[发明专利]一种视频中目标对象的检测跟踪方法、装置及设备

说明书

本申请公开了一种视频中目标对象的检测跟踪方法、装置及设备，其中，方法具体包括，将连续视频帧输入至预先训练得到的卷积神经网络中；其中，所述卷积神经网络至少包括设定数量的共享卷积层，区域建议网络层，利用所述共享卷积层提取连续视频帧的特征，得到分别对应于不同视频帧的特征映射图，利用所述区域建议网络层，根据所述特征映射图确定与目标对象相关的目标区域，基于所述目标区域，检测目标对象在连续视频帧中的位置及运行轨迹。通过该方法，采用卷积神经网络模型将检测跟踪统一起来，减少计算量，并可以解决目标多姿态多视角的检测难题，提升目标检出率，降低误检率。

技术领域

本申请涉及机器视觉技术领域，尤其涉及一种视频中目标对象的检测跟踪方法、装置及设备。

背景技术

目前，对视频中动态目标对象(如：视频中的车辆、行人等)的检测识别技术，广泛应用于交通、安全监控、家庭娱乐等多个领域。

现有技术中，为了提取视频中的动态目标对象，通常采用背景建模与前景检测(Background Generation And Foreground Detection)的方法，获取运动前景，从而得到相关的目标对象。

然而，现有技术中的上述方法受光照等环境因素的影响较大，可能造成较多误检，并且对静止的目标可能漏检。

发明内容

本说明书实施例提供一种视频中目标对象的检测跟踪方法、装置及设备，以通过神经网络模型实现对连续视频帧中目标对象的检测及跟踪。

本说明书实施例提供的一种视频中目标对象的检测跟踪方法，具体包括：

将连续视频帧输入至预先训练得到的卷积神经网络中；其中，所述卷积神经网络至少包括设定数量的共享卷积层，区域建议网络层；

利用所述共享卷积层提取连续视频帧的特征，得到分别对应于不同视频帧的特征映射图；

利用所述区域建议网络层，根据所述特征映射图确定与目标对象相关的目标区域；

基于所述目标区域，检测目标对象在连续视频帧中的位置及运行轨迹。

此外，本实施例还提供了一种视频中目标对象的检测跟踪装置，具体包括：

输入模块，将连续视频帧输入至预先训练得到的卷积神经网络中；其中，所述卷积神经网络至少包括设定数量的共享卷积层，区域建议网络层；

特征提取模块，利用所述共享卷积层提取连续视频帧的特征，得到分别对应于不同视频帧的特征映射图；

区域确定模块，利用所述区域建议网络层，根据所述特征映射图确定与目标对象相关的目标区域；

检测跟踪模块，基于所述目标区域，检测目标对象在连续视频帧中的位置及运行轨迹。

此外，本实施例还提供了一种视频中目标对象的检测跟踪设备，具体包括：

存储器，存储视频中目标对象的检测跟踪程序；

通讯接口，接收视频帧；

处理器，在通讯接口接收到视频帧后，调用存储器中存储的视频中目标对象的检测跟踪程序，并执行：

将连续视频帧输入至预先训练得到的卷积神经网络中；其中，所述卷积神经网络至少包括设定数量的共享卷积层，区域建议网络层；

利用所述共享卷积层提取连续视频帧的特征，得到分别对应于不同视频帧的特征映射图；

利用所述区域建议网络层，根据所述特征映射图确定与目标对象相关的目标区域；

基于所述目标区域，检测目标对象在连续视频帧中的位置及运行轨迹。