[发明专利]目标跟踪方法、装置、设备及存储介质

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：

获取视频流中的在前帧图像中的第一边界区域图像，所述第一边界区域图像包括所述在前帧图像的边界框图像，所述在前帧图像的边界框图像包括跟踪目标的图像；

获取所述视频流中的当前帧图像上与所述第一边界区域图像的大小相等的第二边界区域图像，所述第二边界区域图像在所述当前帧图像中的位置与所述第一边界区域图像在所述在前帧图像中的位置相同；

对所述第一边界区域图像和所述第二边界区域图像进行相关度滤波处理，得到候选坐标，所述候选坐标为所述第一边界区域图像和所述第二边界区域相关度最高的位置；

根据所述候选坐标分别确定所述第一边界区域图像和所述第二边界区域图像中与所述边界框图像大小相等的第一候选区域图像和第二候选区域图像；

通过所述第一候选区域图像和第二候选区域图像，确定所述当前帧图像中的跟踪目标是否与所述在前帧图像中的跟踪目标为同一目标。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述第二候选区域图像进行修正处理，以确定所述当前帧图像的边界框图像，所述当前帧图像的边界框图像用于确定所述当前帧图像的在后帧图像的目标跟踪。

3.根据权利要求2所述的方法，其特征在于，所述对所述第二候选区域图像进行修正处理，以确定所述当前帧图像的边界框图像，包括：

对所述第二候选区域图像进行边界框修正处理，得到边界框的修正参数，所述修正参数包括边界框的偏移量；

根据所述修正参数确定所述当前帧图像的边界框图像。

4.根据权利要求1所述的方法，其特征在于，所述对所述第一边界区域图像和所述第二边界区域图像进行相关度滤波处理，得到候选坐标，包括：

分别将所述第一边界区域图像和所述第二边界区域图像输入同一预设卷积神经网络，得到第一特征图和第二特征图，所述预设卷积神经网络为预先训练好的卷积神经网络；

对所述第一特征图与所述第二特征图进行相关度滤波处理，得到相关度最大的位置；

将所述相关度最大的位置作为候选坐标。

5.根据权利要求1所述的方法，其特征在于，所述通过所述第一候选区域图像和第二候选区域图像，确定所述当前帧图像中的跟踪目标是否与所述在前帧图像中的跟踪目标为同一目标，包括：

将所述第一候选区域图像和所述第二候选区域图像进行拼接，得到拼接后的候选特征图；

确定所述候选特征图对应的置信度；

根据所述置信度确定所述当前帧图像中的跟踪目标是否与所述在前帧图像中的所述跟踪目标为同一目标。

6.一种目标跟踪装置，其特征在于，包括：

第一获取单元，用于获取视频流中的在前帧图像中的第一边界区域图像，所述第一边界区域图像包括所述在前帧图像的边界框图像，所述在前帧图像的边界框图像包括跟踪目标的图像；

第二获取单元，用于获取所述视频流中的当前帧图像上与所述第一边界区域图像的大小相等的第二边界区域图像，所述第二边界区域图像在所述当前帧图像中的位置与所述第一边界区域图像在所述在前帧图像中的位置相同；

第一处理单元，用于对所述第一边界区域图像和所述第二边界区域图像进行相关度滤波处理，得到候选坐标，所述候选坐标为所述第一边界区域图像和所述第二边界区域相关度最高的位置；

第二处理单元，用于根据所述候选坐标分别确定所述第一边界区域图像和所述第二边界区域图像中与所述边界框图像大小相等的第一候选区域图像和第二候选区域图像；

目标跟踪单元，用于通过所述第一候选区域图像和第二候选区域图像，确定所述当前帧图像中的跟踪目标是否与所述在前帧图像中的跟踪目标为同一目标。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

位置处理单元，用于对所述第二候选区域图像进行修正处理，以确定所述当前帧图像的边界框图像，所述当前帧图像的边界框图像用于确定所述当前帧图像的在后帧图像的目标跟踪。