[发明专利]目标跟踪方法、终端及存储介质

权利要求书

1.一种目标跟踪方法，其特征在于，包括：

获取预设时长的监控视频流，所述监控视频流包括待监控对象的位置信息；

采用预设的跟踪算法分析所述监控视频流，确定所述待监控对象在所述监控视频流中的最终位置信息；

确定所述最终位置信息对应的可靠性得分；

若所述可靠性得分大于预设的可靠性得分阈值，则判定所述最终位置信息为所述待监控对象的目标位置信息，所述目标位置信息为对所述待监控对象的定位结果；

若所述可靠性得分小于或者等于预设的可靠性得分阈值，则根据预先训练完成的位置检测模型对所述监控视频流进行分析，得到所述待监控对象的所述目标位置信息。

2.如权利要求1所述的目标跟踪方法，其特征在于，所述预设的跟踪算法为相关滤波算法与颜色直方图概率统计算法相结合的跟踪算法，所述方法还包括：

若所述可靠性得分小于或者等于预设的可靠性得分阈值，则获取所述预先训练完成的位置检测模型对所述监控视频流进行分析，得到的所述目标位置信息；

根据所述目标位置信息更新所述相关滤波算法中的初始相关滤波器，以及根据所述目标位置信息更新所述颜色直方图概率统计算法中的权重向量。

3.如权利要求2所述的目标跟踪方法，其特征在于，所述采用预设的跟踪算法分析所述监控视频帧，确定待监控对象在所述监控视频流中的最终位置信息，包括：

获取所述监控视频流的当前图像帧；

计算所述当前图像帧的方向梯度直方图的第一响应值；

计算所述当前图像帧的颜色直方图的第二响应值；

将所述第一响应值和所述第二响应值进行融合，得到所述待监控对象在所述当前图像帧的最终响应值；

基于所述最终响应值确定所述最终位置信息。

4.如权利要求3所述的目标跟踪方法，其特征在于，所述计算所述当前图像帧的方向梯度直方图的第一响应值，包括：

获取所述当前图像帧的第一方向梯度直方图特征；

基于所述第一方向梯度直方图特征生成初始相关滤波器；

提取与所述当前图像帧相邻的下一图像帧的第二方向梯度直方图特征，得到所述第二方向梯度直方图的特征图像；

根据所述初始相关滤波器对所述第二特征图像进行卷积操作，得到所述第一响应值。

5.如权利要求3所述的目标跟踪方法，其特征在于，所述计算所述当前图像帧的颜色直方图的第二响应值，包括：

提取所述当前图像帧的颜色直方图统计信息；

根据所述颜色直方图统计信息确定所述当前图像帧的颜色直方图的权重向量；

基于所述权重向量计算得到所述第二响应值。

6.如权利要求3所述的目标跟踪方法，其特征在于，所述基于所述最终响应值确定所述最终位置信息，包括：

查找所述最终响应值的极大位置点，将所述极大位置点作为所述最终位置信息。

7.如权利要求1所述的目标跟踪方法，其特征在于，所述预先训练完成的目标位置检测模型为神经网络模型，所述神经网络模型的训练过程包括：

获取由预设数量的样本构建的样本集，按预设比例将所述样本集中的样本划分为训练样本和测试样本；

基于所述训练样本训练预先建立的神经网络模型，得到训练完成的所述神经网络模型；

根据所述测试样本对训练完成的所述神经网络模型进行准确性测试；

若测试通过，则将训练完成的所述神经网络模型作为训练完成的所述目标位置检测模型；

若测试不通过，则增加所述训练样本的样本数量，并执行所述基于所述训练样本集中的样本训练预先建立的神经网络模型，得到训练完成的所述神经网络模型。