[发明专利]目标跟踪方法、装置、设备、介质及程序产品

说明书

本申请实施例提供了一种目标跟踪方法、装置、设备、介质及程序产品。该方法包括：通过获取目标区域图像以及搜索区域图像，然后，通过基于孪生网络跟踪算法所生成的预设目标跟踪模型对目标区域图像以及搜索区域图像分别进行特征提取，以确定目标区域图像特征以及搜索区域图像特征，从而根据目标区域图像特征以及搜索区域图像特征生成响应图，以根据响应图确定待跟踪目标在搜索区域图像中的位置，从而提高目标跟踪方法的稳健性。

技术领域

本申请实施例涉及图像处理技术领域，并且更具体地，涉及一种目标跟踪方法、装置、设备、介质及程序产品。

背景技术

随着人工智能技术的快速发展，视觉目标跟踪是计算机视觉中的一个重要研究方向，在多个领域都具有广泛的应用。

目前，视觉目标跟踪技术通过利用深度学习的目标跟踪方法，在理想环境中取得了令人满意的效果，使得目标跟踪技术获得了突破方向。其中，大量的跟踪算法已被提出来应用于各种场景，例如：视频监控场景、人机交互场景以及无人驾驶场景等。

但是，在实际的应用场景中，由于现实环境中诸如形变、遮挡、光照变化、背景杂乱、快速运动等因素的影响，当前目标跟踪方法的稳健性难以得到保证。

发明内容

本申请实施例提供的目标跟踪方法、装置、设备、介质及程序产品，以能够提高目标跟踪方法的稳健性。

第一方面，本申请实施例提供了一种目标跟踪方法，包括：

获取目标区域图像以及搜索区域图像，其中，所述目标区域图像中包括待跟踪目标；

通过预设目标跟踪模型对所述目标区域图像以及所述搜索区域图像分别进行特征提取，以确定目标区域图像特征以及搜索区域图像特征，其中，所述目标跟踪模型为基于孪生网络跟踪算法所生成的算法模型；

根据所述目标区域图像特征以及所述搜索区域图像特征生成响应图，其中，所述响应图中的各个响应点特征用于表征所述目标区域图像特征与所述搜索区域图像特征中各个部分的相似度；

根据所述响应图确定所述待跟踪目标在所述搜索区域图像中的位置。

在一种可能的设计中，所述通过预设目标跟踪模型对所述目标区域图像以及所述搜索区域图像分别进行特征提取，包括：

利用所述预设目标跟踪模型中的目标区域学习分支对所述目标区域图像进行特征提取；

利用所述预设目标跟踪模型中的搜索区域学习分支对所述搜索区域图像进行特征提取，其中，所述目标区域学习分支与所述搜索区域学习分支之间权重共享。

在一种可能的设计中，所述利用所述预设目标跟踪模型中的目标区域学习分支对所述目标区域图像进行特征提取，包括：

利用所述目标区域学习分支中的第一特征提取器网络对所述目标区域图像进行特征提取，其中，所述第一特征提取器网络中包括双注意力机制；

对应的，所述利用所述预设目标跟踪模型中的搜索区域学习分支对所述搜索区域图像进行特征提取，包括：

利用所述搜索区域学习分支中的第二特征提取器网络对所述搜索区域图像进行特征提取，其中，所述第二特征提取器网络中包括所述双注意力机制；

所述双注意力机制用于提高所述待跟踪目标对应的关键特征的权重值，所述关键特征用于表征待跟踪目标的物体特性。

在一种可能的设计中，所述根据所述响应图确定所述待跟踪目标在所述搜索区域图像中的位置，包括：

根据所述响应图确定响应值最大的目标特征位置；

将所述目标特征位置映射到所述搜索区域图像的原始尺寸，则所述目标特征位置在搜索区域图像中对应的目标位置为所述待跟踪目标在所述搜索区域图像中的位置。

在一种可能的设计中，所述获取目标区域图像以及搜索区域图像，包括：