[发明专利]目标追踪方法、装置、终端设备和可读存储介质在审
申请号: | 202010661194.5 | 申请日: | 2020-07-10 |
公开(公告)号: | CN111815677A | 公开(公告)日: | 2020-10-23 |
发明(设计)人: | 衣杨;赵小蕾;陈嘉谦;邱泽敏;刘东琳;陈怡华;李宁 | 申请(专利权)人: | 中山大学新华学院 |
主分类号: | G06T7/246 | 分类号: | G06T7/246;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 梁韬 |
地址: | 510000 广*** | 国省代码: | 广东;44 |
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 终端设备 可读 存储 介质 | ||
1.一种目标追踪方法,其特征在于,该方法包括:
利用特征金字塔网络从模板帧中提取n个不同尺度的模板特征图;
利用特征金字塔网络从检测帧中提取与n个所述模板特征图的尺度一一对应的n个不同尺度的检测特征图;
利用第i个区域候选子网络根据第i个模板特征图和与所述第i个模板特征图尺度相同的检测特征图在所述检测特征图上确定预设备选数目个备选图像、以及各个备选图像对应的分值和位置;
当n个区域候选子网络对n个所述模板特征图和对应的检测特征图处理完成后,根据各个备选图像的分值在所有备选图像中确定分值最高的前m个备选图像的作为跟踪目标,所述跟踪目标对应的位置作为目标位置。
2.根据权利要求1所述的目标追踪方法,其特征在于,所述利用第i个区域候选子网络根据第i个模板特征图和与所述第i个模板特征图尺度相同的检测特征图在所述检测特征图上确定预设备选数目个备选图像,以及各个备选图像对应的分值和位置,包括:
将所述第i个模板特征图进行卷积操作以获取第一预设尺寸的模板样本集和第二预设尺寸的模板样本集;
将与所述第i个模板特征图尺度相同的检测特征图进行卷积操作以获取第三预设尺寸的检测样本集和第四预设尺寸的检测样本集;
所述第i个区域候选子网络的分类分支根据所述第一预设尺寸的模板样本集和所述第三预设尺寸的检测样本集计算所述第三预设尺寸的检测样本集中各个备选图像的分值;
所述第i个区域候选子网络的回归分支根据所述第二预设尺寸的模板样本集和所述第四预设尺寸的检测样本集确定所述第四预设尺寸的检测样本集中各个样本的位置;
根据所述第四预设尺寸的检测样本集中各个样本的位置确定所述各个备选图像对应的位置,所述第三预设尺寸的检测样本集和第四预设尺寸的检测样本集等同。
3.根据权利要求1所述的目标追踪方法,其特征在于,还包括:
确定所述前m个备选图像对应的目标位置的位置响应值;
当最大的位置响应值大于预设的位置响应阈值时,将所述最大的位置响应值对应的备选图像作为所述模板帧。
4.根据权利要求3所述的目标追踪方法,其特征在于,所述位置响应值根据以下公式计算:
其中,表示所述位置响应值,t*表示所述目标位置,y(t*)表示所述目标位置t*的响应结果,t表示距离所述目标位置最近的干扰位置,y(t)表示干扰位置t的响应结果,Δ是二次连续可微函数。
5.根据权利要求1所述的目标追踪方法,其特征在于,利用训练样本集预先训练所述目标追踪方法对应的目标追踪模型,直到目标追踪模型的误差损失小于预设误差阈值;
所述误差损失利用如下损失函数计算:
其中,表示误差损失,βi表示第i个区域候选子网络的加权系数,μ表示衰减参数,表示n个区域候选子网络的加权后的加权响应值;
所述加权响应值计算公式如下:
其中,yβ(t*)表示所述目标位置t*的加权后响应结果,t表示距离所述目标位置最近的干扰位置,yβ(t)表示干扰位置t的加权后响应结果,Δ是二次连续可微函数;
所述加权后响应结果计算公式如下:
si(t)表示第i个区域候选子网络响应结果。
6.根据权利要求1-5任一项所述的目标追踪方法,其特征在于,所述n个不同尺度包括32×32个像素点尺度、64×64个像素点尺度、128×128个像素点尺度和256×256个像素点尺度中的至少一种。
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中山大学新华学院,未经中山大学新华学院许可,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/202010661194.5/1.html,转载请声明来源钻瓜专利网。