[发明专利]目标位置估计方法及装置、存储介质、终端

说明书

一种目标位置估计方法及装置、存储介质、终端，所述方法包括：获取前一帧图像通过卷积神经网络中N个卷积层计算后得到的N个特征图，获取当前帧图像通过卷积神经网络中N个卷积层计算后得到的N个特征图，依次得到第一响应映射图、第一候选响应映射图、第二响应映射图、第二融合响应映射图、第n候选响应映射图、第n+1响应映射图、第n+1融合响应映射图；确定响应值最大的所述第n+1融合响应映射图中的响应映射的坐标，以作为第n+1目标中心；当n+1与N相等时，确定所述第n+1目标中心为所述当前帧图像中的目标位置。本发明方案有助于优化目标跟踪的准确性，提高估计结果的精确度。

技术领域

本发明涉及目标跟踪技术领域，尤其涉及一种目标位置估计方法及装置、存储介质、终端。

背景技术

计算机视觉是未来手机多媒体应用的发展方向，而目标跟踪(Object Tracking)是计算机视觉的一个重要的研究课题，目前该算法已经被广泛用于视频监控、机器人视觉、虚拟现实(Virtual Reality，VR)、增强现实(Augmented Reality，AR)中。

现有的目标位置估计的方法通常是指依据初始的目标位置，在之后的视频序列中利用算法来自动定位目标的位置。常见的目标跟踪算法主要包括训练(Training)和检测(Detection)两个步骤。其中，训练是指根据前一帧的目标位置提取样本然后进行特征提取(Feature extraction)，然后通过分类器 (Classifier)训练模型。而检测是指根据前一帧的模型对当前帧进行预测，选择出置信度最高的样本为当前帧的目标位置，然后更新模型参数用于预测下一帧的目标位置。

然而，在现有技术中，提取特征时主要依赖于手工特征(Hand-crafted)，诸如哈尔特征(HAAR)、梯度直方图(Histogram of Gradient，HOG)、尺度不变特征变换(Scale-invariant Feature Transform，SIFT)等，并且在提取单幅特征图后即对其进行分类运算，导致准确率过低。

发明内容

本发明解决的技术问题是提供一种目标位置估计方法及装置、存储介质、终端，有助于优化目标跟踪的准确性，提高估计结果的精确度。