[发明专利]目标分割追踪方法、装置、电子设备和存储介质

权利要求书

1.一种目标分割追踪方法，其特征在于，所述方法包括：

获取待处理图像；

通过卷积神经网络对所述待处理图像进行卷积编码，获得所述待处理图像的特征金字塔；

根据所述特征金字塔对所述待处理图像中的各个目标的类别和位置进行预测，并基于各个目标的类别和位置计算各个目标的形心坐标；

针对所述待处理图像中的每一个目标，根据所述特征金字塔对所述目标的轮廓进行回归，并基于所述形心坐标计算所述目标的多个轮廓点的坐标；

针对每一个目标，根据所述特征金字塔和所述目标的各个轮廓点的坐标生成所述目标的追踪向量；

通过匈牙利匹配算法对连续多帧待处理图像中的所述目标的追踪向量进行匹配，获得所述目标的追踪ID。

2.根据权利要求1所述的方法，其特征在于，通过卷积神经网络对所述待处理图像进行卷积编码，获得所述待处理图像的特征金字塔，包括：

使用卷积神经网络对所述待处理图像进行卷积编码和多次下采样，获得所述待处理图像的多个不同尺度的第一特征图；

对所述待处理图像的最小尺度的第一特征图进行卷积和多次上采样，以获得所述待处理图像的多个不同尺度的第二特征图；

将相同尺度的第一特征图和第二特征图进行拼接，获得所述待处理图像的特征金字塔。

3.根据权利要求1所述的方法，其特征在于，根据所述特征金字塔对所述待处理图像中的各个目标的类别和位置进行预测，并基于各个目标的类别和位置计算各个目标的形心坐标，包括：

通过目标类别预测模型对所述特征金字塔进行处理，获得多尺度热力图预测结果，所述多尺度热力图预测结果用于表征各个所述目标在特征图上的位置和类别；

通过多尺度热力图预测结果获得各个类别的热力图，其中，所述热力图包括多个同类别的目标；

将所述热力图中热力值最大的点作为各个目标的形心，获得各个目标的形心坐标。

4.根据权利要求1所述的方法，其特征在于，针对所述待处理图像中的每一个目标，根据所述特征金字塔对所述目标的轮廓进行回归，并基于所述形心坐标计算所述目标的多个轮廓点的坐标，包括：

针对每一个目标，基于所述目标的形心为所述目标构建坐标系，其中，所述目标的形心为所述目标的坐标系中的原点；

根据所述目标的轮廓获得所述目标的多个轮廓点，并基于所述目标的形心坐标分别计算各个轮廓点的坐标。

5.根据权利要求1所述的方法，其特征在于，针对每一个目标，根据所述特征金字塔和所述目标的各个轮廓点的坐标生成所述目标的追踪向量，包括：

针对每一个目标，根据所述目标的各个轮廓点的坐标及所述目标的形心坐标计算获得所述目标的掩膜图像；

根据所述目标的掩膜图像及所述特征金字塔获取所述掩膜图像的特征图；

将所述掩膜图像的特征图输入至全连接层，获得所述目标的追踪向量。

6.根据权利要求5所述的方法，其特征在于，针对每一个目标，根据所述特征金字塔和所述目标的各个轮廓点的坐标生成所述目标的追踪向量，还包括：

通过TripletLoss对各个目标的追踪向量进行优化。

7.一种目标分割追踪装置，其特征在于，所述装置包括：

图像获取模块，用于获取待处理图像；

卷积模块，用于通过卷积神经网络对所述待处理图像进行卷积编码，获得所述待处理图像的特征金字塔；

形心计算模块，用于根据所述特征金字塔对所述待处理图像中的各个目标的类别和位置进行预测，并基于各个目标的类别和位置计算各个目标的形心坐标；

目标轮廓计算模块，用于针对所述待处理图像中的每一个目标，根据所述特征金字塔对所述目标的轮廓进行回归，并基于所述形心坐标计算所述目标的多个轮廓点的坐标；

追踪向量计算模块，用于针对每一个目标，根据所述特征金字塔和所述目标的各个轮廓点的坐标生成所述目标的追踪向量；

匹配模块，用于通过匈牙利匹配算法对连续多帧待处理图像中的所述目标的追踪向量进行匹配，获得所述目标的追踪ID。