[发明专利]对象追踪、地物追踪方法、设备、系统及存储介质

说明书

本申请实施例提供一种对象追踪、地物追踪方法、设备、系统及存储介质。在对象追踪方法中，通过对两时相图像进行实例分割，可细致地检测出两时像图像中的追踪对象；通过对两时相图像对应的像素坐标进行变化检测，可获取到像素级别的变化状态检测结果。基于分割得到的追踪对象以及像素级别的变化状态检测结果，可准确地获取到两时相图像中的追踪对象的变化状态，提升对象追踪结果的准确性和可靠性。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种对象追踪、地物追踪方法、设备、系统及存储介质。

背景技术

现如今，卫星遥感影像分析技术不断发展，在环境监测、基础设施发展监测以及灾害响应等场景中得到了广泛应用。在遥感影像分析技术中，可基于多时相遥感影像提供的丰富的数据，对指定区域进行变化检测以及地物追踪。

目前，存在一种基于CNN(Convolutional Neural Networks，卷积神经网络)对遥感影像进行变化检测的方案。在这种方案中，可基于CNN网络对遥感影像进行特征提取，并基于提取到的特征输出遥感影像对应的二分类的变化检测结果。但是，这种检测方案未能充分利用遥感影像包含的信息，不易提升最终的变化检测结果的准确性。因此，有待提出一种新的解决方案。

发明内容

本申请的多个方面提供一种对象追踪、地物追踪方法、设备、系统及存储介质，用以提升对象追踪结果的准确性。

本申请实施例提供一种对象追踪方法，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。

本申请实施例还提供一种地物追踪方法，包括：获取对目标环境进行拍摄得到的两时相遥感图像；根据所述两时相遥感图像的图像特征，确定所述两时相遥感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，对所述两时相遥感图像进行实例分割，得到所述两时相遥感图像包含的至少一个地面物体；以及，根据所述至少一个候选区域的特征图，对所述两时相遥感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；根据所述至少一个地面物体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，确定所述至少一个地面物体各自的变化状态。

本申请实施例还提供一种电子设备，包括：存储器和处理器；所述存储器用于存储一条或多条计算机指令；所述处理器用于执行所述一条或多条计算机指令以用于执行本申请实施例提供的方法中的步骤。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被处理器执行时能够实现本申请实施例提供的方法中的步骤。

本申请实施例提供的对象追踪方法中，通过对两时相图像进行实例分割，可细致地检测出两时像图像中的追踪对象；通过对两时相图像对应的像素坐标进行变化检测，可获取到像素级别的变化状态检测结果。基于分割得到的追踪对象以及像素级别的变化状态检测结果，可准确地获取到两时相图像中的追踪对象的变化状态，提升对象追踪结果的准确性和可靠性。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请一示例性实施例提供的对象追踪方法的流程示意图；

图2为本申请一示例性实施例提供的神经网络模型的结构示意图；

图3为本申请另一示例性实施例提供的神经网络模型的结构示意图；