[发明专利]一种目标跟踪模型的训练方法和装置有效

专利信息
申请号: 202010731856.1 申请日: 2020-07-27
公开(公告)号: CN111627050B 公开(公告)日: 2020-12-01
发明(设计)人: 张浩 申请(专利权)人: 杭州雄迈集成电路技术股份有限公司
主分类号: G06T7/246 分类号: G06T7/246;G06K9/00;G06K9/32;G06K9/62
代理公司: 北京博思佳知识产权代理有限公司 11415 代理人: 林祥
地址: 311400 浙江省杭州市富阳*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 目标 跟踪 模型 训练 方法 装置
【权利要求书】:

1.一种目标跟踪模型的训练方法,其特征在于,基于样本图像对对所述目标跟踪模型进行训练,所述样本图像对包括模板图像和搜索图像,所述搜索图像标注有对应搜索图像像素点的分类标签和权重标签,所述方法包括:

利用以下步骤进行迭代训练,直至满足所述目标跟踪模型的模型训练要求:

将所述样本图像对输入到所述目标跟踪模型中,基于所述目标跟踪模型预测得到所述搜索图像与所述模板图像之间的相似度;

根据所述相似度、所述分类标签和所述权重标签确定本次迭代的相似度损失;

根据所述相似度损失更新所述目标跟踪模型的模型参数;

所述目标跟踪模型预测得到的所述相似度为相似度矩阵,所述根据所述相似度、所述分类标签和所述权重标签确定本次迭代的相似度损失,包括:

采用下述计算公式确定本次迭代的相似度损失:

其中,所述为相似度损失值,所述i,j为所述相似度矩阵中的第i行第j个元素,所述为所述第i行第j个元素对应的分类标签值,所述为所述相似度矩阵中第i行第j个元素对应的相似度,所述为所述相似度矩阵中第i行第j个元素对应的权重标签值。

2.根据权利要求1所述方法,其特征在于,所述搜索图像还标注有标注目标框,所述标注目标框为所述搜索图像中跟踪目标所在的区域,所述权重标签的确定方法,包括:

为所述搜索图像生成对应的权重矩阵;

根据所述标注目标框确定所述权重矩阵中各元素的权重值。

3.根据权利要求2所述方法,其特征在于,所述根据所述标注目标框确定所述权重矩阵中各元素的权重值,包括:

确定所述标注目标框的中心区域和非中心区域;

将所述权重矩阵中对应所述中心区域的元素值确定为第一权重值;

将所述权重矩阵中对应所述非中心区域的元素值确定为第二权重值;

将所述权重矩阵中对应所述搜索图像中非标注目标框区域的元素值确定为第三权重值;

其中,所述第一权重值大于所述第二权重值,所述第二权重值大于所述第三权重值。

4.根据权利要求3所述方法,其特征在于,所述确定所述标注目标框的中心区域和非中心区域,包括:

根据所述标注目标框的长宽比确定中心比例;

确定所述标注目标框的中心点;

以所述中心点为中心,基于所述中心比例将所述标注目标框划分为中心区域和非中心区域。

5.一种目标跟踪的方法,其特征在于,所述目标跟踪的方法的实现基于权利要求1-4任一项所述的目标跟踪模型的训练方法训练得到的目标跟踪模型,所述方法包括:

将视频帧序列输入所述目标跟踪模型,所述视频帧序列中包括若干基于时间顺序排列的视频帧图像;

针对第n帧图像,所述目标跟踪模型基于上一帧模板图像预测所述第n帧图像中跟踪目标所在区域的预测目标框;

判断所述预测目标框是否满足条件;

若满足,则将所述第n帧图像更新为模板图像,并利用所述模板图像对第n+1帧图像中的跟踪目标进行预测。

6.根据权利要求5所述方法,其特征在于,所述方法还包括:

若不满足,则根据所述上一帧模板图像对第n+1帧图像中的跟踪目标进行预测。

7.根据权利要求5所述方法,其特征在于,所述目标跟踪模型基于上一帧模板图像预测所述第n帧图像中跟踪目标所在区域的预测目标框,包括:

根据所述上一帧模板图像预测第n帧图像和所述上一帧模板图像之间的相似度,并得到相似度矩阵;

根据所述上一帧模板图像预测第n帧图像中预测目标框的指定顶点对应的坐标矩阵;

在所述相似度矩阵中确定目标元素,根据所述目标元素和所述坐标矩阵确定所述第n帧图像中的预测目标框。

8.根据权利要求7所述方法,其特征在于,所述在所述相似度矩阵中确定目标元素,包括:

对所述相似度矩阵中的各个元素进行聚类,基于聚类结果确定目标元素。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州雄迈集成电路技术股份有限公司,未经杭州雄迈集成电路技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010731856.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top