[发明专利]目标跟踪方法、装置、设备、介质及程序产品

说明书

本申请实施例提供了一种目标跟踪方法、装置、设备、介质及程序产品。该方法包括：通过获取目标区域图像以及搜索区域图像，然后，利用预设特征提取器对目标区域图像以及搜索区域图像分别进行特征提取，以确定目标区域图像特征以及搜索区域图像特征，并根据目标区域图像特征计算特征的自相关性，通过岭回归封闭解而学习到滤波器模板，从而将搜索区域图像特征与滤波器模板进行互相关操作，以确定互相关操作输出值中最大值为待跟踪目标在搜索区域图像中的位置，以能够提高目标跟踪方法的稳健性。

技术领域

本申请实施例涉及图像处理技术领域，并且更具体地，涉及一种目标跟踪方法、装置、设备、介质及程序产品。

背景技术

随着人工智能技术的快速发展，视觉目标跟踪是计算机视觉中的一个重要研究方向，在多个领域都具有广泛的应用。

目前，虽涌现出很多基于相关和深度特征的目标跟踪算法，能较好的进行视频单目标跟踪，其中具有代表性的DCFNet相关滤波跟踪算法。

但是，基于可判别相关网络的目标跟踪算法(DCFNet)方法，由于网络 CNN具有非常强大的学习能力，有时会导致过拟合现象的出现，这样会严重影响到训练出来的滤波器模板，进一步的积累误差到一定程度之后将导致跟踪失败。

发明内容

本申请实施例提供的目标跟踪方法、装置、设备、介质及程序产品，以能够提高目标跟踪方法的稳健性。

第一方面，本申请实施例提供了一种目标跟踪方法，包括：

获取目标区域图像以及搜索区域图像，其中，所述目标区域图像中包括待跟踪目标；

通过预设特征提取器对所述目标区域图像以及所述搜索区域图像分别进行特征提取，以确定目标区域图像特征以及搜索区域图像特征；

根据所述目标区域图像特征计算特征的自相关性，通过岭回归封闭解而学习到滤波器模板；

将所述搜索区域图像特征与所述滤波器模板进行互相关操作，以确定所述互相关操作输出值中最大值为所述待跟踪目标在所述搜索区域图像中的位置。

在一种可能的设计中，所述滤波器模板的学习采用增强数据样本，所述增强数据样本包括原始数据样本以及基于所述原始数据样本处理后的数据样本。

在一种可能的设计中，所述基于所述原始数据样本处理后的数据样本，包括：

在样本图像上随机确定矩形区域，并对所述矩形区域内的像素进行随机值的擦除后，所生成的处理图像，所述样本图像为所述原始数据样本中的图像；和/或，

在样本图像上随机确定中心像素点，并对所述中心像素点周围预设范围内的像填充为0后，所生成的处理图像，所述样本图像为所述原始数据样本中的图像。

在一种可能的设计中，在所述确定所述相关操作输出值中最大值为所述待跟踪目标在所述搜索区域图像中的位置之后，还包括：

根据每帧图像所确定的所述待跟踪目标在所述搜索区域图像中的位置对所述滤波器模板进行更新。

在一种可能的设计中，所述获取目标区域图像，包括：

根据在上一帧图像所确定的所述待跟踪目标在所述搜索区域图像中的位置确定所述目标区域图像。

在一种可能的设计中，所述获取搜索区域图像，包括：

对所述目标区域图像进行预设条件的尺度放缩，以确定当前帧中所对应的所述搜索区域图像。

在一种可能的设计中，所述确定所述互相关操作输出值中最大值为所述待跟踪目标在所述搜索区域图像中的位置，包括：