[发明专利]物体检测跟踪方法和检测跟踪装置

说明书

本发明涉及图像处理技术领域，公开了一种物体检测跟踪方法和物体检测跟踪装置，所述物体检测跟踪方法包括：获取需要检测和跟踪的图像；使用预先构建的物体检测模型，从所述图像中获取目标物体；以及使用预先构建的物体跟踪模型，对所述目标物体进行跟踪，其中，所述物体跟踪模型的处理速度大于所述物体检测模型的处理速度。通过上述技术方案，本发明处理速度不同的两个模型分别进行物体检测和物体跟踪，物体跟踪模型的处理速度大于物体检测模型的速度，以此实现对指定的单个或多个目标的精准检测及快速跟踪。

技术领域

本发明涉及图像处理技术领域，具体地涉及一种物体检测跟踪方法和检测跟踪装置。

背景技术

在移动互联网时代，手机、PAD等多种移动设备成为人们生活中必不可少的物品。得益于摩尔定理，移动端的处理器在近些年计算能力有着大幅的提升，这使得将深度学习算法部署在移动端设备上进行推理变得越来越可行。如现在比较流行的小视频APP，集成了人像分割、人脸检测、手势识别等多个深度学习算法，使APP的可玩性大大提高。其中人脸检测、手势识别等算法都使用到了物体检测及跟踪技术，是诸多深度学习方法中的基础技术。然而，虽然深度学习的识别精度远超传统的视觉算法，但在计算复杂度上通常也是传统算法的数倍，因此，在移动端部署深度学习算法仍存在着极大挑战性。

现有技术中主要通过以下方案来提高深度学习在图像处理过程中物体检测跟踪的速度：1、使用检测器逐帧进行检测得到目标物体的边界框，通过比较帧间框的位置来对物体进行跟踪；2、先使用检测器获得目标物体的边界框，然后通过相关滤波算法来对物体进行跟踪。但是这两种方案都会存在物体跟踪的速度较慢的问题，以及物体在画面中的大小发生的变化较大时，物体跟踪会失效的问题。

发明内容

本发明的目的是为了克服现有技术存在的物体跟踪的速度较慢，以及物体在画面中的大小发生的变化较大时，物体跟踪会失效的问题，提供一种物体检测跟踪方法和物体检测跟踪装置。

为了实现上述目的，本发明一方面提供一种物体检测跟踪方法，所述物体检测跟踪方法包括：获取需要检测和跟踪的图像；使用预先构建的物体检测模型，从所述图像中获取目标物体；以及使用预先构建的物体跟踪模型，对所述目标物体进行跟踪，其中，所述物体跟踪模型的处理速度大于所述物体检测模型的处理速度。

优选的，所述从所述图像中获取目标物体包括：判断所述图像是否为关键帧图像；在所述图像为关键帧图像时，使用预先构建的物体检测模型，从所述图像中获取一个或多个目标物体；以及截取所述目标物体的边界框，并将所述目标物体和所述目标物体的所述边界框存放至目标物体列表中。

优选的，述将所述目标物体存放至目标物体列表中包括：在检测到每一目标物体时，与之前存储的所述目标物体列表中的所述目标物体进行一一匹配；以及计算所检测到的所述目标物体与已存储的所述目标物体列表中的所述目标物体的交并比，并在所述交并比大于设定阈值时，判定所检测到的所述目标物体为所述目标物体列表中的所述目标物体，以及在所述交并比小于或等于所述设定阈值时，判定所检测到的所述目标物体为新的目标物体，并将所述目标物体添加至所述目标物体列表中。

优选的，所述对所述目标物体进行跟踪包括：将所述边界框按指定比例放大；以及根据所放大后的所述边界框截取所述图像的原图，使用预先构建的物体跟踪模型，对所述原图中的所述目标物体进行跟踪。

优选的，所述物体检测模型和所述物体跟踪模型分别为采用以下算法中的一者预先构建的模型：SSD算法、Fast RCNN算法、Faster RCNN算法。

优选的，所述物体检测模型和所述物体跟踪模型的处理速度与以下因素中的至少一者相关联：计算量、输入分辨率。