[发明专利]对象追踪、地物追踪方法、设备、系统及存储介质

权利要求书

1.一种对象追踪方法，其特征在于，包括：

获取对目标环境进行拍摄得到的两时相图像；

根据所述两时相图像的图像特征，确定所述两时相图像中的至少一个候选区域各自的特征图；

根据所述至少一个候选区域的特征图，对所述两时相图像进行实例分割，得到所述两时相图像包含的至少一个追踪对象；以及，

根据所述至少一个候选区域的特征图，对所述两时相图像对应的多个像素坐标进行变化检测，得到所述多个像素坐标各自对应的变化状态；

根据所述至少一个追踪对象各自对应的像素坐标以及所述多个像素坐标各自的变化状态，确定所述至少一个追踪对象各自的变化状态。

2.根据权利要求1所述的方法，其特征在于，根据所述两时相图像的图像特征，确定所述两时相图像中的至少一个候选区域各自的特征图之前，还包括：

针对所述两时相图像中的第一图像和第二图像，获取所述第一图像和所述第二图像各自的直方图；

根据所述第一图像的直方图，对所述第二图像的直方图进行变换，以均衡所述第一图像和所述第二图像的亮度信息。

3.根据权利要求1所述的方法，其特征在于，根据所述两时相图像的图像特征，确定所述两时相图像中的至少一个候选区域各自的特征图，包括：

针对所述两时相图像中的第一图像和第二图像，对所述第一图像和所述第二图像中像素坐标相同的像素点进行像素值的差运算，得到差值特征图；

将所述第一图像、所述第二图像以及所述差值特征图进行连接，得到多通道图像；

将所述多通道图像输入神经网络模型，以利用所述神经网络模型的主干网络对所述多通道图像进行特征提取操作和区域生成操作，得到所述至少一个候选区域的特征图。

4.根据权利要求3所述的方法，其特征在于，所述神经网络模型还包括：与所述主干网络分别连接的多任务网络，所述多任务网络包括：实例分割网络以及变化检测网络。

5.根据权利要求4所述的方法，其特征在于，所述实例分割网络包括：分类分支以及分割分支；根据所述至少一个候选区域的特征图，对所述两时相图像进行实例分割，得到所述两时相图像包含的至少一个追踪对象，包括：

基于所述分类分支，根据所述至少一个候选区域的特征图，识别所述至少一个候选区域各自对应的追踪对象的实例类别；以及，

基于所述分割分支，根据所述至少一个候选区域的特征图，计算所述至少一个候选区域各自对应的追踪对象的像素坐标。

6.根据权利要求5所述的方法，其特征在于，基于所述分割分支，根据所述至少一个候选区域的特征图，计算所述至少一个候选区域各自对应的追踪对象的像素坐标，包括：

针对所述两时相图像中的任一张图像，确定所述图像包含的目标候选区域；

基于所述分割分支，根据所述目标候选区域的特征图，计算所述目标候选区域中的每一像素点属于追踪对象的概率；

根据所述目标候选区域中的每一像素点属于追踪对象的概率，确定所述目标候选区域对应的追踪对象的像素坐标。

7.根据权利要求5所述的方法，其特征在于，根据所述至少一个候选区域的特征图，对所述两时相图像对应的多个像素坐标进行变化检测，得到所述多个像素坐标各自对应的变化状态，包括：

基于所述变化检测网络，根据所述至少一个候选区域的特征图，计算所述多个像素坐标分别属于至少一种变化状态的概率；

根据所述多个像素坐标分别属于至少一种变化状态的概率，输出所述多个像素坐标各自对应的变化状态。

8.根据权利要求7所述的方法，其特征在于，所述至少一种变化状态包括：新增状态、消失状态以及不变状态中的至少一种。