目标跟踪方法及装置、存储介质和电子设备.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CN110555405A(43)申请公布日2019.12.10(21)申请号201910818911.8(22)申请日2019.08.30(71)申请人北京迈格威科技有限公司地址100190北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人王维钊李作新(74)专利代理机构北京律智知识产权代理有限公司11438代理人王辉阚梓瑄(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书3页说明书14页附图8页(54)发明名称目标跟踪方法及装置、存储介质和电子设备(57)摘要本发明公开了一种目标跟踪方法、目标跟踪装置、存储介质和电子设备，涉及计算机视觉技术领域。该目标跟踪方法包括：提取目标区域图像的全局特征；其中，目标区域图像为当前帧图像的上一帧图像中预测出的包含目标对象的区域图像；利用初始区域图像的全局特征对目标区域图像的全局特征进行注意力校准，并将校准后的特征作为上一帧图像的目标校准特征；结合上一帧图像的目标校准特征，确定出当前帧图像的目标判断特征；确定当前帧图像的全局特征，从当前帧图像的全局特征中确定与目标判断特征匹配的特征部分，并将特征部分对应的图像区域确定为当前帧图像中预测出的包含目标对象的区域，以实现对目标对象的跟踪。本公开可以提高目标跟踪的准确度。CN110555405ACN110555405A权利要求书1/3页1.一种目标跟踪方法，其特征在于，包括：提取目标区域图像的全局特征；其中，所述目标区域图像为当前帧图像的上一帧图像中预测出的包含目标对象的区域图像；利用初始区域图像的全局特征，对所述目标区域图像的全局特征进行注意力校准，并将校准后的特征作为所述上一帧图像的目标校准特征；其中，所述初始区域图像中仅包含所述目标对象；结合所述上一帧图像的目标校准特征，确定出所述当前帧图像的目标判断特征；确定所述当前帧图像的全局特征，从所述当前帧图像的全局特征中确定与所述目标判断特征匹配的特征部分，并将所述特征部分对应的图像区域确定为所述当前帧图像中预测出的包含所述目标对象的区域，以实现对所述目标对象的跟踪。2.根据权利要求1所述的目标跟踪方法，其特征在于，利用第一卷积神经网络提取所述目标区域图像的全局特征；利用第二卷积神经网络提取所述初始区域图像的全局特征；利用第三卷积神经网络提取所述当前帧图像的全局特征；其中，所述第一卷积神经网络、所述第二卷积神经网络以及所述第三卷积神经网络权值共享。3.根据权利要求2所述的目标跟踪方法，其特征在于，利用初始区域图像的全局特征，对所述目标区域图像的全局特征进行注意力校准，并将校准后的特征作为所述上一帧图像的目标校准特征，包括：利用一通道注意力模型对所述初始图像的全局特征进行空间维度压缩，得到第一特征权重；将所述目标区域图像的全局特征与所述第一特征权重相乘，并将相乘后的特征确定为所述上一帧图像的目标校准特征。4.根据权利要求2所述的目标跟踪方法，其特征在于，利用初始区域图像的全局特征，对所述目标区域图像的全局特征进行注意力校准，并将校准后的特征作为所述上一帧图像的目标校准特征，包括：利用一空间注意力模型对所述初始图像的全局特征进行通道维度压缩，得到第二特征权重；将所述目标区域图像的全局特征与所述第二特征权重相乘，并将相乘后的特征确定为所述上一帧图像的目标校准特征。5.根据权利要求2所述的目标跟踪方法，其特征在于，利用初始区域图像的全局特征，对所述目标区域图像的全局特征进行注意力校准，并将校准后的特征作为所述上一帧图像的目标校准特征，包括：利用一通道注意力模型对所述初始图像的全局特征进行空间维度压缩，得到第一特征权重；利用一空间注意力模型对所述初始图像的全局特征进行通道维度压缩，得到第二特征权重；将所述目标区域图像的全局特征与所述第一特征权重相乘，得到中间特征；将所述中间特征与所述第二特征权重相乘，并将相乘后的特征确定为所述上一帧图像2CN110555405A权利要求书2/3页的目标校准特征。6.根据权利要求1至5中任一项所述的目标跟踪方法，其特征在于，结合所述上一帧图像的目标校准特征，确定出所述当前帧图像的目标判断特征，包括：获取包括所述上一帧图像在内的所有历史帧图像的目标校准特征；对所述所有历史帧图像的目标校准特征进行融合处理，以确定出所述当前帧图像的目标判断特征。7.根据权利要求1至5中任一项所述的目标跟踪方法，其特征在于，结合所述上一帧图像的目标校准特征，确定出所述当前帧图像的目标判断特征，包括：获取包括所述上一帧图像在内的距当前预定时间段内多个历史帧图像的目标校准特征；对所述距当前预定时间段内多个历史帧图像的目标校准特征进行融合处理，以确定出所述当前帧图像的