[发明专利]一种建立获取目标物特征的模型和目标物搜索方法及装置

说明书

一种建立获取目标物特征的模型和目标物搜索方法及装置，其中所述建立获取目标物特征的模型的方法包括：获取目标物的多个图像和所述图像对应的目标特征；将所述目标物的多个图像和所述图像对应的目标特征作为训练数据，对神经网络模型进行训练，直至所述神经网络模型的输出结果的正确率大于预设阈值，解决了现有目标跟踪方法不能很好的表述目标整体特性且用于描述目标的特征过于简单，学习方法也比较简单，不能完整描述目标，导致跟踪目标错误的问题。

技术领域

本发明涉及图像跟踪技术领域，具体涉及一种建立获取目标物特征的模型和目标物搜索方法及装置。

背景技术

目前最常用跟踪方法可以分为两大类，一种是基于特征点匹配的局部跟踪方法和基于在线学习的跟踪方法，其中，基于特征点的局部跟踪方法能很好的判断目标的运动趋势，从而实现对跟踪目标进行跟踪，但是对于遮挡、跳帧、多目标贴近等情况不能很好处理，在这些情况下通常会导致错误的跟踪，比如目标碎裂、目标轨迹被带走等；基于在线学习的跟踪方法是利用目标的全局特征，在每一帧的一定范围内搜索相似特征的区域，作为跟踪的目标，该方法将目标物作为整体进行跟踪，能很好保证跟踪目标的完整性，其缺陷是计算量较大，而且因其在线学习的实时需求，通常只能学习相对较弱的目标特征，而该特征不能很好的描述目标物的整体特性，同时学习方法也只能选取比较简单的方法，容易引起跟踪框漂移、跟丢等情况。

发明内容

因此，本发明要解决的技术问题在于现有目标跟踪方法不能很好的表述目标整体特性且用于描述目标的特征过于简单，学习方法也比较简单，不能完整描述目标，导致跟踪目标错误。

有鉴于此，本发明提供一种建立获取目标物特征的模型的方法，包括：

获取目标物的多个图像和所述图像对应的目标特征；

将所述目标物的多个图像和所述图像对应的目标特征作为训练数据，对神经网络模型进行训练，直至所述神经网络模型的输出结果的正确率大于预设阈值。

优选地，所述神经网络模型为卷积神经网络模型。

相应地，本发明提供一种建立获取目标物特征的模型的装置，包括：

获取单元，用于获取目标物的多个图像和所述图像对应的目标特征；

训练单元，用于将所述目标物的多个图像和所述图像对应的目标特征作为训练数据，对神经网络模型进行训练，直至所述神经网络模型的输出结果的正确率大于预设阈值。

优选地，所述神经网络模型为卷积神经网络模型。

本发明还提供一种目标物搜索方法，包括：

获取待跟踪目标物图像；

将所述待跟踪目标物图像输入到如上述所述的方法所建立的模型中，得到所述待跟踪目标物图像的目标特征；

根据所述目标特征在目标搜索区域进行目标物搜索。

优选地，所述获取待跟踪目标物图像，包括：

获取视频图像；

将所述视频图像缩放到预设尺寸以得到所述待跟踪目标物图像。

优选地，所述根据所述目标特征在目标搜索区域进行目标物搜索，包括：

确定所述待跟踪目标物图像的缩放因子；

在视频图像中选定区域；

按照所述缩放因子对所述选定区域进行缩放以得到目标搜索区域；

将所述目标搜索区域输入到如上述所述的方法建立的模型中，得到所述目标搜索区域的目标特征域；

根据所述待跟踪目标物图像的目标特征，在所述目标特征域内进行目标特征匹配搜索。