[发明专利]一种目标检测跟踪方法、装置及计算机设备

权利要求书

1.一种目标检测跟踪方法，其特征在于，所述方法包括：

从获取的视频中提取关键帧，其中，所述关键帧为连续的多个视频帧中的第一个视频帧；

利用预设目标检测方法，对所述关键帧进行目标检测，得到所述关键帧中目标所处检测框的位置信息；

基于所述检测框的位置信息，提取关键帧的图像特征中处于所述检测框内的第一特征；对所述第一特征进行池化操作，得到第一池化结果；

将当前帧与所述关键帧进行融合，并对融合后的图像进行光流分析，得到所述当前帧相对于所述关键帧的特征位移信息及当前帧相对于关键帧的特征迁移系数，其中，所述当前帧为所述连续的多个视频帧中除所述关键帧以外的任一个视频帧；

根据所述检测框在所述关键帧中的位置信息，以及所述特征位移信息，确定所述当前帧中预测框的位置信息；

基于特征位移信息及特征迁移系数，得到当前帧的预测图像特征；

基于所述预测框的位置信息，提取所述预测图像特征中处于所述预测框内的第二特征；

对所述第二特征进行池化操作，得到与所述第一池化结果相同维度的第二池化结果；

将所述第一池化结果与所述第二池化结果进行连接，并通过预设位移预测方法，确定所述当前帧中所述目标所处跟踪框相对于所述预测框的相对位移信息；

根据所述预测框在所述当前帧中的位置信息，以及所述相对位移信息，确定所述当前帧中所述目标所处跟踪框的位置信息；

基于所述跟踪框的位置信息，在所述当前帧中对所述目标进行跟踪。

2.根据权利要求1所述的方法，其特征在于，所述预设目标检测方法包括，基于深度学习的目标检测方法；

所述利用预设目标检测方法，对所述关键帧进行目标检测，得到所述关键帧中目标所处检测框的位置信息，包括：

通过预先训练得到的基于深度学习的目标检测网络，对所述关键帧进行目标检测，得到所述关键帧中目标所处检测框的位置信息。

3.根据权利要求1所述的方法，其特征在于，所述根据所述检测框在所述关键帧中的位置信息，以及所述特征位移信息，确定所述当前帧中预测框的位置信息，包括：

将所述检测框映射至所述当前帧，得到映射框；

在所述当前帧中，按照所述特征位移信息移动所述映射框，得到所述当前帧中预测框的位置信息。

4.根据权利要求1所述的方法，其特征在于，在所述从获取的视频中提取关键帧之后，所述方法还包括：

利用所述预设目标检测方法中的特征提取策略，提取所述关键帧的图像特征；

所述得到当前帧相对于关键帧的特征迁移系数，包括：

基于融合后的图像中所述目标的幅度变化，确定所述当前帧相对于所述关键帧的特征迁移系数；

所述基于特征位移信息及特征迁移系数，得到当前帧的预测图像特征，包括：

将所述特征迁移系数与所述图像特征中的各特征进行相乘操作，并按照所述特征位移信息移动各乘积结果，得到所述当前帧的预测图像特征。

5.根据权利要求4所述的方法，其特征在于，所述预设位移预测方法包括，基于深度学习的位移预测方法；

所述通过预设位移预测方法，确定所述当前帧中所述目标所处跟踪框相对于所述预测框的相对位移信息，包括：

通过预先训练得到的基于深度学习的位移预测网络，预测得到所述当前帧中所述目标所处跟踪框相对于所述预测框的相对位移信息。

6.根据权利要求5所述的方法，其特征在于，所述基于深度学习的位移预测网络的训练方式，包括：

获取所述当前帧中所述目标所处真值框的位置信息；

对所述真值框的位置信息与所述跟踪框的位置信息进行损失计算，得到损失参数；

基于所述损失参数，通过调整所述位移预测网络中的神经元参数，训练所述位移预测网络。