一种目标跟踪方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114140718A(43)申请公布日2022.03.04(21)申请号202111420116.7G06V10/764(2022.01)(22)申请日2021.11.26G06V10/82(2022.01)(71)申请人浙江商汤科技开发有限公司地址311215浙江省杭州市萧山区宁围街道市心北路857号288-8室(72)发明人王禹程冯炜韬胡嘉豪姚勇强龚睿昊(74)专利代理机构北京派特恩知识产权代理有限公司11270代理人崔晓岚徐川(51)Int.Cl.G06V20/40(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书19页附图4页(54)发明名称一种目标跟踪方法、装置、设备及存储介质(57)摘要本申请提供一种目标跟踪方法、装置、设备及存储介质，其中，获取包括运动对象的第一视频流；基于所述第一视频流的画面内容，确定数据量小于预设数据量阈值的目标网络模型；以及基于所述目标网络模型对所述第一视频流中的所述运动对象进行跟踪，得到所述运动对象的跟踪信息；这样，既能够提高跟踪的准确度，还能够使得该目标网络模型在低功耗、低算力设备上实现多目标跟踪。CN114140718ACN114140718A权利要求书1/3页1.一种目标跟踪方法，其特征在于，所述方法包括：获取包括运动对象的第一视频流；基于所述第一视频流的画面内容，确定数据量小于预设数据量阈值的目标网络模型；以及基于所述目标网络模型对所述第一视频流中的所述运动对象进行跟踪，得到所述运动对象的跟踪信息。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一视频流的画面内容，确定数据量小于预设数据量阈值的目标网络模型，包括：基于所述第一视频流的画面内容，在预设数据库中查找与所述画面内容相匹配的目标网络模型；其中，所述预设数据库用于存储数据类型为预设类型的网络模型。3.根据权利要求1所述的方法，其特征在于，所述基于所述第一视频流的画面内容，确定数据量小于预设数据量阈值的目标网络模型，包括：基于所述第一视频流的画面内容，确定用于对所述运动对象进行跟踪的初始网络模型；以及将所述初始网络模型的数据类型转换为预设类型，得到所述目标网络模型。4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述目标网络模型对所述第一视频流中的所述运动对象进行跟踪，得到所述运动对象的跟踪信息，包括：基于所述目标网络模型的功能，对所述第一视频流进行跳帧，得到目标视频帧；以及基于所述目标网络模型对所述目标视频帧中的所述运动对象进行跟踪，得到所述跟踪信息。5.根据权利要求3所述的方法，其特征在于，所述运动对象为至少一个，所述基于所述第一视频流的画面内容，确定用于对所述画面内容进行目标跟踪的初始网络模型，包括：在所述画面内容中确定所述至少一个运动对象的类别，得到至少一个类别；以及确定每一类别匹配的初始网络模型，得到至少一个初始网络模型。6.根据权利要求5所述的方法，其特征在于，在所述至少一个运动对象包括第一类运动对象和第二类运动对象的情况下，所述第二类运动对象为可被操作的运动对象，所述第一类运动对象可执行操作行为的运动对象，所述至少一个初始网络模型包括初始分类模型、初始重识别模型、初始跟踪模型和初始检测模型，所述确定每一类别匹配的初始网络模型，得到至少一个初始网络模型，包括：确定对所述第二类运动对象进行分类的初始分类模型；确定对所述第一类运动对象进行重识别的初始重识别模型和对所述第一类运动对象进行跟踪的初始跟踪模型；以及确定对所述第二类运动对象和所述第一类运动对象进行检测的初始检测模型。7.根据权利要求6所述的方法，其特征在于，所述将所述初始网络模型的数据类型转换为预设类型，得到所述目标网络模型，包括：获取所述初始分类模型、所述初始重识别模型、所述初始跟踪模型和所述初始检测模型的复杂度；在所述初始分类模型、所述初始重识别模型、所述初始跟踪模型和所述初始检测模型中，确定复杂度大于预设复杂度的第一候选模型，以及复杂度小于所述预设复杂度的第二2CN114140718A权利要求书2/3页候选模型；将所述第一候选模型的网络参数转换为所述预设类型的网络参数，得到已转换第一候选模型；将所述已转换第一候选模型和所述第二候选模型，确定为所述目标网络模型。8.根据权利要求7所述的方法，其特征在于，在所述目标网络模型包括：目标分类模型、目标重识别模型、目标跟踪模型和目标检测模型的情况下，所述基于所述目标网络模型对所述目标视频帧中的所述运动对象进行跟踪，得到所述跟踪信息，包括：采用所述目标检测模型在第一视频帧中对所述第二类运动对象和所述第一类运动对象进行检测，得到所述第