[發明專利]目標跟蹤方法及相關產品有效
| 申請號： | 201811378252.2 | 申請日： | 2018-11-19 |
| 公開（公告）號： | CN109740416B | 公開（公告）日： | 2021-02-12 |
| 發明（設計）人： | 吳偉華;楊威;何其佳;禹世杰 | 申請（專利權）人： | 深圳市華尊科技股份有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 廣州三環專利商標代理有限公司 44202 | 代理人： | 郝傳鑫;熊永強 |
| 地址： | 518000 廣東省深圳市福田*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 目標 跟蹤 方法 相關 產品 | ||
1.一種目標跟蹤方法，其特征在于，包括：
獲取目標圖像和待跟蹤圖像，所述目標圖像與所述待跟蹤圖像為待處理視頻中的前后兩幀圖像；
將所述目標圖像輸入到預設神經網絡模型，得到第一特征信息，所述預設神經網絡模型包括第一分支網絡和第二分支網絡，所述第一分支網絡包括3個卷積層，3個batchNorm層，3個pooling層，且在訓練時固定該第一分支參數不變，所述第一分支網絡還包括attention模型，所述attention模型的每個通道特征被劃分為3x3個網格，對每個網格進行maxpooling個avgpooling，并通過多層感知機MLP和sigmoid產生輸出系數，所述第二分支網絡包括5個卷積層，5個batchNorm層，5個pooling層，且在訓練時參數迭代更新；
將所述待跟蹤圖像的搜索區域輸入到所述預設神經網絡模型，得到第二特征信息；
將所述第一特征信息與所述第二特征信息進行融合，得到所述搜索區域的權重值和roi回歸值；
依據所述權重值和所述roi回歸值確定所述搜索區域對應的目標區域，以及跟蹤模板是否進行更新；
在所述跟蹤模板不更新時，則直接進行下一幀圖像跟蹤，在所述跟蹤模板更新時，更新所述跟蹤模板，并基于更新后的所述跟蹤模板進行下一幀圖像跟蹤。
2.根據權利要求1所述的方法，其特征在于，所述將所述目標圖像輸入到預設神經網絡模型，得到第一特征信息，包括：
在所述目標圖像經過所述第一分支網絡的卷積層之后，得到第一分支特征；
將所述第一分支特征輸入到所述attention模型，得到第一有效特征；
將所述第一分支特征與所述第一有效特征相乘，并將相乘結果輸入卷積層，得到第一卷積特征，再將所述第一卷積特征送入所述第二分支網絡，得到所述第一特征信息。
3.根據權利要求2所述的方法，其特征在于，所述將所述待跟蹤圖像的搜索區域輸入到所述預設神經網絡模型，得到第二特征信息，包括：
將所述搜索區域輸入到所述第二分支網絡，得到第二分支特征；
將所述第二分支特征輸入到所述第一分支網絡，得到所述搜索區域的有效特征；
計算所述第二分支特征與所述搜索區域的有效特征之間的差分灰度圖；
將所述差分灰度圖輸入到所述第二分支網絡，得到所述第二特征信息。
4.根據權利要求3所述的方法，其特征在于，所述將所述第一特征信息與所述第二特征信息進行融合，得到所述搜索區域的權重值和roi回歸值，包括：
以所述第一卷積特征為卷積模板，對所述第二特征信息進行卷積運算，再將其結果輸入到ConvBweight卷積層，得到第一權重值；
以所述第一特征信息為卷積模板，對所述第二分支特征進行卷積運算再將其結果輸入到所述ConvBweight卷積層，得到第二權重值；
基于所述第一權重值、所述第二權重值，得到所述搜索區域的權重值；
對所述第二分支特征進行卷積運算，再將其結果輸入ConvROI卷積層，得到所述搜索區域所有位置塊的roi回歸值，所述預設神經網絡模型包括所述ConvBweight卷積層和所述ConvROI卷積層，所述roi回歸值包括以下至少一項：橫坐標、縱坐標、寬度偏移量和高度偏移量。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深圳市華尊科技股份有限公司，未經深圳市華尊科技股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201811378252.2/1.html，轉載請聲明來源鉆瓜專利網。
