[发明专利]一种目标跟踪方法及装置

说明书

本发明涉及目标跟踪识别技术领域，具体涉及一种目标跟踪方法，包括如下步骤：S1、获取包含所述目标的N帧历史图像，获取所述目标的所有特征参数，构建特征参数集；S2、基于所述特征参数集构建用于实现目标检测跟踪的Dssd_inception_V3_coco模型；S3、基于Dssd_inception_V3 coco模型实现待检测帧图像的实时检测，根据检测结果实现目标的跟踪。本发明基于目标特征参数、携带配饰后的特征参数、携带妆容后的特征参数、以及携带表情后的特征参数构建Dssd_inception_V3 coco模型，在可以实现了目标快速识别的同时，可以尽可能的避免识别跟踪盲区。

技术领域

本发明涉及目标跟踪识别技术领域，具体涉及一种目标跟踪方法及装置。

背景技术

视觉目标跟踪是计算机视觉中的一个重要研究方向,在视频监控有着广泛的应用。

目前，现有的视频监控所采用的目标跟踪方法普遍基于人脸的特征参数进行目标的跟踪，若人脸出现变化，比如存在遮挡物、妆容等，就会出现无法实现目标跟踪的情况，存在很大的识别跟踪盲区。同时，在跟踪过程中若光线不佳、目标发生旋转、目标被遮蔽时，非常容易出现目标跟丢的情况，致使无法完成有效准确的跟踪效果。

发明内容

为解决上述问题，本发明提供了一种目标跟踪方法及装置，可以尽可能的避免识别跟踪盲区和目标跟丢的情况。

为实现上述目的，本发明采取的技术方案为：

一种目标跟踪方法，包括如下步骤：

S1、获取包含所述目标的N帧历史图像，获取所述目标的所有特征参数，构建特征参数集；

S2、基于所述特征参数集构建用于实现目标检测跟踪的Dssd_inception_ V3_coco模型；

S3、基于Dssd_inception_V3 coco模型实现待检测帧图像的实时检测，根据检测结果实现目标的跟踪。

进一步地，所述特征参数集包括所有特征参数和所有特征参数的演变参数，演变参数包括携带配饰后的特征参数、携带妆容后的特征参数、以及携带表情后的特征参数。

进一步地，所述演变参数基于N帧历史图像获取，获取时，首先构建携带配饰后的图像集、携带妆容后的图像集、以及携带表情后的图像集，然后获取携带配饰后的图像集、携带妆容后的图像集、以及携带表情后的图像集的特征参数，即得携带配饰后的特征参数、携带妆容后的特征参数、以及携带表情后的特征参数。

进一步地，所述步骤S2中，首先用coco数据集预训练inception_ V3深度神经网络，然后用所述特征参数集训练该模型，微调深度神经网络中的各项参数，获得用于实现目标检测跟踪的Dssd_inception_ V3_coco模型。

进一步地，所述步骤S3中，首先利用生成的Dssd_inception_V3 coco模型对每张待检测帧图像进行检测，判断图像是否存在目标，若存在目标，则在目标所在位置处标注位置框及目标名称，并读取待检测帧图像中内载的摄像头位置信息，完成目标所在位置信息的标记。

本发明实施例还提供了一种目标跟踪装置，包括：

特征参数集构建模块，用于获取包含所述目标的N帧历史图像，获取所述目标的所有特征参数，构建特征参数集；

目标检测模型构建模块，用于基于所述特征参数集实现用于实现目标检测跟踪的Dssd_inception_ V3_coco模型的构建；

检测帧图像采集模块，用于通过多端口实现检测帧图像的获取；

目标跟踪模块，用于基于Dssd_inception_V3 coco模型实现待检测帧图像的实时检测，根据检测结果实现目标的跟踪。