[发明专利]模型训练及目标跟踪方法、装置、电子设备和存储介质

说明书

本公开提供了一种模型训练及目标跟踪方法、装置、电子设备和存储介质，模型训练方法包括：获取不同目标跟踪类别对应的训练样本集，得到至少两个训练样本集；利用至少两个训练样本集中每个样本集，分别对预设的教师模型进行目标跟踪训练，得到至少两个预训练的教师模型；利用预设训练样本，结合至少两个预训练的教师模型和知识蒸馏方式，对预设的学生模型进行目标跟踪训练，得到训练后的学生模型，训练后的学生模型用于进行目标跟踪处理。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种模型训练及目标跟踪方法、装置、电子设备和存储介质。

背景技术

视觉目标跟踪，即对图像序列中的运动目标进行检测、提取、识别和跟踪，从而获得运动目标的运动轨迹等信息。

目前，视觉目标跟踪的实现主要采用基于传统滤波的目标跟踪算法或基于深度学习的目标跟踪算法。其中，基于传统滤波的目标跟踪算法，其处理速度快，运行效率高且便于实现和集成，然而，在面临密集、速度变化较大的场景时，该算法表现不稳定，难以达到实际应用需求，此外，由于传统滤波算法的局限性，难以对算法进行优化，精度较低。基于深度学习的目标跟踪算法，可以在复杂场景下准确并稳定的实现目标跟踪任务，但是，对硬件需求较高，运行效率较低。

发明内容

本公开实施例期望提供一种模型训练及目标跟踪方法、装置、电子设备和存储介质。

本公开实施例的技术方案是这样实现的：

本公开实施例提供了一种模型训练方法，所述方法包括：

获取不同目标跟踪类别对应的训练样本集，得到至少两个训练样本集；

利用所述至少两个训练样本集中每个样本集，分别对预设的教师模型进行目标跟踪训练，得到至少两个预训练的教师模型；

利用预设训练样本，结合所述至少两个预训练的教师模型和知识蒸馏方式，对预设的学生模型进行目标跟踪训练，得到训练后的学生模型，所述训练后的学生模型用于进行目标跟踪处理。

在上述方法中，所述利用预设训练样本，结合所述至少两个预训练的教师模型和知识蒸馏方式，对预设的学生模型进行目标跟踪训练，得到训练后的学生模型，包括：

利用所述至少两个预训练的教师模型和所述预设训练样本，确定至少两个教师特征图，并利用所述预设的学生模型和所述预设训练样本，确定学生特征图；

计算所述学生特征图和所述至少两个教师特征图之间的损失信息，得到第一损失函数；

计算所述学生特征图和所述预设训练样本对应的标准特征图之间的损失信息，得到第二损失函数；

基于所述第一损失函数和所述第二损失函数，对所述预设的学生模型进行调整，得到所述训练后的学生模型。

在上述方法中，所述预设训练样本包括：预设模板图像和预设跟踪图像，所述利用所述至少两个预训练的教师模型和所述预设训练样本，确定至少两个教师特征图，并利用所述预设的学生模型和所述预设训练样本，确定学生特征图，包括：

利用所述至少两个预训练的教师模型中每个模型，分别根据所述预设跟踪图像和所述预设模板图像进行目标跟踪处理，得到所述至少两个教师特征图；

利用所述预设的学生模型，根据所述预设跟踪图像和所述预设模板图像进行目标跟踪处理，得到所述学生特征图。

在上述方法中，所述计算所述学生特征图和所述至少两个教师特征图之间的损失信息，得到第一损失函数，包括：

对所述至少两个教师特征图进行加权求和，得到第一教师特征图；

将所述第一教师特征图调整至与所述学生特征图尺寸相同的特征图，得到第二教师特征图；