CN112801025B - 目标特征确定方法及装置、电子设备和存储介质 - Google Patents
目标特征确定方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112801025B CN112801025B CN202110178699.0A CN202110178699A CN112801025B CN 112801025 B CN112801025 B CN 112801025B CN 202110178699 A CN202110178699 A CN 202110178699A CN 112801025 B CN112801025 B CN 112801025B
- Authority
- CN
- China
- Prior art keywords
- network
- target
- features
- feature
- candidate target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 132
- 230000008569 process Effects 0.000 claims description 62
- 230000000875 corresponding effect Effects 0.000 claims description 52
- 238000012549 training Methods 0.000 claims description 33
- 238000002372 labelling Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 29
- 230000004927 fusion Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 15
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种目标特征确定方法及装置、电子设备和存储介质,所述方法包括:从目标视频的多个视频帧中的当前视频帧中,确定目标对象的至少一个候选目标特征;基于第一网络,确定所述候选目标特征中属于所述目标对象的目标特征,所述第一网络包括小样本分类网络。本公开实施例能够提高确定的目标特征的准确性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种目标特征确定方法及装置、电子设备和存储介质。
背景技术
随着图像处理技术的发展,基于图像处理技术的目标跟踪在智能监控、自动驾驶和图像标注等领域起到日益重要的作用,因此目标跟踪也面临着更高的要求。
在目标跟踪中,会在一段视频序列的某一帧(例如第一帧)中给定一个初始框,来标定需要跟踪的目标,在之后一直跟踪这个标定的目标。由于存在遮挡、光照变化、尺度变化等一些干扰问题,目标跟踪一直都还存在较大的挑战,因此,急需提高目标跟踪的准确率。
发明内容
本公开提出了一种目标特征确定技术方案。
根据本公开的一方面,提供了一种目标特征确定方法,包括:
从目标视频的多个视频帧中的当前视频帧中,确定目标对象的至少一个候选目标特征;基于第一网络,确定所述候选目标特征中属于所述目标对象的目标特征,所述第一网络包括小样本分类网络。
在一种可能的实现方式中,所述从目标视频的多个视频帧中的当前视频帧中,确定目标对象的至少一个候选目标特征,包括:
基于所述当前视频帧中的多个图像特征与标注特征的匹配度,确定满足预设条件的匹配度对应的图像特征作为候选目标特征;
所述基于第一网络,确定所述候选目标特征中属于所述目标对象的目标特征,包括:
通过所述第一网络,确定所述候选目标特征属于所述目标对象的置信度;
基于所述置信度和所述匹配度,确定所述候选目标特征中属于所述目标对象的目标特征。
在一种可能的实现方式中,所述基于所述置信度和所述匹配度,确定所述候选目标特征中属于所述目标对象的目标特征,包括:
对所述候选目标特征的置信度和匹配度进行融合,得到融合分值;
将所述融合分值中的最高分值对应的候选目标特征,作为所述目标对象的目标特征。
在一种可能的实现方式中,所述方法还包括:
将所述候选目标特征和对应的预测结果作为样本加入到第一样本集中,利用所述第一样本集对所述第一网络进行小样本学习,所述预测结果基于所述第一网络得到,所述预测结果用于表征所述候选目标特征是否属于所述目标对象。
在一种可能的实现方式中,所述将所述候选目标特征和所述预测结果作为样本加入到第一样本集中,包括:
按照所述融合分值从高到低的顺序,选取前k个融合分值的候选目标特征和对应的预测结果作为样本,加入到第一样本集中。
在一种可能的实现方式中,所述将所述候选目标特征和对应的预测结果作为样本加入到第一样本集中后,所述方法还包括:
将所述第一样本集中,除标注特征对应的样本外,最早的视频帧对应的样本移出。
在一种可能的实现方式中,所述方法还包括:对标注特征进行特征增强处理,得到至少一个增强特征;将所述增强特征和所述标注特征作为正样本加入所述第一样本集中;所述特征增强处理包括下述至少一种:模糊处理、选择处理、翻转处理、平移处理。
在一种可能的实现方式中,所述利用所述第一样本集对所述第一网络进行小样本学习,包括:
确定所述第一样本集中的样本所属的视频帧与所述当前视频帧的时间间隔;
根据所述时间间隔,确定所述第一样本集中的样本对应的权重,所述权重与所述时间间隔负相关;
根据所述权重,利用所述第一样本集中的样本对所述第一网络进行小样本学习,所述小样本学习过程中对网络参数的调整幅度与所述权重正相关。
在一种可能的实现方式中,所述小样本学习包括元学习,所述利用所述第一样本集对所述第一网络进行小样本学习,包括:
利用所述第一样本集对所述第一网络的元学习网络进行训练,得到训练后的所述元学习网络的第一参数;
将所述第一参数作为所述第一网络的固定参数,利用第二样本集对所述第一网络的初始化参数进行优化,得到优化后的所述第一网络的第二参数。
在一种可能的实现方式中,所述目标视频为实时拍摄的视频,所述目标特征用于表征对所述目标视频中目标对象的跟踪结果。
根据本公开的一方面,提供了一种目标特征确定装置,包括:
候选目标特征确定单元,用于从目标视频的多个视频帧中的当前视频帧中,确定目标对象的至少一个候选目标特征;
目标特征确定单元,用于基于第一网络,确定所述候选目标特征中属于所述目标对象的目标特征,所述第一网络包括小样本分类网络。
在一种可能的实现方式中,候选目标特征确定单元,用于基于所述当前视频帧中的多个图像特征与标注特征的匹配度,确定满足预设条件的匹配度对应的图像特征作为候选目标特征;
所述目标特征确定单元,用于通过所述第一网络,确定所述候选目标特征属于所述目标对象的置信度;基于所述置信度和所述匹配度,确定所述候选目标特征中属于所述目标对象的目标特征。
在一种可能的实现方式中,所述目标特征确定单元,用于对所述候选目标特征的置信度和匹配度进行融合,得到融合分值;将所述融合分值中的最高分值对应的候选目标特征,作为所述目标对象的目标特征。
在一种可能的实现方式中,所述装置还包括:训练单元,用于将所述候选目标特征和对应的预测结果作为样本加入到第一样本集中,利用所述第一样本集对所述第一网络进行小样本学习,所述预测结果基于所述第一网络得到,所述预测结果用于表征所述候选目标特征是否属于所述目标对象。
在一种可能的实现方式中,所述训练单元,用于按照所述融合分值从高到低的顺序,选取前k个融合分值的候选目标特征和对应的预测结果作为样本,加入到第一样本集中。
在一种可能的实现方式中,所述装置还包括:样本移除单元,用于在所述将所述候选目标特征和对应的预测结果作为样本加入到第一样本集中后,将所述第一样本集中,除标注特征对应的样本外,最早的视频帧对应的样本移出。
在一种可能的实现方式中,所述装置还包括:
特征增强单元,用于对标注特征进行特征增强处理,得到至少一个增强特征;
样本添加单元,用于将所述增强特征和所述标注特征作为正样本加入所述第一样本集中;
所述特征增强处理包括下述至少一种:
模糊处理、选择处理、翻转处理、平移处理。
在一种可能的实现方式中,所述训练单元,包括:
间隔确定单元,用于确定所述第一样本集中的样本所属的视频帧与所述当前视频帧的时间间隔;
权重确定单元,用于根据所述时间间隔,确定所述第一样本集中的样本对应的权重,所述权重与所述时间间隔负相关;
学习单元,用于根据所述权重,利用所述第一样本集中的样本对所述第一网络进行小样本学习,所述小样本学习过程中对网络参数的调整幅度与所述权重正相关。
在一种可能的实现方式中,所述小样本学习包括元学习,所述训练单元,包括:
元学习网络训练单元,用于利用所述第一样本集对所述第一网络的元学习网络进行训练,得到训练后的所述元学习网络的第一参数;
第一网络训练单元,用于将所述第一参数作为所述第一网络的固定参数,利用第二样本集对所述第一网络的初始化参数进行优化,得到优化后的所述第一网络的第二参数。
在一种可能的实现方式中,所述目标视频为实时拍摄的视频,所述目标特征用于表征对所述目标视频中目标对象的跟踪结果。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,在目标追踪的过程中,通过从视频帧中提取候选目标特征,并基于第一网络得到候选目标特征是否属于目标对象的预测结果,第一网络可以是小样本分类网络,这样,通过先提取多个候选目标特征,然后再基于小样本分类网络对候选目标特征进行分类的方式,由于提取后的多个候选目标特征是稀疏数据的形式,稀疏数据适合于小样本网络分类任务,能够提高确定的视频帧中的目标特征的准确率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的目标特征确定方法的流程图。
图2示出根据本公开实施例的目标特征确定方法的具体应用场景示意图。
图3示出根据本公开实施例的一种图像处理装置的框图。
图4示出根据本公开实施例的一种电子设备的框图。
图5示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
为了提高目标跟踪的准确率,本公开实施例提供了一种目标特征确定方法,可以从目标视频的当前视频帧中,确定目标对象的至少一个候选目标特征,然后基于第一网络,确定候选目标特征中属于目标对象的目标特征,提高了目标跟踪的准确率。
本公开实施例中的目标跟踪,目标对象可以是人物,动物,或者也可以是车辆等物体,因此,可以实现对视频中的人物、车辆等目标对象的准确跟踪。例如,可以对比赛视频中的运动员的运动轨迹进行准确跟踪;或者在安防系统中,可以对犯罪嫌疑人、嫌疑车辆的跟踪;或者对视频中的目标人物进行图像标注以用于网络训练等等,具有较高的应用价值。
本公开实施例提供的目标特征确定方法,能够在对目标视频进行目标跟踪的过程中不断优化第一网络,而优化第一网络所用的样本可以是对目标视频的历史帧的预测结果。考虑到历史帧的预测结果的数量往往较少,因此可以利用小样本学习(Few-shotLearning)的理念来优化第一网络。
在目标追踪的过程中,通过基于第一网络得到对候选目标特征的预测结果,以候选目标特征和预测结果作为样本对第一网络进行小样本学习,由于该样本是稀疏样本的形式,相对于直接拿整个视频帧及其预测结果作为训练样本而言,稀疏样本的形式非常适合于小样本学习任务,因此能够提高第一网络预测结果的准确度。
小样本学习基于少量的样本进行学习,主要解决在少量标记样本情况下如何快速高效学习预测模型的问题。元学习(Meta-Learning)能够很好地解决小样本学习(Few-shotLearning)中的上述问题。
本公开实施例提供的目标特征确定方法可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行所述方法。
图1示出根据本公开实施例的目标特征确定方法的流程图,如图1所示,所述目标特征确定方法包括:
在步骤S11中,从目标视频的多个视频帧中的当前视频帧中,确定目标对象的至少一个候选目标特征。
目标视频为包含目标对象的视频,该视频可以是已存储的视频文件,或者可以是流媒体形式的视频流,本公开对此不做限定。
目标视频是包含多个视频帧的,在本公开实施例中,可以按预定的顺序,逐帧地对目标视频中的多个视频帧进行目标跟踪,为便于描述,这里对于当前正在处理的视频帧称为当前视频帧。
视频帧中会包含图像特征,对于属于目标对象的图像特征可以称之为目标特征,而对于可能属于目标对象的图像特征,可以称之为候选目标特征。
候选目标特征,具体可以是当前视频帧的图像特征中,与标注特征之间的匹配度大于匹配度阈值的图像特征。该标注特征可以是预先标注的目标对象的目标特征,标注的目标特征可以是目标视频的某一帧中的目标对象的图像特征。例如,在实际应用中,可以在目标视频中出现目标对象的第一帧中,标注出目标对象的图像特征。
在确定候选目标特征的过程中,可以基于匹配的方式从当前视频帧中确定候选目标特征,例如,可以在当前帧中,基于卷积的方式提取多个区域的图像特征,然后确定提取的图像特征与目标特征之间的匹配度,与目标特征之间的匹配度大于匹配度阈值的图像特征即可确定为候选目标特征。
例如,可以确定提取的图像特征与目标特征之间的重叠度(Intersection overUnion,IoU),重叠度高于重叠度阈值的,即可以确定为候选目标特征。
具体可以基于匹配网络来实现候选目标特征的确定,这里的匹配网络可以是基于神经网络训练得到的,例如可以是非极大值抑制网络(Non-Maximum Suppression,NMS),具体的训练方法可参见后文的相关论述,此处不做赘述。
在步骤S12中,基于第一网络,确定所述候选目标特征中属于所述目标对象的目标特征;
基于第一网络,能够预测候选目标特征是否属于目标对象,得到预测结果。这里的预测结果可以是候选目标特征属于目标对象,那么该候选目标特征即为目标特征;预测结果也可以是候选目标特征不属于目标对象,那么该候选目标特征即为非目标特征。需要说明的是,在当前视频帧的候选目标特征存在多个的情况下,多个候选目标特征中可能会既存在目标特征,也存在非目标特征。
预测结果可以基于第一网络来得到,第一网络可以是一个分类网络,用来对候选目标特征进行分类,在分类的过程中,会确定候选目标特征属于目标对象这一类别的置信度,然后可以基于该置信度来确定预测结果。例如,可以将置信度最高的候选目标特征确定为目标特征;此外,还可以基于前文所述匹配度和置信度,来得到预测结果,具体可参见后文可能的实现方式,此处不做赘述。
第一网络可以包括小样本分类网络,小样本分类网络通过小样本学习(Few-shotlearning)的方式进行训练。小样本学习的过程中,会从少量样本中进行快速的学习。本公开实施例中的小样本分类网络,其训练样本可以是目标视频帧中的至少一帧中的候选目标特征及其预测结果,具体训练过程可参见后文的相关描述,此处不做赘述。
通过步骤S12,即可得到对当前视频帧中目标对象的预测结果,在预测结果中某一候选目标特征属于目标对象的情况下,那么该候选目标特征所在的位置,即为预测的当前视频帧中目标对象所在的位置,该位置在当前视频帧中可以用矩形框来表示。
在本公开实施例中,在目标追踪的过程中,通过从视频帧中提取候选目标特征,并基于第一网络得到候选目标特征是否属于目标对象的预测结果,第一网络可以是小样本分类网络,这样,通过先提取多个候选目标特征,然后再基于小样本分类网络对候选目标特征进行分类的方式,由于提取后的多个候选目标特征是稀疏数据的形式,稀疏数据适合于小样本网络分类任务,能够提高确定的视频帧中的目标特征的准确率。
在一种可能的实现方式中,从目标视频的多个视频帧中的当前视频帧中,确定目标对象的至少一个候选目标特征,包括:基于所述当前视频帧中的多个图像特征与标注特征的匹配度,确定满足预设条件的匹配度对应的图像特征作为候选目标特征;所述基于第一网络,确定所述候选目标特征中属于所述目标对象的目标特征,包括:通过所述第一网络,确定所述候选目标特征属于所述目标对象的置信度;基于所述置信度和所述匹配度,确定所述候选目标特征中属于所述目标对象的目标特征。
如前文所述,通过第一网络能够确定候选目标特征属于目标对象的置信度,那么,可以直接根据置信度来确定目标特征,例如可以直接将置信度最高的候选目标特征作为目标对象的目标特征,将其余的候选目标特征作为非目标特征。
为了提高确定的目标特征的准确性,在置信度的基础上,还可以再基于候选目标特征与标注特征的匹配度来预测,候选目标特征与标注特征的匹配度可以是在确定候选目标特征的过程中得到的。
在确定候选目标特征的过程中,可以在当前视频帧中,基于卷积的方式提取多个区域的图像特征,然后确定提取的图像特征与标注特征之间的匹配度,与标注特征之间的匹配度满足预设条件的图像特征即可确定为候选目标特征。
这里的预设条件可以包括下述至少一种:大于匹配度阈值;按匹配度从大到小的顺序排序,匹配度的排序大于设定的排序阈值。例如,可以选取匹配度超过80%的图像特征作为候选目标特征,或者,可以按匹配度从大到小的顺序排序,确定前8个匹配度对应的图像特征作为候选目标特征。
在确定出候选目标特征后,候选目标特征对应的匹配度也是确定的,此外,还可以基于第一网络确定候选目标特征属于目标对象的置信度。那么,即可基于候选目标特征的匹配度和置信度,确定候选目标特征中属于目标对象的目标特征。
在一种可能的实现方式中,所述基于所述置信度和所述匹配度,确定所述候选目标特征中属于所述目标对象的目标特征,包括:对所述候选目标特征的置信度和匹配度进行融合,得到融合分值;将所述融合分值中的最高分值对应的候选目标特征,作为所述目标对象的目标特征。那么,其余的候选目标特征即可作为不属于目标对象的非目标特征。
当然,也可以设置一个融合分值的分值阈值,融合分值中的最高分值高于该分值阈值的情况下,才会将最高分值对应的候选目标特征作为目标对象的目标特征,否则视为没有识别到目标特征。
在本公开实施例中,通过基于候选目标特征与标注特征的匹配度,以及候选目标特征属于目标对象的置信度,来对候选目标特征是否属于目标对象进行预测,得到的预测结果更加准确。
在一种可能的实现方式中,所述方法还包括将所述候选目标特征和对应的预测结果作为样本加入到第一样本集中,利用所述第一样本集对所述第一网络进行小样本学习,所述预测结果基于所述第一网络得到,所述预测结果用于表征所述候选目标特征是否属于所述目标对象。
一个候选目标特征会对应有一个预测结果,这里将候选目标特征的预测结果作为伪标签,加入到第一样本集中,第一样本集中,可以包含目标视频的历史视频帧中的候选目标特征及对应的预测结果,另外还可以包含人工标注的图像特征。也就是说,第一样本集中,既可以包含带有伪标签的候选目标特征,也可以包含带有真实标签的图像特征。
对第一网络进行小样本学习可以是先对第一网络的元学习网络进行训练,然后再利用训练后的元学习网络对第一网络进行训练,具体可参见后文可能的实现方式,此处不做赘述。
对第一网络进行小样本学习后,即可基于小样本学习后的第一网络对下一视频帧中的候选目标特征是否属于目标对象进行预测。
在本公开实施例中,可以按照多个视频帧的时序顺序,以当前视频帧的下一视频帧作为新的当前视频帧,以元学习后的第一网络作为新的第一网络,重复上述步骤,得到多个视频帧中目标对象的预测结果。
目标视频中的视频帧是有时序顺序的,并且目标视频中的目标对象的目标特征往往也是随视频帧的变化而变化的,那么,本公开实施例中,在进行目标跟踪的同时进行网络学习,能够及时地将目标对象新出现的特征也考虑在内,能够提高目标跟踪的准确性。
在本公开实施例中,在目标追踪的过程中,通过从视频帧中提取候选目标特征,并基于第一网络得到候选目标特征是否属于目标对象的预测结果。然后以候选目标特征和预测结果作为样本对第一网络进行小样本学习,由于该样本是稀疏样本的形式,相对于直接拿整个视频帧及其预测结果作为训练样本而言,稀疏样本的形式非常适合于小样本学习任务,可以抑制目标特征以外潜在的干扰对象,因此能够提高第一网络预测结果的准确度,使得目标跟踪更加准确。
本公开实施例提供的目标特征确定方法,可分为两个阶段:第一阶段从视频帧中提取候选目标特征;第二阶段基于第一网络对候选目标特征进行预测,并基于预测结果对第一网络进行小样本学习。经过第一阶段的候选目标特征提取后,第二阶段的过程可以看作一个小样本分类的过程,将第一阶段提取出的目标特征进行二分类。由于第一阶段提取的候选目标特征,能够很好地适用于小样本分类问题,因此,本公开实施例提供的目标特征确定方法,能够很好地适配多种小样本学习的算法,普适性较强。
在本公开实施例中,会维护一个用来对第一网络进行小样本学习的第一样本集,第一样本集中的样本,可以是对目标视频的历史帧的预测结果,此外,第一样本集中,还可以包含人工标注的样本,下面将对本公开维护第一样本集的几种可能的实现方式进行详细说明。
在一种可能的实现方式中,所述方法还包括:对标注特征进行特征增强处理,得到至少一个增强特征;将所述增强特征和所述标注特征作为正样本加入所述第一样本集中;所述特征增强处理包括下述至少一种:模糊处理、选择处理、翻转处理、平移处理。
第一样本集中可以包含具备真实标签的样本,即前文描述的标注特征,这里的真实标签是用户标注的标签。例如,在进行目标跟踪的过程中,用户可以首先对目标视频的视频帧(例如第一帧)中的目标对象进行标注,具体可以通过矩形框来框选视频帧中待跟踪的目标对象。那么,视频帧中被框选的图像特征即为标注特征,该标注特征可以作为正样本加入到第一样本集中。
此外,由于标注特征是真实标签,因此,可以进一步对标注特征进行特征增强处理得到增强特征,以模拟现实中采集到的目标对象的特征的各种变化,那么,将增强特征作为正样本加入到第一样本集中,经第一样本集进行小样本学习得到的第一网络能够更好地识别出目标对象的特征的各种变化,提高了对视频帧中目标对象预测的准确率,提高了目标跟踪的准确率。
在一种可能的实现方式中,第一样本集中可以包含具备伪标签的样本,这里的伪标签可以是第一网络对候选目标特征的预测结果,在该实现方式中,所述将所述候选目标特征和所述预测结果作为样本加入到第一样本集中,包括:按照融合分值从高到低的顺序,选取前k个融合分值的候选目标特征和对应的预测结果作为样本,加入到第一样本集中。
融合分值最高的候选目标特征可以作为正样本,而其余的候选目标特征可以作为负样本,加入到第一样本集中。当前视频帧中,可以选取k个样本加入到第一样本集中,k的具体取值可以是4,即按照融合分值从高到低的顺序,选取前4个融合分值对应的候选目标特征作为样本,加入到第一样本集中。
当然,在没有识别到目标特征的情况下,即融合分值中的最高分值不高于分值阈值的情况下,则不会将候选目标特征作为样本加入到第一样本集中。
在本公开实施例中,考虑到前k个样本之间往往是比较相似的,利用前k个样本来对第一网络进行小样本学习,更能够提高第一网络对相似的候选目标特征的区分能力,而对于融合分值排序靠后的候选目标特征,由于第一网络往往已经能够很好地将其区分开,因此可不必再加入到第一样本集中对第一网络进行小样本学习,可以有效地提高小样本学习的效率。
在一种可能的实现方式中,所述将所述候选目标特征和所述预测结果作为样本加入到第一样本集中后,所述方法还包括:将所述第一样本集中,除标注特征对应的样本外,最早的视频帧对应的样本移出。
第一样本集可以是一个先进先出(first-in-first-out,FIFO)的队列的形式,第一样本集中可容纳的样本的数量可以是一定的。在将当前视频帧的候选目标特征和所述预测结果作为样本加入到第一样本集中后,可以将第一样本集中最早的视频帧对应的样本移除。当然,考虑到第一样本集中的标注特征是人工标定的特征,是目标对象最准确的特征,因此,可以将标注特征作为正样本一直保持在第一样本集中。
在一种可能的实现方式中,第一样本集中容纳的样本的数量可以是60,样本数量为60的情况下,能够在预测的准确率和时效性上取得平衡。
在本公开实施例中,考虑到目标对象的特征可能会随着时间的推移发生变化,第一样本集中最早的视频帧中目标对象的特征,可能会与即将预测的下一视频帧中目标对象的特征存在一些区别,因此,在将当前视频帧中的候选目标特征作为样本加入第一样本集中后,可以将最早的视频帧中的候选目标特征的样本从第一样本集中移除,以提高小样本学习后的第一网络对下一视频帧中候选目标特征进行预测的准确率。
基于上述构建好的第一样本集,即可对第一网络进行小样本学习,在一种可能的实现方式中,所述利用所述第一样本集对所述第一网络进行小样本学习,包括:确定所述第一样本集中的样本所属的视频帧与所述当前视频帧的时间间隔;根据所述时间间隔,确定所述第一样本集中的样本对应的权重,所述权重与所述时间间隔负相关;根据所述权重,利用所述第一样本集中的样本对所述第一网络进行小样本学习,所述小样本学习过程中对网络参数的调整幅度与所述权重正相关。
考虑到目标对象的特征可能会随着时间的推移发生变化,那么,针对第一样本集中的样本,与待预测的下一视频帧的时间间隔越大,则目标对象的特征之间的区别大概率也会越大;与待预测的下一视频帧的时间间隔越小,则目标对象的特征之间的区别大概率也会较小。
因此,在利用训练样本对第一网络进行小样本学习的过程中,训练样本对网络参数的调整幅度也可以与时间间隔负相关,即时间间隔越大,则调整幅度越小,时间间隔越小,则调整幅度越大。
需要说明的是,这里的调整幅度可以是在确定网络的输出值与标签的损失值后,在此基础上再通过权重对损失值进行加权,以更改损失值对参数的调整幅度;或者是在确定网络的输出值与标签的损失值后,在基于该损失值对参数进行调整时,调整幅度通过权重进行加权。
该权重可以依据第一样本集中的样本所属的视频帧与当前视频帧的时间间隔来确定,权重与时间间隔负相关,也就是说,时间间隔越长,权重越小,时间间隔越短,权重越大。而在根据权重利用第一样本集中的样本对第一网络进行小样本学习的过程中,对网络参数的调整幅度与该权重正相关,即权重越大,调整幅度越大,权重越小,调整幅度也越小。例如,对于当前视频帧的样本,其权重可以设置为1,再往前一帧的样本,其权重可以设置为0.99,再往前一帧的样本,其权重可以设置为0.98,以此类推,对于网络参数的调整幅度,均可以乘上该权重,然后再进行调整。
在本公开实施例中,考虑到目标对象的特征可能会随着时间的推移发生变化,第一样本集中时间较早的视频帧中目标对象的特征,可能会与即将预测的下一视频帧中目标对象的特征存在一些区别,因此,基于样本所属的视频帧与当前视频帧的时间间隔来确定样本权重,并依据该权重来确定对第一网络进行小样本学习过程中对网络参数的调整幅度,能够提高小样本学习后的第一网络对下一视频帧中候选目标特征进行预测的准确率。
需要说明的是,在将候选目标特征和预测结果作为样本加入到第一样本集中后,利用第一样本集对第一网络进行小样本学习的过程,可以是在每个当前帧的样本加入第一样本集后,即执行一次利用第一样本集对第一网络进行小样本学习的步骤;或者,也可以是每间隔M帧,执行一次利用第一样本集对第一网络进行小样本学习的步骤,例如,在将视频帧的样本加入第一样本集后,可以先不执行小样本学习的步骤,而等到与上一次执行小样本学习的步骤间隔20帧后,才执行一次利用第一样本集对第一网络进行小样本学习的步骤。
在本公开实施例中,对第一网络进行小样本学习的方式可以有很多种,在一种可能的实现方式中,所述小样本学习包括元学习,所述利用所述第一样本集对所述第一网络进行元学习,包括:利用所述第一样本集对所述第一网络的元学习网络进行训练,得到训练后的所述元学习网络的第一参数;将所述第一参数作为所述第一网络的固定参数,利用第二样本集对所述第一网络的初始化参数进行优化,得到优化后的所述第一网络的第二参数。
在本公开实施例的元学习过程中,会存在两个网络,一个是第一网络,用于确定候选目标特征属于目标对象的置信度,另一个是学习如何对第一网络进行学习的网络,该网络可简称为元学习网络。
第一网络的参数包括两种,初始化参数以及固定参数θ,在对第一网络进行训练的过程中,固定参数θ是保持不变的,优化的是初始化参数/>而固定参数θ是通过元学习网络进行学习得到的。
在本公开实施例中,固定参数θ是利用第一样本集对第一网络的元学习网络进行训练得到的,而初始化参数是通过第二样本集对第一网络进行训练得到的,需要说明的是,对第一网络的初始化参数/>进行优化的过程中,可以是仅针对第一网络进行优化,也可以是对包含第一网络的预测网络进行优化,这里的预测网络可以是实现本公开一个或多个实施例提供的目标特征确定方法的整个预测网络,例如,该预测网络可以包含确定候选目标特征的匹配网络,以及第一网络,当然,预测网络也还可以包含其它网络,此处不做赘述。
那么,第二样本集中的具体样本类型可依据预测网络的输入输出来确定,当预测网络的输入为视频帧,输出为视频帧中目标对象的位置的情况下,那么第二样本集中的样本即为视频帧,样本的标签即为视频帧中目标对象的标注位置。那么在对预测网络进行训练的过程中,可以将视频帧输入预测网络中,得到目标对象的预测位置,然后根据预测位置与标注位置之间的差异,对包括第一网络在内的预测网络的参数进行调整,即实现了对第一网络的初始化参数进行调整。
在一种可能的实现方式中,第一网络和元学习网络的网络结构可以是相同的,即元学习网络中也会包括初始化参数以及固定参数θ,但是,在元学习的过程中,可调节的参数是不同的。具体来说,在对元学习网络进行学习的过程中,会保持初始化参数/>不变,调整固定参数θ,得到θ’,该训练过程可称之为内循环;然后会将θ’代入到第一网络中,并保持θ’不变,利用第二样本对第一网络的初始化参数/>进行优化,得到优化后的参数/>该过程可称之为外循环。
在内循环的过程中,会将第一样本集中的正负样本输入到元学习网络中,然后利用输出值与标签值之间的损失,来调整固定参数θ;而在外循环的过程中,将视频帧输入包含第一网络的预测网络中,得到目标对象的预测位置,然后根据预测位置与标注位置之间的差异,对包括第一网络在内的预测网络的参数进行调整,即实现了对第一网络的初始化参数进行调整。
在本公开实施例中,通过利用第一样本集对第一网络的元学习网络进行学习,然后再对第一网络进行学习,使得元学习网络能够对新的任务做出快速而准确的学习,进而提高了对后续的视频帧中目标对象预测的准确率。
本公开实施例提供的预测方法的时效性较强,可应用于实时拍摄的视频中进行目标追踪,在一种可能的实现方式中,所述目标视频为实时拍摄的视频,所述目标特征用于表征对所述目标视频中目标对象的跟踪结果。经实验验证,本公开实施例提供的预测方法,在进行目标跟踪的过程中,能够以50-60帧率的速度实时运行。
请参阅图2,为本公开提供的一种目标特征确定方法的具体应用场景示意图,在该应用场景中,对目标视频中的至少一个目标人物进行跟踪,跟踪的过程基于预测网络来实现,预测网络中包含匹配网络和第一网络,其具体工作过程可参见前文相关描述,限于篇幅,此处不再赘述。该应用场景下的目标跟踪过程具体包括:
S201,基于用户标注在视频帧中的目标人物的位置,提取标注特征,并将标注特征作为正样本加入到第一样本集中;
目标人物为要进行跟踪的人物,例如可以是比赛视频中的某个运动员,或者是安防视频中的犯罪嫌疑人等等。
用户可以通过矩形框框选要标注的目标人物的位置,如图2左上角“标注的目标人物”所示。针对标注的目标人物,会提取其图像特征,为便于描述,将标注的目标人物的特征称为标注特征,然后对标注特征执行对齐操作(ROI align),对齐后的特征加入第一样本集中。
此外,还可以对标注特征进行特征增强操作,并作为正样本加入到第一样本集中。
S202,提取当前视频帧中的图像特征;
S203,通过卷积操作,基于匹配的方式,在图像特征上提取出与标注的目标人物匹配的候选目标特征;
如前文所述,可以确定各图像特征与目标人物的特征的匹配度,然后根据匹配度从高到低的顺序,确定匹配度排名前8的图像特征作为候选目标特征,具体实现的过程可参见前文相关描述,此处不做赘述。
上述步骤S202和步骤S203可以基于匹配网络来实现。
S204,基于第一网络,确定所述候选目标特征属于所述目标人物的置信度。
S205,将候选目标特征的置信度和匹配度进行融合,得到融合分值,将融合分值中的最高分值对应的候选目标特征,作为目标人物的目标特征,将其它候选目标特征作为非目标特征。
得到的目标人物的目标特征,即为对当前视频帧中目标人物的跟踪结果。
S206,将S205中得到的融合分值前4的候选目标特征加入到第一样本集中;
候选目标特征的伪标签为S205中得到的识别结果,其中,融合分值最高的候选目标特征作为正样本,其余的候选目标特征作为负样本。
S207,利用第一样本集对第一网络的元学习网络进行训练,得到训练后的元学习网络的第一参数。
S208,将所述第一参数作为所述第一网络的固定参数,利用第二样本集对包括匹配网络和第一网络在内的预测网络进行优化,得到优化后的预测网络。
按照目标视频中多个视频帧的时序顺序,以当前视频帧的下一视频帧作为新的当前视频帧,以训练后的预测网络作为新的预测网络,重复上述步骤,即可得到多个视频帧中目标人物的跟踪结果。
本公开实施例提供的目标特征确定方法,可分为两个阶段:第一阶段从视频帧中提取候选目标特征,即S202和S203;第二阶段基于第一网络对候选目标特征进行预测,并基于预测结果对第一网络进行元学习,即步骤S204-S208。经过第一阶段的候选目标特征提取后,第二阶段的过程可以看作一个小样本分类的过程,将第一阶段提取出的目标特征进行二分类。由于第一阶段提取的候选目标特征,能够很好地适用于小样本分类问题,因此,本公开实施例提供的目标特征确定方法,能够很好地适配多种小样本学习的算法,普适性较强。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了目标特征确定装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种目标特征确定方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图3示出根据本公开实施例的目标特征确定装置的框图,如图3所示,所述装置30包括:
候选目标特征确定单元31,用于从目标视频的多个视频帧中的当前视频帧中,确定目标对象的至少一个候选目标特征;
目标特征确定单元32,用于基于第一网络,确定所述候选目标特征中属于所述目标对象的目标特征,所述第一网络包括小样本分类网络。
在一种可能的实现方式中,候选目标特征确定单元31,用于基于所述当前视频帧中的多个图像特征与标注特征的匹配度,确定满足预设条件的匹配度对应的图像特征作为候选目标特征;
所述目标特征确定单元32,用于通过所述第一网络,确定所述候选目标特征属于所述目标对象的置信度;基于所述置信度和所述匹配度,确定所述候选目标特征中属于所述目标对象的目标特征。
在一种可能的实现方式中,所述目标特征确定单元32,用于对所述候选目标特征的置信度和匹配度进行融合,得到融合分值;将所述融合分值中的最高分值对应的候选目标特征,作为所述目标对象的目标特征。
在一种可能的实现方式中,所述装置还包括:训练单元,用于将所述候选目标特征和对应的预测结果作为样本加入到第一样本集中,利用所述第一样本集对所述第一网络进行小样本学习,所述预测结果基于所述第一网络得到,所述预测结果用于表征所述候选目标特征是否属于所述目标对象。
在一种可能的实现方式中,所述训练单元,用于按照所述融合分值从高到低的顺序,选取前k个融合分值的候选目标特征和对应的预测结果作为样本,加入到第一样本集中。
在一种可能的实现方式中,所述装置还包括:样本移除单元,用于在所述将所述候选目标特征和对应的预测结果作为样本加入到第一样本集中后,将所述第一样本集中,除标注特征对应的样本外,最早的视频帧对应的样本移出。
在一种可能的实现方式中,所述装置还包括:
特征增强单元,用于对标注特征进行特征增强处理,得到至少一个增强特征;
样本添加单元,用于将所述增强特征和所述标注特征作为正样本加入所述第一样本集中;
所述特征增强处理包括下述至少一种:
模糊处理、选择处理、翻转处理、平移处理。
在一种可能的实现方式中,所述训练单元,包括:
间隔确定单元,用于确定所述第一样本集中的样本所属的视频帧与所述当前视频帧的时间间隔;
权重确定单元,用于根据所述时间间隔,确定所述第一样本集中的样本对应的权重,所述权重与所述时间间隔负相关;
学习单元,用于根据所述权重,利用所述第一样本集中的样本对所述第一网络进行小样本学习,所述小样本学习过程中对网络参数的调整幅度与所述权重正相关。
在一种可能的实现方式中,所述小样本学习包括元学习,所述训练单元,包括:
元学习网络训练单元,用于利用所述第一样本集对所述第一网络的元学习网络进行训练,得到训练后的所述元学习网络的第一参数;
第一网络训练单元,用于将所述第一参数作为所述第一网络的固定参数,利用第二样本集对所述第一网络的初始化参数进行优化,得到优化后的所述第一网络的第二参数。
在一种可能的实现方式中,所述目标视频为实时拍摄的视频,所述目标特征用于表征对所述目标视频中目标对象的跟踪结果。
在本公开实施例中,在目标追踪的过程中,通过从视频帧中提取候选目标特征,并基于第一网络得到候选目标特征是否属于目标对象的预测结果,第一网络可以是小样本分类网络,这样,通过先提取多个候选目标特征,然后再基于小样本分类网络对候选目标特征进行分类的方式,由于提取后的多个候选目标特征是稀疏数据的形式,稀疏数据适合于小样本网络分类任务,能够提高确定的视频帧中的目标特征的准确率。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的目标特征确定方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的目标特征确定方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图4示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图4,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(WiFi),第二代移动通信技术(2G)或第三代移动通信技术(3G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图5示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图5,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (12)
1.一种目标特征确定方法,其特征在于,包括:
从目标视频的多个视频帧中的当前视频帧中,确定目标对象的至少一个候选目标特征,所述候选目标特征是所述当前视频帧的图像特征中,与标注特征之间的匹配度大于匹配度阈值的图像特征;
基于第一网络,确定所述候选目标特征中属于所述目标对象的目标特征,所述第一网络包括小样本分类网络;
其中,所述方法还包括:将所述候选目标特征和对应的预测结果作为样本加入到第一样本集中,利用所述第一样本集对所述第一网络进行小样本学习,所述预测结果基于所述第一网络得到,所述预测结果用于表征所述候选目标特征是否属于所述目标对象;
所述小样本学习包括元学习,所述利用所述第一样本集对所述第一网络进行小样本学习,包括:按照多个视频帧的时序顺序,以当前视频帧的下一视频帧作为新的当前视频帧,以元学习后的第一网络作为新的第一网络,得到多个视频帧中目标对象的预测结果。
2.根据权利要求1所述方法,其特征在于,所述从目标视频的多个视频帧中的当前视频帧中,确定目标对象的至少一个候选目标特征,包括:
基于所述当前视频帧中的多个图像特征与标注特征的匹配度,确定满足预设条件的匹配度对应的图像特征作为候选目标特征;
所述基于第一网络,确定所述候选目标特征中属于所述目标对象的目标特征,包括:
通过所述第一网络,确定所述候选目标特征属于所述目标对象的置信度;
基于所述置信度和所述匹配度,确定所述候选目标特征中属于所述目标对象的目标特征。
3.根据权利要求2所述方法,其特征在于,所述基于所述置信度和所述匹配度,确定所述候选目标特征中属于所述目标对象的目标特征,包括:
对所述候选目标特征的置信度和匹配度进行融合,得到融合分值;
将所述融合分值中的最高分值对应的候选目标特征,作为所述目标对象的目标特征。
4.根据权利要求3所述方法,其特征在于,所述将所述候选目标特征和所述预测结果作为样本加入到第一样本集中,包括:
按照所述融合分值从高到低的顺序,选取前k个融合分值的候选目标特征和对应的预测结果作为样本,加入到第一样本集中。
5.根据权利要求4所述方法,其特征在于,所述将所述候选目标特征和对应的预测结果作为样本加入到第一样本集中后,所述方法还包括:
将所述第一样本集中,除标注特征对应的样本外,最早的视频帧对应的样本移出。
6.根据权利要求1-5任一所述方法,其特征在于,所述方法还包括:
对标注特征进行特征增强处理,得到至少一个增强特征;
将所述增强特征和所述标注特征作为正样本加入所述第一样本集中;
所述特征增强处理包括下述至少一种:
模糊处理、选择处理、翻转处理、平移处理。
7.根据权利要求1-6任一所述方法,其特征在于,所述利用所述第一样本集对所述第一网络进行小样本学习,包括:
确定所述第一样本集中的样本所属的视频帧与所述当前视频帧的时间间隔;
根据所述时间间隔,确定所述第一样本集中的样本对应的权重,所述权重与所述时间间隔负相关;
根据所述权重,利用所述第一样本集中的样本对所述第一网络进行小样本学习,所述小样本学习过程中对网络参数的调整幅度与所述权重正相关。
8.根据权利要求1-7任一所述方法,其特征在于,所述利用所述第一样本集对所述第一网络进行小样本学习,包括:
利用所述第一样本集对所述第一网络的元学习网络进行训练,得到训练后的所述元学习网络的第一参数;
将所述第一参数作为所述第一网络的固定参数,利用第二样本集对所述第一网络的初始化参数进行优化,得到优化后的所述第一网络的第二参数。
9.根据权利要求1-8任一所述方法,其特征在于,所述目标视频为实时拍摄的视频,所述目标特征用于表征对所述目标视频中目标对象的跟踪结果。
10.一种目标特征确定装置,其特征在于,包括:
候选目标特征确定单元,用于从目标视频的多个视频帧中的当前视频帧中,确定目标对象的至少一个候选目标特征,所述候选目标特征是所述当前视频帧的图像特征中,与标注特征之间的匹配度大于匹配度阈值的图像特征;
目标特征确定单元,用于基于第一网络,确定所述候选目标特征中属于所述目标对象的目标特征,所述第一网络包括小样本分类网络;
其中,所述装置还包括:训练单元,用于将所述候选目标特征和对应的预测结果作为样本加入到第一样本集中,利用所述第一样本集对所述第一网络进行小样本学习,所述预测结果基于所述第一网络得到,所述预测结果用于表征所述候选目标特征是否属于所述目标对象;
所述小样本学习包括元学习,所述利用所述第一样本集对所述第一网络进行小样本学习,包括:按照多个视频帧的时序顺序,以当前视频帧的下一视频帧作为新的当前视频帧,以元学习后的第一网络作为新的第一网络,得到多个视频帧中目标对象的预测结果。
11.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至9中任意一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110178699.0A CN112801025B (zh) | 2021-02-09 | 2021-02-09 | 目标特征确定方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110178699.0A CN112801025B (zh) | 2021-02-09 | 2021-02-09 | 目标特征确定方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112801025A CN112801025A (zh) | 2021-05-14 |
CN112801025B true CN112801025B (zh) | 2023-12-19 |
Family
ID=75814929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110178699.0A Active CN112801025B (zh) | 2021-02-09 | 2021-02-09 | 目标特征确定方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801025B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102208017A (zh) * | 2011-05-30 | 2011-10-05 | 西安电子科技大学 | 基于高分辨率合成孔径雷达图像的舰船检测方法 |
CN103514292A (zh) * | 2013-10-09 | 2014-01-15 | 南京大学 | 一种基于小样本半监督学习的网页数据抽取方法 |
CN107657279A (zh) * | 2017-09-26 | 2018-02-02 | 中国科学院大学 | 一种基于少量样本的遥感目标检测方法 |
CN108389220A (zh) * | 2018-02-05 | 2018-08-10 | 湖南航升卫星科技有限公司 | 遥感视频图像运动目标实时智能感知方法及其装置 |
CN111340843A (zh) * | 2020-02-19 | 2020-06-26 | 山东大学 | 基于环境自适应和小样本学习的电力场景视频检测方法 |
CN111626152A (zh) * | 2020-05-13 | 2020-09-04 | 闽江学院 | 一种基于Few-shot的时空视线方向估计原型设计 |
-
2021
- 2021-02-09 CN CN202110178699.0A patent/CN112801025B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102208017A (zh) * | 2011-05-30 | 2011-10-05 | 西安电子科技大学 | 基于高分辨率合成孔径雷达图像的舰船检测方法 |
CN103514292A (zh) * | 2013-10-09 | 2014-01-15 | 南京大学 | 一种基于小样本半监督学习的网页数据抽取方法 |
CN107657279A (zh) * | 2017-09-26 | 2018-02-02 | 中国科学院大学 | 一种基于少量样本的遥感目标检测方法 |
CN108389220A (zh) * | 2018-02-05 | 2018-08-10 | 湖南航升卫星科技有限公司 | 遥感视频图像运动目标实时智能感知方法及其装置 |
CN111340843A (zh) * | 2020-02-19 | 2020-06-26 | 山东大学 | 基于环境自适应和小样本学习的电力场景视频检测方法 |
CN111626152A (zh) * | 2020-05-13 | 2020-09-04 | 闽江学院 | 一种基于Few-shot的时空视线方向估计原型设计 |
Also Published As
Publication number | Publication date |
---|---|
CN112801025A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111753822B (zh) | 文本识别方法及装置、电子设备和存储介质 | |
CN110889469B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111881956B (zh) | 网络训练方法及装置、目标检测方法及装置和电子设备 | |
CN109615006B (zh) | 文字识别方法及装置、电子设备和存储介质 | |
CN111931844B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113326768B (zh) | 训练方法、图像特征提取方法、图像识别方法及装置 | |
CN111242303B (zh) | 网络训练方法及装置、图像处理方法及装置 | |
CN110858924B (zh) | 视频背景音乐的生成方法、装置及存储介质 | |
CN110781813B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN113065591B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN109344703B (zh) | 对象检测方法及装置、电子设备和存储介质 | |
CN111539410A (zh) | 字符识别方法及装置、电子设备和存储介质 | |
CN111523599B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN109101542B (zh) | 图像识别结果输出方法及装置、电子设备和存储介质 | |
CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
WO2022141969A1 (zh) | 图像分割方法及装置、电子设备、存储介质和程序 | |
CN113052874B (zh) | 目标跟踪方法及装置、电子设备和存储介质 | |
CN110781975B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110070046B (zh) | 人脸图像识别方法及装置、电子设备和存储介质 | |
CN111178115B (zh) | 对象识别网络的训练方法及系统 | |
CN112801025B (zh) | 目标特征确定方法及装置、电子设备和存储介质 | |
CN112801116B (zh) | 图像的特征提取方法及装置、电子设备和存储介质 | |
CN113506325B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113506324B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111008606B (zh) | 图像预测方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |