[发明专利]目标跟踪和标注方法、装置、可读存储介质及计算机设备

权利要求书

1.一种目标跟踪和标注方法，其特征在于，所述方法包括：

从视频中获取需要跟踪和标注的目标物体，并使用siammask目标跟踪算法对所述目标物体进行跟踪，以获得跟踪掩码；

从所述跟踪掩码中筛选出目标掩码，并获得所述目标掩码的轮廓位置属性；

将所述目标掩码的轮廓位置属性转换成yolo系列目标检测时所需要的格式，以获得yolo系列目标检测标签文件及其对应的图像。

2.根据权利要求1所述的目标跟踪和标注方法，其特征在于，从视频中获取需要跟踪和标注的目标物体，并使用siammask目标跟踪算法对所述目标物体进行跟踪，以获得跟踪掩码的步骤具体包括：

在含有需要跟踪和标注的目标物体的视频中框选出所述目标物体；

使用siammask目标跟踪算法对所述目标物体进行跟踪；

通过siammask目标跟踪算法获取对所述目标物体进行跟踪时得到的跟踪掩码。

3.根据权利要求1所述的目标跟踪和标注方法，其特征在于，从所述跟踪掩码中筛选出目标掩码，并获得所述目标掩码的轮廓位置属性的步骤具体包括：

通过opencv库的findContours()函数查找所述跟踪掩码中各个物体的轮廓，以得到轮廓列表；

通过python库opencv中的boundingRect()函数获取所述轮廓列表中各个轮廓的位置属性以及各个轮廓的面积；

获取面积最大的轮廓，并将面积最大的轮廓作为所述目标掩码的轮廓，将面积最大的轮廓的位置属性作为所述目标掩码的轮廓位置属性。

4.根据权利要求3所述的目标跟踪和标注方法，其特征在于，将所述目标掩码的轮廓位置属性转换成yolo系列目标检测时所需要的格式，以获得yolo系列目标检测标签文件及其对应的图像的步骤具体包括：

根据所述目标掩码的轮廓位置属性计算所述目标物体相对原始图像大小的比例；

将所述目标物体相对图像大小的位置转换为yolo系列目标检测时所需要的格式，以获得yolo系列目标检测标签文件及其对应的图像。

5.根据权利要求4所述的目标跟踪和标注方法，其特征在于，根据所述目标掩码的轮廓位置属性计算所述目标物体相对原始图像大小的比例的步骤中，采用下式计算所述目标物体相对原始图像大小的比例：

其中，W、H表示原始图像的宽、高，x_k、y_k表示面积最大的轮廓k的左上角顶点坐标位置，width_k、height_k表示面积最大的轮廓k的宽、高，p_kx、p_ky表示面积最大的轮廓k的最小矩形边界框中心位置相对于原始图像大小的比例，p_kw、p_kh表示最大轮廓的轮廓k最小矩形边界框的宽、高相对于原始图像大小的比例。

6.根据权利要求1至5任一项所述的目标跟踪和标注方法，其特征在于，将所述目标掩码的轮廓位置属性转换成yolo系列目标检测时所需要的格式，以获得yolo系列目标检测标签文件及其对应的图像的步骤之后，所述方法还包括：

将所述yolo系列目标检测标签文件及其对应的图像存储在预设文件夹中；

将所述预设文件夹中已经标注好的文件按照预设划分比例划分成训练集、验证集、测试集；

通过所述训练集、验证集、测试集对yolo系列的神经网络模型进行模型训练，训练完成的所述神经网络训练模型用于目标检测。

7.一种目标跟踪和标注装置，其特征在于，所述装置包括：

获取跟踪模块，用于从视频中获取需要跟踪和标注的目标物体，并使用siammask目标跟踪算法对所述目标物体进行跟踪，以获得跟踪掩码；

筛选获取模块，用于从所述跟踪掩码中筛选出目标掩码，并获得所述目标掩码的轮廓位置属性；

转换生成模块，用于将所述目标掩码的轮廓位置属性转换成yolo系列目标检测时所需要的格式，以获得yolo系列目标检测标签文件及其对应的图像。