[发明专利]目标追踪方法以及目标追踪装置在审

专利信息
申请号: 202210254826.5 申请日: 2022-03-15
公开(公告)号: CN114612516A 公开(公告)日: 2022-06-10
发明(设计)人: 程力;窦润江;刘力源 申请(专利权)人: 中国科学院半导体研究所
主分类号: G06T7/246 分类号: G06T7/246;G06T7/73;G06T7/223;G06V10/80;G06V10/82;G06V10/766;G06K9/62;G06N3/04;G06N5/04
代理公司: 中科专利商标代理有限责任公司 11021 代理人: 周天宇
地址: 100083 *** 国省代码: 北京;11
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 以及 装置
【说明书】:

本公开提供了一种目标追踪方法,包括:获取目标图像和待追踪图像,目标图像包括目标对象;分别对目标图像和待追踪图像进行划分,得到多个第一图像块和多个第二图像块;从多个第一图像块和多个第二图像块中提取第一特征图和第二特征图;以及根据第一特征图和第二特征图,通过预测函数从待追踪图像中确定目标对象的位置。本公开还提供了一种目标追踪装置。

技术领域

本公开涉及图像处理领域,具体涉及一种目标追踪方法以及目标追踪装置。

背景技术

目标追踪是计算机视觉领域中的重要研究问题。其目的是在视频序列中,根据目标对象在初始图像帧中的位置,在后续的视频帧中找出该目标对象。当前的追踪算法通常具有良好的追踪精度表现,但在追踪算法部署上存在瓶颈,难以在小型化、低功耗的边缘端计算设备上进行部署。

发明内容

鉴于上述问题,本公开提供了一种目标追踪方法以及目标追踪装置。

根据本公开的第一个方面,提供了一种目标追踪方法,包括:获取目标图像和待追踪图像,所述目标图像包括目标对象;分别对所述目标图像和所述待追踪图像进行划分,得到多个第一图像块和多个第二图像块;从所述多个第一图像块和所述多个第二图像块中提取第一特征图和第二特征图;以及根据所述第一特征图和所述第二特征图,通过预测函数从所述待追踪图像中确定所述目标对象的位置。

根据本公开的实施例,从所述多个第一图像块中提取第一特征图,包括:依次对所述多个第一图像块进行局部推理,得到多个第一推理结果;拼合所述多个第一推理结果,得到第一拼合对象;以及对所述第一拼合对象进行全局推理,得到第一特征图。

根据本公开的实施例,所述多个第一图像块包括N个第一图像块,N为大于等于2的整数;所述依次对所述多个第一图像块进行局部推理,得到多个第一推理结果,包括:在预设存储空间中对所述N个第一图像块中的第i个第一图像块进行局部推理,i∈[1,N);以及在确定完成对所述第i个第一图像块进行局部推理的情况下,释放所述预设存储空间,以在预设存储空间中对第i+1个第一图像块进行局部推理。

根据本公开的实施例,所述从所述多个第一图像块中提取第一特征图,包括:通过神经网络对所述多个第一图像块进行推理,得到所述第一特征图,所述多个第一图像块具有相同的神经网络权重。

根据本公开的实施例,所述根据所述第一特征图和所述第二特征图,通过预测函数从所述待追踪图像中确定所述目标对象的位置,包括:通过预测函数,融合所述第一特征图和所述第二特征图,得到融合特征图;以及通过对所述融合特征图进行回归运算,确定所述待追踪图像中所述目标对象的位置。

根据本公开的实施例,所述通过对所述融合特征图进行回归运算,确定所述待追踪图像中所述目标对象的位置,包括:基于所述融合特征图,计算分类输出损失函数、整体置信度损失函数和边界偏移损失函数;根据所述分类输出损失函数、所述整体置信度损失函数和所述边界偏移损失函数,构建联合损失函数;以及通过所述联合损失函数,确定所述待追踪图像中所述目标对象的位置。

根据本公开的实施例,所述通过所述联合损失函数,确定所述待追踪图像中所述目标对象的位置,包括:通过所述预测函数,输出多个候选框,所述候选框为六维向量,所述六维向量由与所述联合损失函数相关的参数描述;通过所述联合损失函数计算所述多个候选框的预测得分;从所述多个候选框中确定M个预测框,所述M个预测框的预测得分为所述多个候选的预测得分的前M名,M为正整数;以及根据所述M个预测框,确定所述待追踪图像中所述目标对象的位置。

根据本公开的实施例,所述根据所述M个预测框,确定所述待追踪图像中所述目标对象的位置,包括:获取所述M个预测框在所述待追踪图像中的M个坐标;计算所述M个坐标的平均值,得到所述目标对象在所述待追踪图像中的坐标。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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国科学院半导体研究所,未经中国科学院半导体研究所许可,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/202210254826.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top