[发明专利]目标追踪方法及装置、电子设备和存储介质

说明书

本公开涉及一种目标追踪方法及装置、电子设备和存储介质，所述方法包括：针对视频流中初始帧图像之后的任一当前帧图像，获取所述当前帧图像的前一帧图像中目标对象所在的第一位置；基于所述第一位置和当前帧图像中目标对象的预测特征，得到所述当前帧图像中所述目标对象的位置信息，其中，所述当前帧图像中目标对象的预测特征基于所述视频流的初始帧图像和所述当前帧的前一帧图像得到。本公开实施例可精确地实现目标追踪。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种目标追踪方法及装置、电子设备和存储介质。

背景技术

视频物体追踪是计算机视觉中的一项被探索了数十年的关键问题。视频物体追踪在许多计算机视觉子领域，如视频姿态追踪、视频图像分割、视频物体检测中都有重要的应用。

近年来，基于深度学习的追踪算法取得了一定的成绩，但是现有的方法很难快速适应视频中物体剧烈变化的外观，因此其效果受到影响。

发明内容

本公开提出了一种目标追踪的技术方案。

根据本公开的第一方面，提供了一种目标追踪方法，其包括：

针对视频流中初始帧图像之后的任一当前帧图像，获取所述当前帧图像的前一帧图像中目标对象所在的第一位置；

基于所述第一位置和当前帧图像中目标对象的预测特征，得到所述当前帧图像中所述目标对象的位置信息，其中，所述当前帧图像中目标对象的预测特征基于所述视频流的初始帧图像和所述当前帧的前一帧图像得到。

在一些可能的实施方式中，获得当前帧图像的预测特征，包括：

基于所述当前帧图像的前一帧图像中所述目标对象的第一位置对应的第一特征，以及所述初始帧图像内所述目标对象的第二位置对应的第二特征，得到所述当前帧图像中目标对象的预测特征。

在一些可能的实施方式中，所述针对视频流中初始帧图像之后的任一当前帧图像，获取所述当前帧图像的前一帧图像中目标对象所在的第一位置之前，所述方法还包括：

获得所述初始帧图像中目标对象所在的第二位置，以及所述第二位置对应的第二特征。

在一些可能的实施方式中，所述获取所述初始帧图像内目标对象所在的第二位置，包括以下方式中的至少一种：

获取所述初始帧图像内针对所述目标对象的位置掩码图，基于所述掩码图确定所述目标对象的第二位置；

接收针对所述初始帧图像的框选操作，基于所述框选操作对应的位置区域确定所述目标对象的第二位置；

对所述初始帧图像执行目标检测操作，基于所述目标检测操作的检测结果确定所述目标对象的第二位置。

在一些可能的实施方式中，所述基于所述当前帧图像的前一帧图像中所述目标对象的第一位置对应的第一特征，以及所述初始帧图像内所述目标对象的第二位置对应的第二特征，得到所述当前帧图像中目标对象的预测特征，包括：

分别对所述第一特征和第二特征执行卷积处理，得到第一特征的第一过渡特征，以及得到第二特征的第二过渡特征；

对所述第一过渡特征和第二过渡特征执行第一互相关编码处理以及图卷积处理，得到第三特征；

基于所述第三特征、第一过渡特征和第二特征的特征融合处理，得到所述预测特征。

在一些可能的实施方式中，所述对所述第一过渡特征和第二过渡特征执行第一互相关编码处理以及图卷积处理，得到第三特征，包括：

对所述第一过渡特征和第二过渡特征执行第一互相关编码处理，得到第一编码特征；

将所述第一编码特征输入至图神经网络执行图卷积处理，得到所述第三特征。