[发明专利]目标跟踪方法及装置

说明书

本发明提供一种目标跟踪方法及装置，该目标跟踪方法包括：获取待检测图像和多个已标注图像；基于多个所述已标注图像，确定动态降维矩阵；基于所述已标注图像和所述动态降维矩阵，确定岭回归解析值；基于所述待检测图像、所述动态降维矩阵以及所述岭回归解析值，确定目标定位结果。本发明提供的目标跟踪方法及装置，通过基于已标注图像确定动态降维矩阵，利用动态降维矩阵来优化岭回归算法的处理过程，从而能够提高利用岭回归算法的判别能力和泛化能力，提高目标跟踪的精度和鲁棒性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种目标跟踪方法及装置。

背景技术

随着计算机视觉技术的发展，利用图像识别技术进行目标跟踪和目标检测已经在各种场景下得到应用，目标跟踪是在给定初始图像帧和目标的边框信息的情况下，获得后续图像帧中目标的位置和边框信息。由于在线训练样本的有限性，目标外观的剧烈变化和复杂的背景干扰等因素，目标跟踪技术仍面临许多挑战。

目前存在采用神经网络技术进行目标跟踪的方法，但是现有的方法判别能力和泛化能力较低，得到的跟踪结果精度较低。

发明内容

本发明提供一种目标跟踪方法及装置，用以解决现有技术中判别能力和泛化能力较低，得到的跟踪结果精度较低的缺陷，实现提高利用岭回归算法的判别能力和泛化能力，提高目标跟踪的精度和鲁棒性。

本发明提供一种目标跟踪方法，该目标跟踪方法包括：

获取待检测图像和多个已标注图像；

基于多个所述已标注图像，确定动态降维矩阵；

基于所述已标注图像和所述动态降维矩阵，确定岭回归解析值；

基于所述待检测图像、所述动态降维矩阵以及所述岭回归解析值，确定目标定位结果。

根据本发明提供的目标跟踪方法，所述基于多个所述已标注图像，确定动态降维矩阵，包括：

将多个所述已标注图像输入至动态降维模型中，得到所述动态降维矩阵；

其中，所述动态降维模型为以多组样本图像为样本，以与所述样本图像所对应的降维矩阵样本数据为样本标签进行训练得到的。

根据本发明提供的目标跟踪方法，所述将多个所述已标注图像输入至动态降维模型中，得到所述动态降维矩阵，包括：

将多个所述已标注图像输入至所述动态降维模型的特征提取层中，提取到多个参考特征；

将多个所述参考特征输入至所述动态降维模型的卷积层中，得到融合特征；

将所述融合特征输入至所述动态降维模型的反卷积层中，得到低层次正交基矩阵和高层次正交基矩阵；

对所述低层次正交基矩阵和所述高层次正交基矩阵进行重组，得到所述动态降维矩阵。

根据本发明提供的目标跟踪方法，所述基于所述已标注图像和所述动态降维矩阵，确定岭回归解析值，包括：

将所述已标注图像和所述动态降维矩阵输入至岭回归模型中，得到所述岭回归模型输出的岭回归解析值；

其中，所述岭回归模型为样本图像和样本降维矩阵为样本，以与所述样本图像和所述样本降维矩阵所对应的岭回归解析值样本数据为样本标签进行训练得到的。

根据本发明提供的目标跟踪方法，所述将所述已标注图像和所述动态降维矩阵输入至岭回归模型中，得到所述岭回归模型输出的岭回归解析值，包括：

将所述已标注图像输入至所述动态降维模型的特征提取层中，提取到待降维特征；

将所述待降维特征输入至所述动态降维模型的降维层中，将所述动态降维矩阵作为所述降维层的权重，得到岭回归解析值。