[发明专利]目标跟踪方法、装置、计算机设备和存储介质在审

专利信息
申请号: 201811646132.6 申请日: 2018-12-29
公开(公告)号: CN109727268A 公开(公告)日: 2019-05-07
发明(设计)人: 李宁鸟;王文涛;韩雪云;李权;王栋;魏璐 申请(专利权)人: 西安天和防务技术股份有限公司
主分类号: G06T7/20 分类号: G06T7/20;G06K9/00
代理公司: 北京华进京联知识产权代理有限公司 11606 代理人: 孙岩
地址: 710117 陕西*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 场景识别 跟踪目标 场景 目标检测 目标检测算法 计算机设备 存储介质 目标跟踪 视频流 待检测视频流 检测算法 预定帧 跟踪 检测 图像 监控 申请
【权利要求书】:

1.一种目标跟踪方法,其特征在于,所述方法包括:

对待检测视频流中的预定帧图像进行场景识别,确定场景识别结果;其中,所述场景识别结果至少包括对空场景或对地场景中的任一场景;

确定与所述场景识别结果相对应的目标检测算法,并采用所述目标检测算法对所述待检测视频流进行目标检测,得到目标检测结果;

根据所述目标检测结果,从所述待检测视频流中确定跟踪目标,并对所述跟踪目标进行跟踪。

2.根据权利要求1所述的方法,其特征在于,所述对待检测视频流中的预定帧图像进行场景识别,之前还包括:

检测所述待检测视频流中的预定帧图像中的场景识别标识;

根据所述场景识别标识确定需要对所述待检测视频流进行场景识别。

3.根据权利要求1所述的方法,其特征在于,所述对待检测视频流中的预定帧图像进行场景识别,确定场景识别结果,包括:

将所述待检测视频流中的预定帧图像输入场景识别模型进行预测,输出所述预定帧图像为每一所述场景的概率;

将所述概率最大的场景确定为所述场景识别结果。

4.根据权利要求3所述的方法,其特征在于,所述将所述待检测视频流中的预定帧图像输入场景识别模型进行预测,之前还包括:

分别获取各个所述场景的至少一张训练图像,并对所述至少一张训练图像中的目标进行标记;

利用标记后的训练图像对初始深度学习网络进行训练,得到所述场景识别模型。

5.根据权利要求1所述的方法,其特征在于,所述根据所述目标检测结果,从所述待检测视频流中确定跟踪目标,并对所述跟踪目标进行跟踪,包括:

根据所述目标检测结果,从所述待检测视频流的预定帧图像中确定至少一个目标对象;

从所述至少一个目标对象中确定所述跟踪目标,采用预定跟踪模型算法确定下一帧图像中所述跟踪目标所在的位置信息。

6.根据权利要求5所述的方法,其特征在于,所述根据所述目标检测结果,从所述待检测视频流的预定帧图像中确定至少一个目标对象,包括:

根据所述目标检测结果获取所述待检测视频流的预定帧图像的二值图像,其中,所述二值图像中包含至少一个目标点;

根据所述至少一个目标点的坐标信息对所述至少一个目标点进行数据点聚类,转换为至少一个目标块;

在所述至少一个目标块中确定所述至少一个目标对象。

7.根据权利要求6所述的方法,其特征在于,所述在所述至少一个目标块中确定所述至少一个目标对象,包括:

根据剔除条件对所述至少一个目标块进行筛选,得到初选目标块;

从所述初选目标块中,确定出所述至少一个目标对象。

8.根据权利要求7所述的方法,其特征在于,所述从所述初选目标块中,确定出所述至少一个目标对象,包括:

若所述初选目标块在所述预定帧图像之前的任意相邻的两个帧图像中匹配成功的次数超过预定值,则确定所述初选目标块为所述目标对象。

9.一种目标跟踪装置,其特征在于,所述装置包括:

场景识别模块,用于对待检测视频流中的预定帧图像进行场景识别,确定场景识别结果;其中,所述场景识别结果至少包括对空场景或对地场景中的任一场景;

目标检测模块,用于确定与所述场景识别结果相对应的目标检测算法,并采用所述目标检测算法对所述待检测视频流进行目标检测,得到目标检测结果;

目标跟踪模块,用于根据所述目标检测结果,从所述待检测视频流中确定跟踪目标,并对所述跟踪目标进行跟踪。

10.一种计算机设备,包括存储器及处理器,所述存储器上存储有可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。

11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安天和防务技术股份有限公司,未经西安天和防务技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811646132.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top