[发明专利]基于深度学习的目标跟踪方法、装置及存储介质

摘要

一种基于深度学习的目标跟踪方法、装置及其存储介质，所述方法为连续读取两帧图片；分别设定并裁剪前一帧的目标区域和当前帧的搜索区域，在设定并裁剪当前帧的搜索区域时，通过判断物体在快速运动时是否平稳设定中心点位置，并得到搜索区域；将目标区域与搜索区域输入卷积神经网络计算得到当前帧目标区域；计算得到当前帧相对于前一帧目标的帧间位移；判断当前帧是否为最后一帧，以判断是否继续进行迭代的目标跟踪。本发明通过判断目标物体在图像中运动快速的快慢，来实现对当前帧裁剪区域的中心点位置的预测，相对于已有算法，在基本保持了原有的高的跟踪速度的前提下，提高了目标跟踪准确率和目标重合度，并且具有较好的跟踪鲁棒性。

主权项

一种基于深度学习的目标跟踪方法，包括如下步骤：图片读取步骤S110：连续读取两帧图片，包括前一帧图片和当前帧图片，所述前一帧图片具有已计算得知的目标位置，所述当前帧图片需要计算目标位置；区域设定步骤S120：分别设定并裁剪前一帧的目标区域和当前帧的搜索区域；所述设定并裁剪前一帧的目标区域具体为：根据前一帧已知目标的中心点位置c＝(cx,cy)作为中心点，以矩形框作为第一包围盒对目标物体进行标记，第一包围盒的高度为h，宽度为w，经过剪裁后得到的目标区域的高度和宽度分别为k1h和k1w。参数k1用于控制目标区域的大小；所述设定并裁剪当前帧的搜索区域具体为：判断物体在图像中运动是否平稳，如果速度稳定，则当前帧的搜索区域的中心点位置c'＝(c'x,c'y)等于前一帧的已知目标的中心点位置c＝(cx,cy)加上前两帧图像目标的帧间位移S，如果速度剧烈变化，例如迅速减小或者增大，则当前帧的搜索区域的中心点位置c'＝(c'x,c'y)为前一帧的已知目标的中心点位置c＝(cx,cy)，即以前一帧的目标中心点位置作为当前帧的剪裁中心，以矩形框作为第二包围盒进行标记，第二包围盒的高度为h，宽度为w，经过剪裁后得到的搜索区域的高度和宽度分别为k2h和k2w。参数k2用于控制搜索区域的大小；特征提取及对比步骤S130：将目标区域与搜索区域输入卷积神经网络(CNN)，进行特征提取和特征对比，计算得到当前帧的目标区域；帧间位移计算步骤S140：利用当前帧的目标区域和前一帧的目标区域，计算得到当前帧相对于前一帧目标的帧间位移；判断步骤S150：判断当前帧是否为最后一帧，如果是，则跟踪结束，否则进入图片读取步骤S110，继续读取连续两帧图片，继续进行迭代的目标跟踪。