[发明专利]目标跟踪方法及装置

权利要求书

1.一种目标跟踪方法，其特征在于，包括：

检测多个视频帧中的运动物体；

根据多个视频帧中的运动物体确定跟踪的目标；

提取所述目标的特征，并根据所述目标的特征训练卷积神经网络分类模型中的目标相关部分，其中，所述卷积神经网络分类模型中的目标无关部分采用预先训练的参数；

对于当前跟踪的视频帧，以所述当前跟踪的视频帧的上一视频帧中的目标位置为中心，确定所述当前跟踪的视频帧中的候选区域；

通过所述卷积神经网络分类模型从所述当前跟踪的视频帧中的各个候选区域中确定所述当前跟踪的视频帧中的目标区域；

所述方法还包括：

根据最近跟踪的N个视频帧中的目标，对所述卷积神经网络分类模型中的目标相关部分进行更新训练，其中，N为大于1的整数；

包括：维持一个长度为N的目标图像列表，以保存最近跟踪的N个视频帧中的目标图像，并每隔L帧采用该目标图像列表对卷积神经网络分类模型中的目标相关部分进行更新训练。

2.根据权利要求1所述的方法，其特征在于，确定所述当前跟踪的视频帧中的候选区域，包括：

采用高斯分布采样的方式，确定所述当前跟踪的视频帧中的候选区域。

3.根据权利要求1所述的方法，其特征在于，通过所述卷积神经网络分类模型从所述当前跟踪的视频帧中的各个候选区域中确定所述当前跟踪的视频帧中的目标区域，包括：

通过所述卷积神经网络分类模型确定所述当前跟踪的视频帧中的各个候选区域中包含所述目标的概率；

将所述当前跟踪的视频帧中的各个候选区域中包含所述目标的概率最大的候选区域作为所述当前跟踪的视频帧中的目标区域。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述目标在各个已跟踪的视频帧中的位置训练位置优化模型；

根据所述位置优化模型对所述当前跟踪的视频帧中的目标区域进行优化。

5.一种目标跟踪装置，其特征在于，包括：

检测模块，用于检测多个视频帧中的运动物体；

第一确定模块，用于根据多个视频帧中的运动物体确定跟踪的目标；

第一训练模块，用于提取所述目标的特征，并根据所述目标的特征训练卷积神经网络分类模型中的目标相关部分，其中，所述卷积神经网络分类模型中的目标无关部分采用预先训练的参数；

第二确定模块，用于对于当前跟踪的视频帧，以所述当前跟踪的视频帧的上一视频帧中的目标位置为中心，确定所述当前跟踪的视频帧中的候选区域；

第三确定模块，用于通过所述卷积神经网络分类模型从所述当前跟踪的视频帧中的各个候选区域中确定所述当前跟踪的视频帧中的目标区域；

所述装置还包括：

第三训练模块，用于根据最近跟踪的N个视频帧中的目标图像，对所述卷积神经网络分类模型中的目标相关部分进行更新训练，其中，N为大于1的整数；

所述第三训练模块具体用于：维持一个长度为N的目标图像列表，以保存最近跟踪的N个视频帧中的目标图像，并每隔L帧采用该目标图像列表对卷积神经网络分类模型中的目标相关部分进行更新训练。

6.根据权利要求5所述的装置，其特征在于，所述第二确定模块用于：

对于当前跟踪的视频帧，以所述当前跟踪的视频帧的上一视频帧中的目标位置为中心，采用高斯分布采样的方式，确定所述当前跟踪的视频帧中的候选区域。

7.根据权利要求5所述的装置，其特征在于，所述第三确定模块包括：

第一确定子模块，用于通过所述卷积神经网络分类模型确定所述当前跟踪的视频帧中的各个候选区域中包含所述目标的概率；

第二确定子模块，用于将所述当前跟踪的视频帧中的各个候选区域中包含所述目标的概率最大的候选区域作为所述当前跟踪的视频帧中的目标区域。