分处理，获得视频帧序列；基于目标检测网络模型对所述视频帧序列中进行待跟踪目标的检测，获得待跟踪目标的目标区域；对所述待跟踪目标的目标区域在对应的视频帧序列中进行坐标定位，并记录坐标位置信息；基于视频帧序列将当前视频帧中的待跟踪目标的目标区域与上一视频帧的待跟踪目标的目标区域进行关联计算，获得关联计算结果；基于所述关联计算结果获取待跟踪目标在所述视频帧序列中的运动轨迹。在本发具体明实施中，可以实现对视频图像中的目标进行跟踪，并且准确的跟踪目标，满足用户的需求。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种视频图像中的目标跟踪方法及装置。

背景技术

目标跟踪的研究和应用是计算机视觉领域的一个重要分支，并且广泛应用在各个安全监控技术领域，现有的对视频中的目标的跟踪算法过于复杂，在跟踪过程中需要对目标进行复杂的跟踪计算，在跟踪过程中容易出现差错，容易导致对目标的跟踪精度不高，并且需要配置较高的设备才能完成对目标的跟踪，跟踪成本也较高。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种视频图像中的目标跟踪方法及装置，可以实现对视频图像中的目标进行精确跟踪，满足用户的需求。

为了解决上述技术问题，本发明实施例中提供了一种视频图像中的目标跟踪方法，所述方法包括：

对视频进行帧拆分处理，获得视频帧序列；

基于目标检测网络模型对所述视频帧序列中进行待跟踪目标的检测，获得待跟踪目标的目标区域；

对所述待跟踪目标的目标区域在对应的视频帧序列中进行坐标定位，并记录坐标位置信息；

基于视频帧序列将当前视频帧中的待跟踪目标的目标区域与上一视频帧的待跟踪目标的目标区域进行关联计算，获得关联计算结果；

基于所述关联计算结果获取待跟踪目标在所述视频帧序列中的运动轨迹。

可选的，所述视频帧序列为按照时间顺序标注，并去除冗余视频帧获得。

可选的，所述目标检测网络模型为YOLOv3网络模型；

所述YOLOv3网络模型的损失函数包括目标置信度损失函数、目标类别损失函数和目标定位损失函数。

可选的，所述基于目标检测网络模型对所述视频帧序列中进行待跟踪目标的检测之前，还包括：

将所述视频帧序列进行尺寸归一化处理，将所述视频帧序列中的图片尺寸归一化至416*416。

可选的，所述对所述待跟踪目标的目标区域在对应的视频帧序列中进行坐标定位，包括：

将所述视频帧序列基于像素点构建像素坐标；

获取所述待跟踪目标的目标区域在对应的视频帧序列中的像素坐标位置进行坐标定位。

可选的，所述基于视频帧序列将当前视频帧中的待跟踪目标的目标区域与上一视频帧的待跟踪目标的目标区域进行关联计算，包括：

基于视频帧序列将当前视频帧中的待跟踪目标的目标区域与上一视频帧的待跟踪目标的目标区域进行相似度的关联计算。

可选的，所述基于视频帧序列将当前视频帧中的待跟踪目标的目标区域与上一视频帧的待跟踪目标的目标区域进行相似度的关联计算，包括：

基于视频帧序列将当前视频帧中的待跟踪目标的目标区域与上一视频帧的待跟踪目标的目标区域进行SIFT特征向量相似度的关联计算。

可选的，所述基于所述关联计算结果获取待跟踪目标在所述视频帧序列中的运动轨迹，包括：