[发明专利]用包括跟踪网的卷积神经网络获取与图像中的对象对应的边界框的方法和使用其的计算装置

摘要

提供了一种获取与对象相对应的边界框的方法。该方法包括以下步骤：(a)获取建议框；(b)通过参考(i)将参考边界框与建议框之间的距离进行比较的结果和/或(ii)将表示建议框是否包括对象的分数进行比较的结果，在建议框中选择特定建议框，然后设置特定建议框作为跟踪框的起始区域；(c)通过使用均值漂移跟踪算法确定当前帧的特定区域作为跟踪框的目标区域；以及(d)允许池化层通过将池化运算应用于对应于特定区域的区域生成池化特征图，然后允许FC层通过对池化特征图应用回归运算来获取边界框。

主权项

1.一种通过使用包括跟踪网的CNN获取与测试图像中的至少一个对象相对应的至少一个边界框的方法，包括以下步骤：(a)如果通过对作为当前帧的所述测试图像应用卷积运算而生成特征图，然后输出通过由区域建议网络(RPN)对所述特征图应用特定操作而得到的关于多个建议框的信息，则测试装置获取或支持另一装置获取所述多个建议框；(b)所述测试装置通过参考以下至少一项在所述多个建议框中选择或支持另一装置在所述多个建议框中选择至少一个特定建议框：(i)将前一帧中的所述对象的参考边界框与所述多个建议框的每一个之间的每个距离进行比较的结果以及(ii)将作为指示所述建议框的每一个是否包括所述对象的概率值的每个分数进行比较的结果，然后设置或支持另一装置设置所述特定建议框作为跟踪框的起始区域，其中，所述起始区域用于均值漂移跟踪算法；(c)通过使用所述均值漂移跟踪算法，所述测试装置确定或支持另一装置确定所述当前帧的特定区域作为所述跟踪框的目标区域，所述特定区域具有关于和与所述前一帧中的所述对象的像素数据对应的概率类似的概率的信息；以及(d)所述测试装置允许池化层通过对所述特征图中对应于所述特定区域的区域应用池化运算生成池化特征图，然后允许FC层通过对所述池化特征图应用回归运算来获取边界框。