[发明专利]一种目标跟踪方法、设备以及可读介质

权利要求书

1.一种目标跟踪方法，其特征在于，包括：

在第一帧图像中获取包含跟踪的目标的第一目标区域；

GPU获取所述第一目标区域的至少一种特征；

所述GPU将所述第一目标区域的至少一种特征中的不同特征，转换为第一N维矩阵，所述N为大于1的整数，并对所述至少一种特征中的不同特征转换后的第一N维矩阵求和，获取所述第一目标区域的参考特征；

所述GPU根据所述参考特征和特征模板，获取所述目标在第二帧图像中的位置信息，所述第二帧图像与所述第一帧图像在时间上相继；

所述GPU将所述参考特征与至少一个预设尺度模板进行匹配判断，确定所述目标在所述第二帧图像中的尺度信息；

所述GPU根据所述位置信息和尺度信息，确定所述目标在所述第二帧图像中的第二目标区域；

其中，当所述特征为神经网络特征时，将所述特征转换为第一N维矩阵，包括：

通过主成成分分析方法对所述神经网络特征进行降维处理，获取第二N维矩阵，其中，所述神经网络特征为M维矩阵，M为大于N的整数；

通过傅里叶变换，将所述第二N维矩阵从时域转换为频域，获得第三N维矩阵；

对所述第三N维矩阵进行插值以获得所述第一N维矩阵。

2.根据权利要求1所述的目标跟踪方法，其特征在于，通过主成成分分析方法对所述神经网络特征进行降维处理，包括：

对所述神经网络特征进行奇异值分解，以获取所述神经网络特征的酋矩阵；

根据所述酋矩阵获取降维矩阵，所述降维矩阵为N维矩阵；

根据所述降维矩阵与所述神经网络矩阵，获取所述第二N维矩阵。

3.根据权利要求2所述的目标跟踪方法，其特征在于，将所述神经网络特征的奇异值从大到小进行排序，前N个奇异值的总和与所有奇异值的总和的比例大于等于预设比例。

4.根据权利要求1所述的目标跟踪方法，其特征在于，在对所述第二N维矩阵进行傅里叶变换之前，还包括：

通过余弦窗函数提取所述第二N维矩阵的关键信息。

5.根据权利要求1所述的目标跟踪方法，其特征在于，所述神经网络特征包括：卷积神经网络特征、循环神经网络特征以及深度神经网络特征中的任意一种。

6.根据权利要求1所述的目标跟踪方法，其特征在于，对所述第三N维矩阵进行插值以获得所述第一N维矩阵，包括：

对所述第三N维矩阵进行至少一次高斯线性插值，以获得所述第一N维矩阵。

7.根据权利要求1所述的目标跟踪方法，其特征在于，所述GPU根据所述参考特征和特征模板，获取所述目标在第二帧图像中的位置信息，包括：

根据所述参考特征和特征模板，获取预测特征；

对所述预测特征进行傅里叶逆运算，获取时域预测特征；

对所述时域预测特征进行异步处理，获取所述目标在所述第二帧图像中的位置信息。

8.根据权利要求7所述的目标跟踪方法，其特征在于，采用牛顿迭代法对所述时域预测特征进行异步处理。

9.根据权利要求7所述的目标跟踪方法，其特征在于，根据第一预设数量的样本确定所述特征模板，所述样本为已确定的参考特征；所述第一帧图像与所述第一预设数量帧的图像在时间上相继。

10.根据权利要求9所述的目标跟踪方法，其特征在于，当所述第一帧图像在视频中的编号小于等于所述第一预设数量时，将所述第一目标区域的参考特征加入至样本中，形成新的样本集。

11.根据权利要求9所述的目标跟踪方法，其特征在于，当所述第一帧图像在视频中的编号大于所述第一预设数量时，利用所述第一目标区域的参考特征更新所述样本，形成新的样本集。