一种目标跟踪模型的训练方法和装置.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CN111627050A(43)申请公布日2020.09.04(21)申请号202010731856.1(22)申请日2020.07.27(71)申请人杭州雄迈集成电路技术股份有限公司地址311400浙江省杭州市富阳区银湖街道富闲路9号银湖创新中心9号楼4层(72)发明人张浩(74)专利代理机构北京博思佳知识产权代理有限公司11415代理人林祥(51)Int.Cl.G06T7/246(2017.01)G06K9/00(2006.01)G06K9/32(2006.01)G06K9/62(2006.01)权利要求书5页说明书23页附图4页(54)发明名称一种目标跟踪模型的训练方法和装置(57)摘要本申请提供一种目标跟踪模型的训练方法和装置。一种目标跟踪模型的训练方法，基于样本图像对对所述目标跟踪模型进行训练，所述样本图像对包括模板图像和搜索图像，所述搜索图像标注有对应搜索图像像素点的分类标签和权重标签，所述方法包括：利用以下步骤进行迭代训练，直至满足所述目标跟踪模型的模型训练要求：将所述样本图像对输入到所述目标跟踪模型中，基于所述目标跟踪模型预测得到所述搜索图像与所述模板图像之间的相似度；根据所述相似度、所述分类标签和所述权重标签确定本次迭代的相似度损失；根据所述相似度损失更新所述目标跟踪模型的模型参数。采用上述方法，可以提高目标跟踪的准确度。CN111627050ACN111627050A权利要求书1/5页1.一种目标跟踪模型的训练方法，其特征在于，基于样本图像对对所述目标跟踪模型进行训练，所述样本图像对包括模板图像和搜索图像，所述搜索图像标注有对应搜索图像像素点的分类标签和权重标签，所述方法包括：利用以下步骤进行迭代训练，直至满足所述目标跟踪模型的模型训练要求：将所述样本图像对输入到所述目标跟踪模型中，基于所述目标跟踪模型预测得到所述搜索图像与所述模板图像之间的相似度；根据所述相似度、所述分类标签和所述权重标签确定本次迭代的相似度损失；根据所述相似度损失更新所述目标跟踪模型的模型参数。2.根据权利要求1所述方法，其特征在于，所述搜索图像还标注有标注目标框，所述标注目标框为所述搜索图像中跟踪目标所在的区域，所述权重标签的确定方法，包括：为所述搜索图像生成对应的权重矩阵；根据所述标注目标框确定所述权重矩阵中各元素的权重值。3.根据权利要求2所述方法，其特征在于，所述根据所述标注目标框确定所述权重矩阵中各元素的权重值，包括：确定所述标注目标框的中心区域和非中心区域；将所述权重矩阵中对应所述中心区域的元素值确定为第一权重值；将所述权重矩阵中对应所述非中心区域的元素值确定为第二权重值；将所述权重矩阵中对应所述搜索图像中非标注目标框区域的元素值确定为第三权重值；其中，所述第一权重值大于所述第二权重值，所述第二权重值大于所述第三权重值。4.根据权利要求3所述方法，其特征在于，所述确定所述标注目标框的中心区域和非中心区域，包括：根据所述标注目标框的长宽比确定中心比例；确定所述标注目标框的中心点；以所述中心点为中心，基于所述中心比例将所述标注目标框划分为中心区域和非中心区域。5.根据权利要求1所述方法，其特征在于，所述目标跟踪模型预测得到的所述相似度为相似度矩阵，所述根据所述相似度、所述分类标签和所述权重标签确定本次迭代的相似度损失，包括：采用下述计算公式确定本次迭代的相似度损失：其中，所述为相似度损失值，所述i，j为所述相似度矩阵中的第i行第j个元素，所述为所述第i行第j个元素对应的分类标签值，所述为所述相似度矩阵中第i行第j个元素对应的相似度，所述为所述相似度矩阵中第i行第j个元素对应的权重标签值。6.一种目标跟踪的方法，其特征在于，所述目标跟踪的方法的实现基于权利要求1-5任一项所述的目标跟踪模型，所述方法包括：2CN111627050A权利要求书2/5页将视频帧序列输入所述目标跟踪模型，所述视频帧序列中包括若干基于时间顺序排列的视频帧图像；针对第n帧图像，所述目标跟踪模型基于上一帧模板图像预测所述第n帧图像中跟踪目标所在区域的预测目标框；判断所述预测目标框是否满足条件；若满足，则将所述第n帧图像更新为模板图像，并利用所述模板图像对第n+1帧图像中的跟踪目标进行预测。7.根据权利要求6所述方法，其特征在于，所述方法还包括：若不满足，则根据所述上一帧模板图像对第n+1帧图像中的跟踪目标进行预测。8.根据权利要求6所述方法，其特征在于，所述目标跟踪模型基于上一帧模板图像预测所述第n帧图像中跟踪目标所在区域的预测目标框，包括：根据所述上一帧模板图像预测第n帧图像和所述上一帧模板图像之间的相似度，并得到相似度矩阵；根据所述上一帧模板图像预测第n帧图像中预测目标框的指定顶点对