CN113052874A - 目标跟踪方法及装置、电子设备和存储介质 - Google Patents

目标跟踪方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN113052874A
CN113052874A CN202110292542.0A CN202110292542A CN113052874A CN 113052874 A CN113052874 A CN 113052874A CN 202110292542 A CN202110292542 A CN 202110292542A CN 113052874 A CN113052874 A CN 113052874A
Authority
CN
China
Prior art keywords
image
tracking
target object
current image
determining
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.)
Granted
Application number
CN202110292542.0A
Other languages
English (en)
Other versions
CN113052874B (zh
Inventor
周靖皓
乔磊
李搏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sensetime Intelligent Technology Co Ltd
Original Assignee
Shanghai Sensetime Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Sensetime Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Intelligent Technology Co Ltd
Priority to CN202110292542.0A priority Critical patent/CN113052874B/zh
Priority to PCT/CN2021/100558 priority patent/WO2022193456A1/zh
Publication of CN113052874A publication Critical patent/CN113052874A/zh
Application granted granted Critical
Publication of CN113052874B publication Critical patent/CN113052874B/zh
Priority to US17/880,592 priority patent/US20220383517A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种目标跟踪方法及装置、电子设备和存储介质。所述方法包括：从目标对象的模板图像中获得第一跟踪参数；基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果；基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，其中，所述历史图像表示在所述当前图像之前且包含有目标对象的图像；基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果；基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果。

Description

目标跟踪方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种目标跟踪方法及装置、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，通常会在一段视频帧序列的某一帧(例如第一帧)中给定一个初始框，来指定需要跟踪的目标对象，并在之后一直跟踪这个指定的目标对象。由于存在遮挡、光照变化、尺度变化等一些干扰问题，目标跟踪一直都存在较大的挑战。
发明内容
本公开提供了一种目标跟踪技术方案。
根据本公开的一方面，提供了一种目标跟踪方法，包括：
从目标对象的模板图像中获得第一跟踪参数；
基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果；
基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，其中，所述历史图像表示在所述当前图像之前且包含有目标对象的图像；
基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果；
基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果。
通过从目标对象的模板图像中获得第一跟踪参数，基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果，由此能够获得准确性较高的第一预测跟踪结果；通过基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果，由此能够结合目标对象的历史图像的信息获得鲁棒性较高的第二预测跟踪结果；通过基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果，由此能够获得兼具准确性和鲁棒性的跟踪结果。
在一种可能的实现方式中，所述从目标对象的模板图像中获得第一跟踪参数，包括：
提取所述模板图像的第一图像特征，作为第一跟踪参数。
在该实现方式中，通过提取模板图像的第一图像特征作为第一跟踪参数，由此基于模板图像的第一图像特征对当前图像进行目标对象的跟踪，能够提高所确定的第一预测跟踪结果的准确性。
在一种可能的实现方式中，所述基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果，包括：
提取所述当前图像的第二图像特征；
基于所述第一跟踪参数和所述第二图像特征，确定所述当前图像的第一预测跟踪结果。
在该实现方式中，通过基于第一跟踪参数和当前图像的第二图像特征确定第一预测跟踪结果，由此能够提高所确定的第一预测跟踪结果的准确性。
在一种可能的实现方式中，
所述提取所述模板图像的第一图像特征，作为第一跟踪参数，包括：通过第一预设网络的不同深度的至少两层对所述模板图像进行特征提取，得到所述模板图像的至少两级第一图像特征，并将所述至少两级第一图像特征作为第一跟踪参数；
所述提取所述当前图像的第二图像特征，包括：通过所述不同深度的至少两层对所述当前图像进行特征提取，得到所述当前图像的至少两级第二图像特征；
所述基于所述第一跟踪参数和所述第二图像特征，确定所述当前图像的第一预测跟踪结果，包括：对于所述至少两级第一图像特征和所述至少两级第二图像特征中的任意一级，基于该级的第一图像特征和第二图像特征，确定该级的中间预测结果；根据所述至少两级第一图像特征和所述至少两级第二图像特征对应的至少两个中间预测结果，融合得到所述当前图像的第一预测跟踪结果。
通过利用模板图像的至少两级第一图像特征和当前图像的至少两级第二图像特征确定第一预测跟踪结果，且对于所述至少两级第一图像特征和所述至少两级第二图像特征中的任意一级，基于该级的第一图像特征和第二图像特征，确定该级的中间预测结果，并根据所述至少两级第一图像特征和所述至少两级第二图像特征对应的至少两个中间预测结果，融合得到所述当前图像的第一预测跟踪结果，由此能够利用模板图像和当前图像的更丰富的图像信息，从而能够在当前图像中快速高效地提取目标对象的潜在区域的同时，初步滤除干扰信息，减少冗余计算，并能够将同一级的第一图像特征和第二图像特征进行比对处理，从而能够提高第一预测跟踪结果的准确性。
在一种可能的实现方式中，所述基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，包括：
获得所述模板图像的第三图像特征；
基于所述第三图像特征，确定初始的第二跟踪参数；
基于初始的第二跟踪参数和所述历史图像的第四图像特征，得到更新的第二跟踪参数。
在该实现方式中，通过获得所述模板图像的第三图像特征，基于所述第三图像特征，确定初始的第二跟踪参数，并基于初始的第二跟踪参数和所述历史图像的第四图像特征，得到更新的第二跟踪参数，由此能够目标跟踪的过程中，随着历史图像的更新，持续对第二跟踪参数进行更新，从而能够加强对相似对象的抗干扰能力。
在一种可能的实现方式中，所述基于所述第三图像特征，确定初始的第二跟踪参数，包括：基于所述第三图像特征，初始化第二预设网络的在线模块，得到所述初始的第二跟踪参数；所述基于初始的第二跟踪参数和所述历史图像的第四图像特征，得到更新的第二跟踪参数，包括：将所述初始的第二跟踪参数和所述历史图像的第四图像特征输入所述在线模块，经由所述在线模块得到更新的第二跟踪参数。
在该实现方式中，通过基于所述第三图像特征，初始化第二预设网络的在线模块，得到所述初始的第二跟踪参数，并将所述初始的第二跟踪参数和所述历史图像的第四图像特征输入所述在线模块，经由所述在线模块得到更新的第二跟踪参数，由此能够在目标跟踪的过程中，随着历史图像的更新，通过第二预设网络的在线模块持续对第二跟踪参数进行更新，从而能够加强对相似对象的抗干扰能力。
在一种可能的实现方式中，所述历史图像是预先从历史视频帧中截取的图像区域，且所述历史图像属于所述目标对象的概率大于或等于第一阈值。
通过基于所述模板图像和至少一个历史图像，确定第二跟踪参数，由此能够利用历史图像帧中属于目标对象的概率较大的图像区域的信息辅助进行当前图像的目标跟踪，从而有利于获得鲁棒性较高的第二预测跟踪结果。
在一种可能的实现方式中，所述获得所述模板图像的第三图像特征，包括：
获取所述模板图像的至少两级第一图像特征，以及与所述至少两级第一图像特征一一对应的至少两个第一权重；
根据所述至少两个第一权重，确定所述至少两级第一图像特征的加权和，得到所述模板图像的第三图像特征。
基于这个例子确定的第三图像特征确定第二跟踪参数，能够进一步提高对当前图像进行目标对象的跟踪的鲁棒性。
在一种可能的实现方式中，所述基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果，包括：
获得所述当前图像的第五图像特征；
基于所述第二跟踪参数和所述第五图像特征，确定所述当前图像的第二预测跟踪结果。
在该实现方式中，通过基于所述第二跟踪参数和所述第五图像特征，确定所述当前图像的第二预测跟踪结果，由此能够提高所确定的第二预测跟踪结果的准确性。
在一种可能的实现方式中，所述获得所述当前图像的第五图像特征，包括：
获取所述当前图像的至少两级第二图像特征，以及与所述至少两级第二图像特征一一对应的至少两个第二权重；
根据所述至少两个第二权重，确定所述至少两级第二图像特征的加权和，得到所述当前图像的第五图像特征。
基于该实现方式确定的第五图像特征，能够进一步提高第二预测跟踪结果的鲁棒性。
在一种可能的实现方式中，所述基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果，包括：
获取所述第一预测跟踪结果对应的第三权重和所述第二预测跟踪结果对应的第四权重；
根据所述第三权重和第四权重，确定所述第一预测跟踪结果和所述第二预测跟踪结果的加权和，得到所述当前图像的第三预测跟踪结果；
根据所述第三预测跟踪结果，确定所述目标对象在所述当前图像中的跟踪结果。
在该实现方式中，通过根据所述第三权重和第四权重，确定所述第一预测跟踪结果和所述第二预测跟踪结果的加权和，得到所述当前图像的第三预测跟踪结果，并根据所述第三预测跟踪结果，确定所述目标对象在所述当前图像中的跟踪结果，由此获得的目标对象在当前图像中跟踪结果能够兼具准确性和鲁棒性。
在一种可能的实现方式中，所述根据所述第三预测跟踪结果，确定所述目标对象在所述当前图像中的跟踪结果，包括：
根据所述第三预测跟踪结果，确定所述当前图像中属于所述目标对象的概率最高的第一边界框；
根据所述第三预测跟踪结果，确定所述当前图像中与所述第一边界框具有重叠区域的第二边界框；
根据所第一边界框和所述第二边界框，确定所述当前图像中所述目标对象的检测框。
在该实现方式中，在确定当前图像中目标对象的检测框时，不仅基于属于目标对象的概率最高的第一边界框，还基于与第一边界框重叠的第二边界框，由此能够利用更多候选框的信息得到更准确的检测框。
在一种可能的实现方式中，所述根据所第一边界框和所述第二边界框，确定所述当前图像中所述目标对象的检测框，包括：
确定所述第二边界框与所述第一边界框的交并比；
根据所述交并比，确定所述第二边界框对应的第五权重；
基于所述第五权重，确定所述第一边界框与所述第二边界框的加权和，得到所述当前图像中所述目标对象的检测框。
在该实现方式中，通过确定所述第二边界框与所述第一边界框的交并比，根据所述交并比，确定所述第二边界框对应的第五权重，并基于所述第五权重，确定所述第一边界框与所述第二边界框的加权和，得到所述当前图像中所述目标对象的检测框，由此能够提高跟踪结果的稳定性。
根据本公开的一方面，提供了一种目标跟踪装置，包括：
获得模块，用于从目标对象的模板图像中获得第一跟踪参数；
第一目标跟踪模块，用于基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果；
确定模块，用于基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，其中，所述历史图像表示在所述当前图像之前且包含有目标对象的图像；
第二目标跟踪模块，用于基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果；
融合模块，用于基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果。
在一种可能的实现方式中，所述获得模块用于：
提取所述模板图像的第一图像特征，作为第一跟踪参数。
在一种可能的实现方式中，所述第一目标跟踪模块用于：
提取所述当前图像的第二图像特征；
基于所述第一跟踪参数和所述第二图像特征，确定所述当前图像的第一预测跟踪结果。
在一种可能的实现方式中，
所述获得模块用于：通过第一预设网络的不同深度的至少两层对所述模板图像进行特征提取，得到所述模板图像的至少两级第一图像特征，并将所述至少两级第一图像特征作为第一跟踪参数；
所述第一目标跟踪模块用于：通过所述不同深度的至少两层对所述当前图像进行特征提取，得到所述当前图像的至少两级第二图像特征；对于所述至少两级第一图像特征和所述至少两级第二图像特征中的任意一级，基于该级的第一图像特征和第二图像特征，确定该级的中间预测结果；根据所述至少两级第一图像特征和所述至少两级第二图像特征对应的至少两个中间预测结果，融合得到所述当前图像的第一预测跟踪结果。
在一种可能的实现方式中，所述确定模块用于：
获得所述模板图像的第三图像特征；
基于所述第三图像特征，确定初始的第二跟踪参数；
基于初始的第二跟踪参数和所述历史图像的第四图像特征，得到更新的第二跟踪参数。
在一种可能的实现方式中，所述确定模块用于：
基于所述第三图像特征，初始化第二预设网络的在线模块，得到所述初始的第二跟踪参数；
将所述初始的第二跟踪参数和所述历史图像的第四图像特征输入所述在线模块，经由所述在线模块得到更新的第二跟踪参数。
在一种可能的实现方式中，所述历史图像是预先从历史视频帧中截取的图像区域，且所述历史图像属于所述目标对象的概率大于或等于第一阈值。
在一种可能的实现方式中，所述确定模块用于：
获取所述模板图像的至少两级第一图像特征，以及与所述至少两级第一图像特征一一对应的至少两个第一权重；
根据所述至少两个第一权重，确定所述至少两级第一图像特征的加权和，得到所述模板图像的第三图像特征。
在一种可能的实现方式中，所述第二目标跟踪模块用于：
获得所述当前图像的第五图像特征；
基于所述第二跟踪参数和所述第五图像特征，确定所述当前图像的第二预测跟踪结果。
在一种可能的实现方式中，所述第二目标跟踪模块用于：
获取所述当前图像的至少两级第二图像特征，以及与所述至少两级第二图像特征一一对应的至少两个第二权重；
根据所述至少两个第二权重，确定所述至少两级第二图像特征的加权和，得到所述当前图像的第五图像特征。
在一种可能的实现方式中，所述融合模块用于：
获取所述第一预测跟踪结果对应的第三权重和所述第二预测跟踪结果对应的第四权重；
根据所述第三权重和第四权重，确定所述第一预测跟踪结果和所述第二预测跟踪结果的加权和，得到所述当前图像的第三预测跟踪结果；
根据所述第三预测跟踪结果，确定所述目标对象在所述当前图像中的跟踪结果。
在一种可能的实现方式中，所述融合模块用于：
根据所述第三预测跟踪结果，确定所述当前图像中属于所述目标对象的概率最高的第一边界框；
根据所述第三预测跟踪结果，确定所述当前图像中与所述第一边界框具有重叠区域的第二边界框；
根据所第一边界框和所述第二边界框，确定所述当前图像中所述目标对象的检测框。
在一种可能的实现方式中，所述融合模块用于：
确定所述第二边界框与所述第一边界框的交并比；
根据所述交并比，确定所述第二边界框对应的第五权重；
基于所述第五权重，确定所述第一边界框与所述第二边界框的加权和，得到所述当前图像中所述目标对象的检测框。
根据本公开的一方面，提供了一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，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，通过从目标对象的模板图像中获得第一跟踪参数，基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果，由此能够获得准确性较高的第一预测跟踪结果；通过基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果，由此能够结合目标对象的历史图像的信息获得鲁棒性较高的第二预测跟踪结果；通过基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果，由此能够获得兼具准确性和鲁棒性的跟踪结果。采用本公开实施例提供的目标跟踪方法，能够在跟踪过程中提高对相似对象的判别能力，从而在遇到相似对象的干扰时，能够提高对目标对象进行跟踪的成功率。
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示出本公开实施例提供的目标跟踪方法的流程图。
图2示出本公开实施例提供的一种应用场景的示意图。
图3示出本公开实施例提供的目标跟踪装置的框图。
图4示出本公开实施例提供的一种电子设备800的框图。
图5示出本公开实施例提供的一种电子设备1900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。
相关技术中，目标跟踪方法通常基于第一帧的模板图像完成后续帧的跟踪定位。这种方式对于跟踪过程中相似对象的判别能力较弱，当遇到相似对象的干扰时，容易跟踪失败。
为了解决类似上文所述的技术问题，本公开实施例提供了一种目标跟踪方法及装置、电子设备和存储介质，通过从目标对象的模板图像中获得第一跟踪参数，基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果，由此能够获得准确性较高的第一预测跟踪结果；通过基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果，由此能够结合目标对象的历史图像的信息获得鲁棒性较高的第二预测跟踪结果；通过基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果，由此能够获得兼具准确性和鲁棒性的跟踪结果。采用本公开实施例提供的目标跟踪方法，能够在跟踪过程中提高对相似对象的判别能力，从而在遇到相似对象的干扰时，能够提高对目标对象进行跟踪的成功率。
下面结合附图对本公开实施例提供的目标跟踪方法进行详细的说明。图1示出本公开实施例提供的目标跟踪方法的流程图。在一种可能的实现方式中，所述目标跟踪方法可以由终端设备或服务器或其它处理设备执行。其中，终端设备可以是用户设备(UserEquipment，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(PersonalDigital Assistant，PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，所述目标跟踪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。如图1所示，所述目标跟踪方法包括步骤S11至步骤S15。
在步骤S11中，从目标对象的模板图像中获得第一跟踪参数。
在步骤S12中，基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果。
在步骤S13中，基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，其中，所述历史图像表示在所述当前图像之前且包含有目标对象的图像。
在步骤S14中，基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果。
在步骤S15中，基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果。
在本公开实施例中，目标对象可以表示需要跟踪的对象。在目标对象的数量为多个的情况下，可以针对各个目标对象分别执行本公开实施例提供的目标跟踪方法。目标对象的类型可以为人、物体或者动物等。目标对象的模板图像可以为包含目标对象的图像。目标对象的模板图像可以是目标视频的某一帧(例如第一帧)中的指定区域的图像，也可以不是目标视频中的图像。例如，可以将用户在目标视频的第一帧中框选出的指定区域中的图像，作为目标对象的模板图像。又如，可以将用户在其他视频中框选出的指定区域中的图像，作为目标对象的模板图像。又如，可以将用户上传或者选择的图像作为目标对象的模板图像。
在本公开实施例中，第一跟踪参数可以表示从模板图像中获得的跟踪参数。在本公开实施例中，可以从模板图像中提取信息，得到第一跟踪参数。即，第一跟踪参数可以包含模板图像的信息。例如，第一跟踪参数可以包含模板图像的特征信息、颜色信息、纹理信息等中的至少之一。
在一种可能的实现方式中，所述从目标对象的模板图像中获得第一跟踪参数，包括：提取所述模板图像的第一图像特征，作为第一跟踪参数。在该实现方式中，第一图像特征表示模板图像的图像特征。在该实现方式中，第一图像特征可以为一级或至少两级，第一跟踪参数可以包括一级或至少两级第一图像特征。在该实现方式中，通过提取模板图像的第一图像特征作为第一跟踪参数，由此基于模板图像的第一图像特征对当前图像进行跟踪，能够提高所确定的第一预测跟踪结果的准确性。
在本公开实施例中，第一预测跟踪结果可以表示根据第一跟踪参数在当前图像中预测的跟踪结果。在第一预测跟踪结果中，可以用概率值或者热度值等表示当前图像中的各个像素属于目标对象的概率。
在一种可能的实现方式中，所述基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果，包括：提取所述当前图像的第二图像特征；基于所述第一跟踪参数和所述第二图像特征，确定所述当前图像的第一预测跟踪结果。在该实现方式中，第二图像特征表示当前图像的图像特征。在该实现方式中，第二图像特征可以为一级或至少两级。在该实现方式中，通过基于第一跟踪参数和当前图像的第二图像特征确定第一预测跟踪结果，由此能够提高所确定的第一预测跟踪结果的准确性。
作为该实现方式的一个示例，所述提取所述模板图像的第一图像特征，作为第一跟踪参数，包括：通过第一预设网络的不同深度的至少两层对所述模板图像进行特征提取，得到所述模板图像的至少两级第一图像特征，并将所述至少两级第一图像特征作为第一跟踪参数；所述提取所述当前图像的第二图像特征，包括：通过所述不同深度的至少两层对所述当前图像进行特征提取，得到所述当前图像的至少两级第二图像特征；所述基于所述第一跟踪参数和所述第二图像特征，确定所述当前图像的第一预测跟踪结果，包括：对于所述至少两级第一图像特征和所述至少两级第二图像特征中的任意一级，基于该级的第一图像特征和第二图像特征，确定该级的中间预测结果；根据所述至少两级第一图像特征和所述至少两级第二图像特征对应的至少两个中间预测结果，融合得到所述当前图像的第一预测跟踪结果。
在该示例中，第一预设网络可以为孪生网络，例如可以为SiamRPN++。SiamRPN++基于RPN(Region Proposal Network，区域候选网络)进行分类定位，有利于获得更准确的定位坐标。例如，第一图像特征可以包括3级，分别是SiamRPN++的块2(block2)、块3(block3)和块4(block4)输出的模板图像的图像特征；第二图像特征可以包括3级，分别是SiamRPN++的块2、块3和块4输出的当前图像的图像特征。例如，至少两级第一图像特征包括第一级第一图像特征、第二级第一图像特征和第三级第一图像特征，至少两级第二图像特征包括第一级第二图像特征、第二级第二图像特征和第三级第二图像特征；可以通过深度可分离相关层对第一级第一图像特征和第一级第二图像特征进行卷积，得到第一级对应的中间预测结果；可以通过深度可分离相关层对第二级第一图像特征和第二级第二图像特征进行卷积，得到第二级对应的中间预测结果；可以通过深度可分离相关层对第三级第一图像特征和第三级第二图像特征进行卷积，得到第三级对应的中间预测结果；可以根据第一级对应的中间预测结果、第二级对应的中间预测结果和第三级对应的中间预测结果，融合得到当前图像的第一预测跟踪结果。在一个例子中，在对第二级第一图像特征和第二级第二图像特征进行卷积之前，可以对第二级第一图像特征和第二级第二图像特征插值至与第一级第一图像特征和第一级第二图像特征的尺寸相同；在对第三级第一图像特征和第三级第二图像特征进行卷积之前，可以对第三级第一图像特征和第三级第二图像特征插值至与第一级第一图像特征和第一级第二图像特征的尺寸相同。例如，可以对SiamRPN++的块3和块4的输出进行插值，使插值得到的特征图的尺寸与块2输出的特征图的尺寸相同，由此能够提升第一预设网络的感受野，从而能够进一步提高第一预设网络进行目标跟踪的准确性。
在该示例中，通过利用模板图像的至少两级第一图像特征和当前图像的至少两级第二图像特征确定第一预测跟踪结果，且对于所述至少两级第一图像特征和所述至少两级第二图像特征中的任意一级，基于该级的第一图像特征和第二图像特征，确定该级的中间预测结果，并根据所述至少两级第一图像特征和所述至少两级第二图像特征对应的至少两个中间预测结果，融合得到所述当前图像的第一预测跟踪结果，由此能够利用模板图像和当前图像的更丰富的图像信息，从而能够在当前图像中快速高效地提取目标对象的潜在区域的同时，初步滤除干扰信息，减少冗余计算，并能够将同一级的第一图像特征和第二图像特征进行比对处理，从而能够提高第一预测跟踪结果的准确性。
在一个例子中，可以采用式1，确定当前图像的第一预测跟踪结果
Figure BDA0002982881360000101
Figure BDA0002982881360000102
其中，z表示模板图像，xi表示当前图像。
Figure BDA0002982881360000103
表示第一预设网络的第l个块(block)的输出。
Figure BDA0002982881360000104
表示将模板图像z输入第一预设网络后，第一预设网络的第l个块输出的模板图像z的第一图像特征；
Figure BDA0002982881360000105
表示将当前图像xi输入第一预设网络后，第一预设网络的第l个块输出的当前图像xi的第二图像特征。例如，l＝3可以对应于SiamRPN++的块2，l＝4可以对应于SiamRPN++的块3，l＝5可以对应于SiamRPN++的块4。
Figure BDA0002982881360000106
表示
Figure BDA0002982881360000111
与
Figure BDA0002982881360000112
的相关性，在这个例子中，可以将同级的第一图像特征和第二图像特征的相关性作为该级的中间预测结果。αl表示
Figure BDA0002982881360000113
对应的权重，其中，αl可以与第一预设网络中的其他参数同时训练。
作为该实现方式的另一个示例，可以对至少两级第一图像特征进行融合，得到第一融合特征；对至少两级第二图像特征进行融合，得到第二融合特征；根据第一融合特征和第二融合特征，得到当前图像的第一预测跟踪结果。
作为该实现方式的另一个示例，模板图像的第一图像特征和当前图像的第二图像特征可以分别为一级，即，可以根据模板图像的一级第一图像特征和当前图像的一级第二图像特征，确定当前图像的第一预测跟踪结果。
在本公开实施例中，第二跟踪参数可以表示基于模板图像和历史图像确定的跟踪参数。在本公开实施例中，可以基于模板图像和历史图像的信息，确定第二跟踪参数。即，第二跟踪参数可以同时包含模板图像和历史图像的信息。在一种可能的实现方式中，可以基于模板图像以及支撑集中的历史图像，确定第二跟踪参数。其中，在目标跟踪的过程中，支撑集中的历史图像可以进行更新，相应地，第二跟踪参数可以响应于支撑集中的历史图像发生更新，进行更新。在本公开实施例中，通过基于模板图像和历史图像确定第二跟踪参数，并基于第二跟踪参数对当前图像进行目标对象的跟踪，由此能够提高对相似对象的抗干扰能力，从而能够得到鲁棒性较强的第二预测跟踪结果。其中，第二预测跟踪结果可以表示根据第二跟踪参数在当前图像中预测的跟踪结果。在第二预测跟踪结果中，可以采用概率值或者热度值等表示当前图像中的各个像素属于目标对象的概率。
在一种可能的实现方式中，所述基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，包括：获得所述模板图像的第三图像特征；基于所述第三图像特征，确定初始的第二跟踪参数；基于初始的第二跟踪参数和所述历史图像的第四图像特征，得到更新的第二跟踪参数。
在该实现方式中，第三图像特征为模板图像的图像特征。例如，可以对模板图像的至少两级第一图像特征进行融合，得到模板图像的第三图像特征。又如，模板图像的第三图像特征可以与模板图像的第一图像特征相同。在该实现方式中，可以基于模板图像和支撑集中的各个历史图像，确定第二跟踪参数。其中，支撑集可以在目标跟踪的过程中进行更新。例如，若当前图像中的任一图像区域属于目标对象的概率大于或等于第一阈值，则可以将当前图像中的该图像区域作为新的历史图像加入支撑集中。在一个例子中，支撑集中的历史图像的数量小于或等于第二阈值。在支撑集中的历史图像的数量超过第二阈值的情况下，可以删除最先加入支撑集的历史图像。在该实现方式中，支撑集中不包括模板图像，即，第二跟踪参数除了基于模板图像，还基于模板图像以外的其他历史图像中的目标对象的信息进行确定。在该实现方式中，第二跟踪参数的初始值可以为第三图像特征，并可以随着历史图像的更新进行更新。
在该实现方式中，通过获得所述模板图像的第三图像特征，基于所述第三图像特征，确定初始的第二跟踪参数，并基于初始的第二跟踪参数和所述历史图像的第四图像特征，得到更新的第二跟踪参数，由此能够目标跟踪的过程中，随着历史图像的更新，持续对第二跟踪参数进行更新，从而能够加强对相似对象的抗干扰能力。
作为该实现方式的一个示例，所述基于所述第三图像特征，确定初始的第二跟踪参数，包括：基于所述第三图像特征，初始化第二预设网络的在线模块，得到所述初始的第二跟踪参数；所述基于初始的第二跟踪参数和所述历史图像的第四图像特征，得到更新的第二跟踪参数，包括：将所述初始的第二跟踪参数和所述历史图像的第四图像特征输入所述在线模块，经由所述在线模块得到更新的第二跟踪参数。
在该示例中，可以通过第二预设网络的在线模块(online module)对第二跟踪参数进行更新。例如，可以将初始的第二跟踪参数(即第三图像特征)和历史图像的第四图像特征输入在线模块，得到更新的第二跟踪参数。当支撑集中的历史图像发生更新时，可以将当前的第二跟踪参数与当前支撑集中的各个历史图像的第四图像特征输入在线模块，得到更新的第二跟踪参数。即，可以响应于支撑集中的历史图像发生更新，对第二跟踪参数进行实时更新。在该实现方式中，通过基于所述第三图像特征，初始化第二预设网络的在线模块，得到所述初始的第二跟踪参数，并将所述初始的第二跟踪参数和所述历史图像的第四图像特征输入所述在线模块，经由所述在线模块得到更新的第二跟踪参数，由此能够在目标跟踪的过程中，随着历史图像的更新，通过第二预设网络的在线模块持续对第二跟踪参数进行更新，从而能够加强对相似对象的抗干扰能力。
作为该实现方式的一个示例，所述历史图像是预先从历史视频帧中截取的图像区域，且所述历史图像属于所述目标对象的概率大于或等于第一阈值。在该示例中，历史视频中可以表示目标视频中、在当前图像之前的视频帧。在该示例中，通过基于所述模板图像和至少一个历史图像，确定第二跟踪参数，由此能够利用历史图像帧中属于目标对象的概率较大的图像区域的信息辅助进行当前图像的目标跟踪，从而有利于获得鲁棒性较高的第二预测跟踪结果。
在一个示例中，支撑集可以表示为
Figure BDA0002982881360000121
其中，M表示支撑集中的历史图像的数量，xj表示支撑集中的第j个历史图像，yj表示xj的伪标签。其中，支撑集中的历史图像的伪标签，可以根据历史图像中的各个位置属于目标对象的概率的高斯分布确定。在一个例子中，可以将支撑集中的各个历史图像的第四图像特征和当前的第二跟踪参数输入在线模块，经由在线模块输出各个历史图像属于目标对象的预测概率。根据各个历史图像属于目标对象的预测概率，以及各个历史图像的伪标签，可以得到第二跟踪参数对应的损失函数。基于该损失函数，采用梯度下降法，可以对第二跟踪参数进行更新。
在一个示例中，在第二预设网络训练完成后，在应用第二预设网络进行目标对象的跟踪的过程中，第二预设网络的内部的参数可以不进行更新，从而能够提高运算效率。
作为该实现方式的一个示例，所述获得所述模板图像的第三图像特征，包括：获取所述模板图像的至少两级第一图像特征，以及与所述至少两级第一图像特征一一对应的至少两个第一权重；根据所述至少两个第一权重，确定所述至少两级第一图像特征的加权和，得到所述模板图像的第三图像特征。基于该示例确定的第三图像特征确定第二跟踪参数，能够进一步提高对当前图像进行目标对象的跟踪的鲁棒性。
作为该实现方式的另一个示例，还可以根据至少两级第一图像特征的平均值，确定第三图像特征。
在一种可能的实现方式中，所述基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果，包括：获得所述当前图像的第五图像特征；基于所述第二跟踪参数和所述第五图像特征，确定所述当前图像的第二预测跟踪结果。在该实现方式中，第五图像特征为当前图像的图像特征。例如，可以通过升维相关层对第五图像特征和第二跟踪参数进行升维的卷积，得到第二预测跟踪结果。在该实现方式中，通过基于所述第二跟踪参数和所述第五图像特征，确定所述当前图像的第二预测跟踪结果，由此能够提高所确定的第二预测跟踪结果的准确性。
作为该实现方式的一个示例，所述获得所述当前图像的第五图像特征，包括：获取所述当前图像的至少两级第二图像特征，以及与所述至少两级第二图像特征一一对应的至少两个第二权重；根据所述至少两个第二权重，确定所述至少两级第二图像特征的加权和，得到所述当前图像的第五图像特征。基于该示例确定的第五图像特征，能够进一步提高第二预测跟踪结果的鲁棒性。
在一个例子中，可以采用式2，确定当前图像的第二预测跟踪结果
Figure BDA0002982881360000131
Figure BDA0002982881360000132
其中，
Figure BDA0002982881360000133
表示第二跟踪参数。
Figure BDA0002982881360000134
表示将当前图像xi输入第一预设网络后，第一预设网络的第l个块输出的当前图像xi的第二图像特征。例如，l＝3可以对应于SiamRPN++的块2，l＝4可以对应于SiamRPN++的块3，l＝5可以对应于SiamRPN++的块4。βl表示
Figure BDA0002982881360000135
对应的权重。
Figure BDA0002982881360000136
表示采用βl对
Figure BDA0002982881360000137
进行加权，
Figure BDA0002982881360000138
表示第一预设网络的三个块(三个不同深度的网络块)从当前图像xi提取的三级第二图像特征的加权和。
在一个例子中，可以采用式3，确定第二跟踪参数
Figure BDA0002982881360000139
Figure BDA00029828813600001310
其中，
Figure BDA0002982881360000141
表示支撑集。支撑集中包括M个历史图像，xj表示支撑集中的第j个历史图像，
Figure BDA0002982881360000142
表示xj的伪标签。
Figure BDA0002982881360000143
表示将历史图像xj输入第一预设网络后，第一预设网络的第l个块输出的历史图像xj的第六图像特征。βl表示
Figure BDA0002982881360000144
对应的权重。
Figure BDA0002982881360000145
表示采用βl对
Figure BDA0002982881360000146
进行加权。
Figure BDA0002982881360000147
表示第一预设网络的三个块从历史图像xj提取的三级第六图像特征的加权和，即历史图像xj的第四图像特征。Λ表示在线模块，ρ表示在线模块的内部参数。随着支撑集中的历史图像的更新，第二跟踪参数
Figure BDA0002982881360000148
将发生更新。在一个例子中，可以将支撑集中的M个历史图像的第四图像特征和当前的第二跟踪参数输入在线模块Λ，经由在线模块Λ输出各个历史图像属于目标对象的预测概率。根据各个历史图像属于目标对象的预测概率，以及各个历史图像的伪标签
Figure BDA0002982881360000149
可以得到第二跟踪参数对应的损失函数。基于该损失函数，采用梯度下降法，可以对第二跟踪参数进行更新，得到更新的第二跟踪参数。
在一种可能的实现方式中，所述基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果，包括：获取所述第一预测跟踪结果对应的第三权重和所述第二预测跟踪结果对应的第四权重；根据所述第三权重和第四权重，确定所述第一预测跟踪结果和所述第二预测跟踪结果的加权和，得到所述当前图像的第三预测跟踪结果；根据所述第三预测跟踪结果，确定所述目标对象在所述当前图像中的跟踪结果。在该实现方式中，第三权重和第四权重可以分别为超参数。第三权重与第四权重之和可以等于1，第三权重可以大于0且小于1，第四权重可以大于0且小于1。当然，第三权重与第四权重之和也可以不等于1。在该实现方式中，可以根据第一预测跟踪结果和第二预测跟踪结果的加权和，确定第三预测跟踪结果。在该实现方式中，通过根据所述第三权重和第四权重，确定所述第一预测跟踪结果和所述第二预测跟踪结果的加权和，得到所述当前图像的第三预测跟踪结果，并根据所述第三预测跟踪结果，确定所述目标对象在所述当前图像中的跟踪结果，由此获得的目标对象在当前图像中跟踪结果能够兼具准确性和鲁棒性。
在一个例子中，可以采用式4，确定所述目标对象在所述当前图像中的跟踪结果
Figure BDA00029828813600001410
Figure BDA00029828813600001411
其中，
Figure BDA00029828813600001412
表示第二预测跟踪结果，μ表示第二预测跟踪结果对应的第四权重，
Figure BDA0002982881360000151
表示第一预测跟踪结果，1-μ表示第一预测跟踪结果对应的第三权重。
作为该实现方式的一个示例，所述根据所述第三预测跟踪结果，确定所述目标对象在所述当前图像中的跟踪结果，包括：根据所述第三预测跟踪结果，确定所述当前图像中属于所述目标对象的概率最高的第一边界框；根据所述第三预测跟踪结果，确定所述当前图像中与所述第一边界框具有重叠区域的第二边界框；根据所第一边界框和所述第二边界框，确定所述当前图像中所述目标对象的检测框。在该示例中，可以基于第三预测跟踪结果进行边界框回归，得到目标对象在当前图像中的多个候选框。在多个候选框中，可以将属于目标对象的概率最高的候选框作为第一边界框，并将与第一边界框具有重叠区域的候选框作为第二边界框。其中，第二边界框的数量可以为一个或多个。在该示例中，在确定当前图像中目标对象的检测框时，不仅基于属于目标对象的概率最高的第一边界框，还基于与第一边界框重叠的第二边界框，由此能够利用更多候选框的信息得到更准确的检测框。
在一个例子中，所述根据所第一边界框和所述第二边界框，确定所述当前图像中所述目标对象的检测框，包括：确定所述第二边界框与所述第一边界框的交并比；根据所述交并比，确定所述第二边界框对应的第五权重；基于所述第五权重，确定所述第一边界框与所述第二边界框的加权和，得到所述当前图像中所述目标对象的检测框。例如，第一边界框对应的权重可以是1，任一第二边界框对应的第五权重可以等于该第二边界框与第一边界框的交并比。又如，第一边界框对应的权重可以与第一边界框属于目标对象的概率的正相关；任一第二边界框对应的第五权重可以与该第二边界框与第一边界框的交并比正相关，且与该第二边界框属于目标对象的概率正相关。例如，第一边界框对应的权重可以是第一边界框属于目标对象的概率；任一第二边界框对应的第五权重可以等于：该第二边界框与第一边界框的交并比，与该第二边界框属于目标对象的概率的乘积。例如，可以确定第一边界框与各个第二边界框的加权和；确定第一边界框对应的权重与各个第二边界框对应的第五权重之和，得到权重和；将该加权和与该权重和的比值，作为当前图像中目标对象的检测框。在上述例子中，通过确定所述第二边界框与所述第一边界框的交并比，根据所述交并比，确定所述第二边界框对应的第五权重，并基于所述第五权重，确定所述第一边界框与所述第二边界框的加权和，得到所述当前图像中所述目标对象的检测框，由此能够提高跟踪结果的稳定性。
在另一个例子中，各个第二边界框对应的第五权重可以相同。例如，可以计算各个第二边界框的平均值，并将该平均值与第一边界框的平均值，作为当前图像中目标对象的检测框。
当然，在其他示例中，也可以直接将第一边界框作为目标对象的检测框。
在本公开实施例中，通过从目标对象的模板图像中获得第一跟踪参数，基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果，由此能够获得准确性较高的第一预测跟踪结果；通过基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果，由此能够结合目标对象的历史图像的信息获得鲁棒性较高的第二预测跟踪结果；通过基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果，由此能够获得兼具准确性和鲁棒性的跟踪结果。采用本公开实施例提供的目标跟踪方法，能够在跟踪过程中提高对相似对象的判别能力，从而在遇到相似对象的干扰时，能够提高对目标对象进行跟踪的成功率。
本公开实施例提供的目标跟踪方法可以应用于单目标跟踪或者多目标跟踪等跟踪任务中。
下面通过一个具体的应用场景说明本公开实施例提供的目标跟踪方法。图2示出本公开实施例提供的一种应用场景的示意图。如图2所示，该应用场景提供了一种目标跟踪器，该目标跟踪器包括第一预设网络和第二预设网络，第二预设网络包括在线模块。第一预设网络的输入可以为目标对象的模板图像z和当前图像xi，输出可以为第一预测跟踪结果
Figure BDA0002982881360000161
第二预设网络的输入可以为模板图像z的第三图像特征、支撑集中的各个历史图像xj的第四图像特征以及当前图像xi的第五图像特征，输出可以为第二预测跟踪结果
Figure BDA0002982881360000162
计算第一预测跟踪结果
Figure BDA0002982881360000163
与第二预测跟踪结果
Figure BDA0002982881360000164
的加权和，可以得到目标对象在当前图像xi中的最终跟踪结果。下面分别对第一预设网络和第二预设网络进行介绍。
第一预设网络可以采用SiamRPN++。将模板图像z输入SiamRPN++，可以经由SiamRPN++的块2(block2)、块3(block3)和块4(block4)分别输出模板图像z的第一级第一图像特征、第二级第一图像特征和第三级第一图像特征。将当前图像xi输入SiamRPN++，可以经由SiamRPN++的块2、块3和块4分别输出当前图像xi的第一级第二图像特征、第二级第二图像特征和第三级第二图像特征。可以通过深度可分离相关层(DW-C，depthwisecorrelation)计算第一级第一图像特征和第一级第二图像特征的相关性，得到第一级对应的中间预测结果；通过深度可分离相关层计算第二级第一图像特征和第二级第二图像特征的相关性，得到第二级对应的中间预测结果；通过深度可分离相关层计算第三级第一图像特征和第三级第二图像特征，得到第三级对应的中间预测结果。计算三级中间预测结果的加权和，可以得到第一预测跟踪结果。如图2所示，还可以对SiamRPN++的块3和块4的输出进行插值，使插值得到的特征图的尺寸与块2输出的特征图的尺寸相同，由此能够提升第一预设网络的感受野，从而能够进一步提高第一预设网络进行目标对象的跟踪的准确性。通过采用第一预设网络能够获得准确性较高的第一预测跟踪结果，即，通过第一预设网络回归得到的目标对象的位置的准确性较高。
第二预设网络的在线模块可以用于对第二跟踪参数进行更新。其中，第二跟踪参数的初始值可以为模板图像z的第三图像特征。在第二跟踪参数首次更新时，在线模块可以输入模板图像z的第三图像特征和支撑集中的历史图像的第四图像特征，得到更新的第二跟踪参数。在第二跟踪参数后续更新时，在线模块可以输入当前的第二跟踪参数和支撑集中的各个历史图像的第四图像特征，得到更新的第二跟踪参数。通过升维相关层(UP-C，up-channel correlation)计算当前图像xi的第五图像特征与最新的第二跟踪参数的相关性，可以得到第二预测跟踪结果。通过采用第二预设网络能够获得鲁棒性较高的第二预测跟踪结果，即，第二预设网络进行分类的鲁棒性较高，对相似对象的抗干扰能力较强。
通过基于第一预测跟踪结果和第二预测跟踪结果，得到目标对象在当前图像中的跟踪结果，由此能够获得兼具准确性和鲁棒性的跟踪结果。例如，在目标对象的周围存在一个或多个干扰对象(即与目标对象相似的对象)的情况下，通过采用本公开实施例提供的目标跟踪方法，能够准确地区分干扰对象和目标对象，从而能够使得跟踪结果更加准确。又如，在无人机跟拍系统中，目标对象可能被亭子、桥梁、建筑等遮挡，在目标对象再次出现时，通过采用本公开实施例提供的目标跟踪方法，能够高效准确地重新找回目标对象。又如，本公开实施例提供的目标跟踪方法还可以应用于自动标注，从而能够提高更准确的自动标注数据。另外，本公开实施例提供的目标跟踪方法具有较高的分类准确性和回归准确性，稳定性较高，能够更好地适应于长时间的目标跟踪任务，且具备较快的跟踪速度，能够实现实时跟踪。
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跟踪装置、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跟踪方法，相应技术方案和技术效果可参见方法部分的相应记载，不再赘述。
图3示出本公开实施例提供的目标跟踪装置的框图。如图3所示，所述目标跟踪装置包括：
根据本公开的一方面，提供了一种目标跟踪装置，包括：
获得模块31，用于从目标对象的模板图像中获得第一跟踪参数；
第一目标跟踪模块32，用于基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果；
确定模块33，用于基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，其中，所述历史图像表示在所述当前图像之前且包含有目标对象的图像；
第二目标跟踪模块34，用于基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果；
融合模块35，用于基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果。
在一种可能的实现方式中，所述获得模块31用于：
提取所述模板图像的第一图像特征，作为第一跟踪参数。
在一种可能的实现方式中，所述第一目标跟踪模块32用于：
提取所述当前图像的第二图像特征；
基于所述第一跟踪参数和所述第二图像特征，确定所述当前图像的第一预测跟踪结果。
在一种可能的实现方式中，
所述获得模块31用于：通过第一预设网络的不同深度的至少两层对所述模板图像进行特征提取，得到所述模板图像的至少两级第一图像特征，并将所述至少两级第一图像特征作为第一跟踪参数；
所述第一目标跟踪模块32用于：通过所述不同深度的至少两层对所述当前图像进行特征提取，得到所述当前图像的至少两级第二图像特征；对于所述至少两级第一图像特征和所述至少两级第二图像特征中的任意一级，基于该级的第一图像特征和第二图像特征，确定该级的中间预测结果；根据所述至少两级第一图像特征和所述至少两级第二图像特征对应的至少两个中间预测结果，融合得到所述当前图像的第一预测跟踪结果。
在一种可能的实现方式中，所述确定模块33用于：
基于所述第三图像特征，确定初始的第二跟踪参数；
基于初始的第二跟踪参数和所述历史图像的第四图像特征，得到更新的第二跟踪参数。
在一种可能的实现方式中，所述确定模块33用于：
基于所述第三图像特征，初始化第二预设网络的在线模块，得到所述初始的第二跟踪参数；
将所述初始的第二跟踪参数和所述历史图像的第四图像特征输入所述在线模块，经由所述在线模块得到更新的第二跟踪参数。
在一种可能的实现方式中，所述历史图像是预先从历史视频帧中截取的图像区域，且所述历史图像属于所述目标对象的概率大于或等于第一阈值。
在一种可能的实现方式中，所述确定模块33用于：
获取所述模板图像的至少两级第一图像特征，以及与所述至少两级第一图像特征一一对应的至少两个第一权重；
根据所述至少两个第一权重，确定所述至少两级第一图像特征的加权和，得到所述模板图像的第三图像特征。
在一种可能的实现方式中，所述第二目标跟踪模块34用于：
获得所述当前图像的第五图像特征；
基于所述第二跟踪参数和所述第五图像特征，确定所述当前图像的第二预测跟踪结果。
在一种可能的实现方式中，所述第二目标跟踪模块34用于：
获取所述当前图像的至少两级第二图像特征，以及与所述至少两级第二图像特征一一对应的至少两个第二权重；
根据所述至少两个第二权重，确定所述至少两级第二图像特征的加权和，得到所述当前图像的第五图像特征。
在一种可能的实现方式中，所述融合模块35用于：
获取所述第一预测跟踪结果对应的第三权重和所述第二预测跟踪结果对应的第四权重；
根据所述第三权重和第四权重，确定所述第一预测跟踪结果和所述第二预测跟踪结果的加权和，得到所述当前图像的第三预测跟踪结果；
根据所述第三预测跟踪结果，确定所述目标对象在所述当前图像中的跟踪结果。
在一种可能的实现方式中，所述融合模块35用于：
根据所述第三预测跟踪结果，确定所述当前图像中属于所述目标对象的概率最高的第一边界框；
根据所述第三预测跟踪结果，确定所述当前图像中与所述第一边界框具有重叠区域的第二边界框；
根据所第一边界框和所述第二边界框，确定所述当前图像中所述目标对象的检测框。
在一种可能的实现方式中，所述融合模块35用于：
确定所述第二边界框与所述第一边界框的交并比；
根据所述交并比，确定所述第二边界框对应的第五权重；
基于所述第五权重，确定所述第一边界框与所述第二边界框的加权和，得到所述当前图像中所述目标对象的检测框。
在本公开实施例中，通过从目标对象的模板图像中获得第一跟踪参数，基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果，由此能够获得准确性较高的第一预测跟踪结果；通过基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果，由此能够结合目标对象的历史图像的信息获得鲁棒性较高的第二预测跟踪结果；通过基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果，由此能够获得兼具准确性和鲁棒性的跟踪结果。采用本公开实施例提供的目标跟踪方法，能够在跟踪过程中提高对相似对象的判别能力，从而在遇到相似对象的干扰时，能够提高对目标对象进行跟踪的成功率。
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，其具体实现和技术效果可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提供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。其中，所述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，或者可以是易失性计算机可读存储介质。
本公开实施例还提出一种计算机程序，包括计算机可读代码，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行用于实现上述方法。
本公开实施例还提供了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跟踪方法的操作。
本公开实施例还提供一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。
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示出本公开实施例提供的一种电子设备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(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)/通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)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示出本公开实施例提供的一种电子设备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 (16)

1.一种目标跟踪方法，其特征在于，包括：
从目标对象的模板图像中获得第一跟踪参数；
基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果；
基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，其中，所述历史图像表示在所述当前图像之前且包含有目标对象的图像；
基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果；
基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果。
2.根据权利要求1所述的方法，其特征在于，所述从目标对象的模板图像中获得第一跟踪参数，包括：
提取所述模板图像的第一图像特征，作为第一跟踪参数。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果，包括：
提取所述当前图像的第二图像特征；
基于所述第一跟踪参数和所述第二图像特征，确定所述当前图像的第一预测跟踪结果。
4.根据权利要求3所述的方法，其特征在于，
所述提取所述模板图像的第一图像特征，作为第一跟踪参数，包括：通过第一预设网络的不同深度的至少两层对所述模板图像进行特征提取，得到所述模板图像的至少两级第一图像特征，并将所述至少两级第一图像特征作为第一跟踪参数；
所述提取所述当前图像的第二图像特征，包括：通过所述不同深度的至少两层对所述当前图像进行特征提取，得到所述当前图像的至少两级第二图像特征；
所述基于所述第一跟踪参数和所述第二图像特征，确定所述当前图像的第一预测跟踪结果，包括：对于所述至少两级第一图像特征和所述至少两级第二图像特征中的任意一级，基于该级的第一图像特征和第二图像特征，确定该级的中间预测结果；根据所述至少两级第一图像特征和所述至少两级第二图像特征对应的至少两个中间预测结果，融合得到所述当前图像的第一预测跟踪结果。
5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，包括：
获得所述模板图像的第三图像特征；
基于所述第三图像特征，确定初始的第二跟踪参数；
基于初始的第二跟踪参数和所述历史图像的第四图像特征，得到更新的第二跟踪参数。
6.根据权利要求5所述的方法，其特征在于，
所述基于所述第三图像特征，确定初始的第二跟踪参数，包括：基于所述第三图像特征，初始化第二预设网络的在线模块，得到所述初始的第二跟踪参数；
所述基于初始的第二跟踪参数和所述历史图像的第四图像特征，得到更新的第二跟踪参数，包括：将所述初始的第二跟踪参数和所述历史图像的第四图像特征输入所述在线模块，经由所述在线模块得到更新的第二跟踪参数。
7.根据权利要求5或6所述的方法，其特征在于，所述历史图像是预先从历史视频帧中截取的图像区域，且所述历史图像属于所述目标对象的概率大于或等于第一阈值。
8.根据权利要求5至7中任意一项所述的方法，其特征在于，所述获得所述模板图像的第三图像特征，包括：
获取所述模板图像的至少两级第一图像特征，以及与所述至少两级第一图像特征一一对应的至少两个第一权重；
根据所述至少两个第一权重，确定所述至少两级第一图像特征的加权和，得到所述模板图像的第三图像特征。
9.根据权利要求1至8中任意一项所述的方法，其特征在于，所述基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果，包括：
获得所述当前图像的第五图像特征；
基于所述第二跟踪参数和所述第五图像特征，确定所述当前图像的第二预测跟踪结果。
10.根据权利要求9所述的方法，其特征在于，所述获得所述当前图像的第五图像特征，包括：
获取所述当前图像的至少两级第二图像特征，以及与所述至少两级第二图像特征一一对应的至少两个第二权重；
根据所述至少两个第二权重，确定所述至少两级第二图像特征的加权和，得到所述当前图像的第五图像特征。
11.根据权利要求1至10中任意一项所述的方法，其特征在于，所述基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果，包括：
获取所述第一预测跟踪结果对应的第三权重和所述第二预测跟踪结果对应的第四权重；
根据所述第三权重和第四权重，确定所述第一预测跟踪结果和所述第二预测跟踪结果的加权和，得到所述当前图像的第三预测跟踪结果；
根据所述第三预测跟踪结果，确定所述目标对象在所述当前图像中的跟踪结果。
12.根据权利要求11所述的方法，其特征在于，所述根据所述第三预测跟踪结果，确定所述目标对象在所述当前图像中的跟踪结果，包括：
根据所述第三预测跟踪结果，确定所述当前图像中属于所述目标对象的概率最高的第一边界框；
根据所述第三预测跟踪结果，确定所述当前图像中与所述第一边界框具有重叠区域的第二边界框；
根据所第一边界框和所述第二边界框，确定所述当前图像中所述目标对象的检测框。
13.根据权利要求12所述的方法，其特征在于，所述根据所第一边界框和所述第二边界框，确定所述当前图像中所述目标对象的检测框，包括：
确定所述第二边界框与所述第一边界框的交并比；
根据所述交并比，确定所述第二边界框对应的第五权重；
基于所述第五权重，确定所述第一边界框与所述第二边界框的加权和，得到所述当前图像中所述目标对象的检测框。
14.一种目标跟踪装置，其特征在于，包括：
获得模块，用于从目标对象的模板图像中获得第一跟踪参数；
第一目标跟踪模块，用于基于所述第一跟踪参数对当前图像进行目标对象的跟踪，得到所述当前图像的第一预测跟踪结果；
确定模块，用于基于所述模板图像以及所述目标对象的历史图像，确定第二跟踪参数，其中，所述历史图像表示在所述当前图像之前且包含有目标对象的图像；
第二目标跟踪模块，用于基于所述第二跟踪参数对所述当前图像进行目标对象的跟踪，得到所述当前图像的第二预测跟踪结果；
融合模块，用于基于所述第一预测跟踪结果和所述第二预测跟踪结果，得到所述目标对象在所述当前图像中的跟踪结果。
15.一种电子设备，其特征在于，包括：
一个或多个处理器；
用于存储可执行指令的存储器；
其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行权利要求1至13中任意一项所述的方法。
16.一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13中任意一项所述的方法。
CN202110292542.0A 2021-03-18 2021-03-18 目标跟踪方法及装置、电子设备和存储介质 Active CN113052874B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110292542.0A CN113052874B (zh) 2021-03-18 2021-03-18 目标跟踪方法及装置、电子设备和存储介质
PCT/CN2021/100558 WO2022193456A1 (zh) 2021-03-18 2021-06-17 目标跟踪方法及装置、电子设备和存储介质
US17/880,592 US20220383517A1 (en) 2021-03-18 2022-08-03 Method and device for target tracking, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110292542.0A CN113052874B (zh) 2021-03-18 2021-03-18 目标跟踪方法及装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN113052874A true CN113052874A (zh) 2021-06-29
CN113052874B CN113052874B (zh) 2022-01-25

Family

ID=76513695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110292542.0A Active CN113052874B (zh) 2021-03-18 2021-03-18 目标跟踪方法及装置、电子设备和存储介质

Country Status (3)

Country Link
US (1) US20220383517A1 (zh)
CN (1) CN113052874B (zh)
WO (1) WO2022193456A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114332157A (zh) * 2021-12-14 2022-04-12 北京理工大学 一种双阈值控制的长时跟踪方法
CN114332080A (zh) * 2022-03-04 2022-04-12 北京字节跳动网络技术有限公司 组织腔体的定位方法、装置、可读介质和电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679455A (zh) * 2017-08-29 2018-02-09 平安科技（深圳）有限公司 目标跟踪装置、方法及计算机可读存储介质
CN109191491A (zh) * 2018-08-03 2019-01-11 华中科技大学 基于多层特征融合的全卷积孪生网络的目标跟踪方法及系统
CN109785385A (zh) * 2019-01-22 2019-05-21 中国科学院自动化研究所 视觉目标跟踪方法及系统
CN110647836A (zh) * 2019-09-18 2020-01-03 中国科学院光电技术研究所 一种鲁棒的基于深度学习的单目标跟踪方法
CN111429482A (zh) * 2020-03-19 2020-07-17 上海眼控科技股份有限公司 目标跟踪方法、装置、计算机设备和存储介质
CN112183600A (zh) * 2020-09-22 2021-01-05 天津大学 一种基于动态记忆库模板更新的目标跟踪方法
CN112330718A (zh) * 2020-11-12 2021-02-05 重庆邮电大学 一种基于cnn的三级信息融合视觉目标跟踪方法
CN112381858A (zh) * 2020-11-13 2021-02-19 成都商汤科技有限公司 目标检测方法、装置、存储介质及设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10204299B2 (en) * 2015-11-04 2019-02-12 Nec Corporation Unsupervised matching in fine-grained datasets for single-view object reconstruction

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679455A (zh) * 2017-08-29 2018-02-09 平安科技（深圳）有限公司 目标跟踪装置、方法及计算机可读存储介质
CN109191491A (zh) * 2018-08-03 2019-01-11 华中科技大学 基于多层特征融合的全卷积孪生网络的目标跟踪方法及系统
CN109785385A (zh) * 2019-01-22 2019-05-21 中国科学院自动化研究所 视觉目标跟踪方法及系统
CN110647836A (zh) * 2019-09-18 2020-01-03 中国科学院光电技术研究所 一种鲁棒的基于深度学习的单目标跟踪方法
CN111429482A (zh) * 2020-03-19 2020-07-17 上海眼控科技股份有限公司 目标跟踪方法、装置、计算机设备和存储介质
CN112183600A (zh) * 2020-09-22 2021-01-05 天津大学 一种基于动态记忆库模板更新的目标跟踪方法
CN112330718A (zh) * 2020-11-12 2021-02-05 重庆邮电大学 一种基于cnn的三级信息融合视觉目标跟踪方法
CN112381858A (zh) * 2020-11-13 2021-02-19 成都商汤科技有限公司 目标检测方法、装置、存储介质及设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ANFENG HE ET AL.: ""A Twofold Siamese Network for Real-Time Object Tracking"", 《IEEE》 *
JINGHAO ZHOU ET AL.: ""Discriminative and Robust Online Learning for Siamese Visual Tracking"", 《ARXIV》 *
夏鑫鑫: ""基于孪生网络和相关滤波器的目标跟踪算法"", 《中国优秀博硕士学位论文全文数据库（硕士） 信息科技辑》 *
田朗 等: ""SA-Siam++:基于双分支孪生网络的目标跟踪算法"", 《北京邮电大学学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114332157A (zh) * 2021-12-14 2022-04-12 北京理工大学 一种双阈值控制的长时跟踪方法
CN114332157B (zh) * 2021-12-14 2024-05-24 北京理工大学 一种双阈值控制的长时跟踪方法
CN114332080A (zh) * 2022-03-04 2022-04-12 北京字节跳动网络技术有限公司 组织腔体的定位方法、装置、可读介质和电子设备

Also Published As

Publication number Publication date
WO2022193456A1 (zh) 2022-09-22
CN113052874B (zh) 2022-01-25
US20220383517A1 (en) 2022-12-01

Similar Documents

Publication Publication Date Title
CN110287874B (zh) 目标追踪方法及装置、电子设备和存储介质
CN111310616B (zh) 图像处理方法及装置、电子设备和存储介质
CN110674719B (zh) 目标对象匹配方法及装置、电子设备和存储介质
CN111540000B (zh) 场景深度和相机运动预测方法及装置、电子设备和介质
CN111104920B (zh) 视频处理方法及装置、电子设备和存储介质
CN112465843A (zh) 图像分割方法及装置、电子设备和存储介质
CN110633755A (zh) 网络训练方法、图像处理方法及装置、电子设备
CN109615006B (zh) 文字识别方法及装置、电子设备和存储介质
CN111401230B (zh) 姿态估计方法及装置、电子设备和存储介质
CN111881827B (zh) 目标检测方法及装置、电子设备和存储介质
US20220383517A1 (en) Method and device for target tracking, and storage medium
US20210326649A1 (en) Configuration method and apparatus for detector, storage medium
CN113326768A (zh) 训练方法、图像特征提取方法、图像识别方法及装置
CN113139471A (zh) 目标检测方法及装置、电子设备和存储介质
CN112085097A (zh) 图像处理方法及装置、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
CN112906484A (zh) 一种视频帧处理方法及装置、电子设备和存储介质
CN114581525A (zh) 姿态确定方法及装置、电子设备和存储介质
CN112598676B (zh) 图像分割方法及装置、电子设备和存储介质
CN113313115A (zh) 车牌属性识别方法及装置、电子设备和存储介质
CN111832338A (zh) 对象检测方法及装置、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
CN114549983A (zh) 计算机视觉模型训练方法及装置、电子设备和存储介质
CN112800954A (zh) 文本检测方法及装置、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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40047844

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant