[发明专利]目标跟踪模型训练方法及装置、电子设备和存储介质

说明书

本发明实施例公开了一种目标跟踪模型训练方法及装置、电子设备和存储介质。所述方法包括：利用样本数据训练学习模型，获得待验证模型；向所述待验证模型输入验证样本的输入量，得到所述待验证模型的输出量；将对应于所述输入量的真实量及所述输出量代入一个损失函数，得到损失值；其中所述损失值，用于指示所述待验证模型检测和跟踪目标对象的累积偏差；比较所述损失值和目标值；若所述损失值小于所述目标值，确定所述待验证模型为训练得到的同时具有检测和跟踪功能的端到端跟踪模型。

技术领域

本发明涉及信息技术领域，尤其涉及一种目标跟踪模型训练方法及装置、电子设备和存储介质。

背景技术

目前已有的视觉跟踪系统主要由检测模块及跟踪模块等多个模块组成。

在处理视频中的某一帧图像时，检测模块从中检测到感兴趣的目标，跟踪模块再从中确定所跟踪的目标。首先，要保证检测模块能够高效的检测出目标，之后需要设计跟踪模块，提取图像中的颜色等特征，再结合过去时刻记录的跟踪目标的尺寸，位置等信息，从所检测出的目标中确定正在跟踪的目标，还要能够处理目标被遮挡，丢失等复杂的情况。

首先，不同的功能模块是需要确立模型，单独每一个模型都会有其误差，利用这种多个连接的功能模块进行目标跟踪，导致误差累积从而导致跟踪精确度低。

其次，每一个功能模块需要分别选择对应的模型，并确定模型参数，这样的话，这些模型的开发周期长、维护成本大，且系统运行分别运行这些模块的开销大。

发明内容

有鉴于此，本发明实施例期望提供一种目标跟踪模型训练方法及装置、电子设备和存储介质，至少部分解决上述问题。

为达到上述目的，本发明的技术方案是这样实现的：

第一方面，本发明实施例提供一种目标跟踪模型训练方法，包括：

利用样本数据训练学习模型，获得待验证模型；

向所述待验证模型输入验证样本的输入量，得到所述待验证模型的输出量；

将对应于所述输入量的真实量及所述输出量代入一个损失函数，得到损失值；其中所述损失值，用于指示所述待验证模型检测和跟踪目标对象的累积偏差；

比较所述损失值和目标值；

若所述损失值小于所述目标值，确定所述待验证模型为训练得到的同时具有检测和跟踪功能的端到端跟踪模型。

可选地，所述向所述待验证模型输入验证样本的输入量，得到所述待验证模型的输出量，包括：

向所述待验证模型输入第一时刻的采集图像，得到采集图像中检测对象的检测参数的检测量，其中，所述检测参数包括：坐标参数及属性参数；所述检测量包括：坐标值和属性值，所述坐标值，用于表征所述检测对象的位置；所述属性值，用于表征所述检测对象的属性。

可选地，所述坐标参数，包括：在x方向上x参数和在y方向上的y参数，其中，所述x方向垂直于所述y方向；

所述属性参数，包括：检测对象的宽度、高度及类型的至少其中之一。

可选地，所述损失函数如下：

其中，所述L为所述损失值；

λ_coord为预先确定的坐标权重系数；

λ_class为预先确定的类型权重系数；

λ_reg为预先确定的坐标变换量的权重系数；

x，y为所述真实量中的坐标值；

为所述检测量中的坐标值；