[发明专利]目标跟踪方法、设备及计算机可读存储介质

权利要求书

1.一种目标跟踪方法，其特征在于，包括：

从视频图像中获取包括目标图像的第一图像帧，并根据所述第一图像帧中的目标图像建立第一三维模型；

从所述视频图像中获取至少一个包括目标图像的第二图像帧，并根据每一所述第二图像帧分别建立第二三维模型，在所述视频图像中，所述第二图像帧位于所述第一图像帧之后；

根据所述第二三维模型对所述第一三维模型进行修正，并使用所述第一三维模型对所述视频图像中的目标图像进行追踪。

2.根据权利要求1所述的目标跟踪方法，其特征在于，所述从所述视频图像中获取至少一个包括目标图像的第二图像帧，包括：

获取所述视频图像中与所述第一图像帧间隔预设时间的图像帧；

判断所述图像帧中是否包括所述目标图像，并在所述图像帧中不包括所述目标图像时判断当前图像帧的下一图像帧是否包含目标图像，直到所述图像帧中包括目标图像，并将包括目标图像的图像帧作为第二图像帧。

3.根据权利要求2所述的目标跟踪方法，其特征在于，所述判断所述图像帧中是否包括所述目标图像，包括：

分析获得所述图像帧中所有的疑似目标图像，并将每一所述疑似目标图像与所述第一三维模型进行比对；

在任一所述疑似目标图像与所述第一三维模型匹配时，确认所述图像帧包含目标图像。

4.根据权利要求1所述的目标跟踪方法，其特征在于，所述根据所述第二三维模型对所述第一三维模型进行修正，包括：

将所述第一三维模型和第二三维模型分别输入到3D-GEN网络中的生成网络，并将所述生成网络的输出作为修正后的第一三维模型。

5.根据权利要求1所述的目标跟踪方法，其特征在于，所述根据所述第一图像帧中的目标图像建立第一三维模型，包括：

从所述第一图像帧中攫取目标图像；

使用深度学习模型对从所述第一图像帧中攫取的目标图像进行处理，生成所述目标图像的第一三维模型；

所述根据每一所述第二图像帧分别建立第二三维模型，包括对每一所述第二图像帧进行的以下操作：

从所述第二图像帧中攫取目标图像；

使用深度学习模型对从所述第二图像帧中攫取的目标图像进行处理，生成所述目标图像的第二三维模型。

6.根据权利要求5所述的目标跟踪方法，其特征在于，所述使用深度学习模型对从所述第一图像帧中攫取的目标图像进行处理，生成所述目标图像的第一三维模型，包括：在从所述第一图像帧中攫取的目标图像的分辨率小于预设分辨率时，使用人工智能算法对从所述第一图像帧中攫取的目标图像进行插值处理，使从所述第一图像帧中攫取的目标图像的分辨率达到预设分辨率；

所述使用深度学习模型对从所述第二图像帧中攫取的目标图像进行处理，生成所述目标图像的第二三维模型，包括：在从所述第二图像帧中攫取的目标图像的分辨率小于预设分辨率时，使用人工智能算法对从所述第二图像帧中攫取的目标图像进行插值处理，使从所述第二图像帧中攫取的目标图像的分辨率达到预设分辨率。

7.根据权利要求1所述的目标跟踪方法，其特征在于，所示使用所述第一三维模型对所述视频图像中的目标图像进行追踪，包括：

对于所述视频图像中的第一图像帧之后的每一图像帧，分析获得所有疑似目标图像；

将每一疑似目标图像与所述第一三维模型进行比对；

在所述图像帧中的任一疑似目标图像与所述第一三维模型匹配时，在所述图像帧中突出显示与所述第一三维模型匹配的疑似目标图像。

8.根据权利要求1所述的目标跟踪方法，其特征在于，所述目标图像为人的头部或脸部。

9.一种目标跟踪设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述目标跟踪方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述目标跟踪方法的步骤。