买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京三快在线科技有限公司

摘要：本说明书公开了一种实例追踪的方法及装置，通过分类模型的卷积神经网络层，确定当前时刻采集的图像对应的图像特征金字塔，将该图像特征金字塔分别输入该分类模型的第一全卷积网络层和第二全卷积网络层，分别得到各特征维度对应的掩膜和各追踪实例对应的掩膜组合系数，以确定当前时刻各追踪实例对应的掩膜，进一步确定当前时刻各追踪实例的特征向量，根据与历史时刻的待匹配追踪实例的特征向量的匹配结果，确定追踪实例的追踪结果。不同于现有技术，本方法不需要确定感兴趣区域，因此在对图像进行检测、分割和追踪时耗时低，进一步提高了实例追踪的效率。

主权项：1.一种实例追踪的方法，其特征在于，所述方法包括：从采集设备连续采集的各帧图像中，确定当前时刻用于输入分类模型的图像；将所述图像输入预先训练好的分类模型的卷积神经网络层，以得到当前时刻的图像特征金字塔；将所述当前时刻的图像特征金字塔作为输入，分别输入所述分类模型的第一全卷积网络层和第二全卷积网络层，得到所述第一全卷积网络层输出的各特征维度对应的掩膜，以及所述第二全卷积网络层输出的各追踪实例对应的掩膜组合系数；根据所述第一全卷积网络层输出的各特征维度对应的掩膜与所述第二全卷积网络层输出的各追踪实例对应的掩膜组合系数，确定当前时刻各追踪实例对应的掩膜；根据所述当前时刻各追踪实例对应的掩膜，确定当前时刻各追踪实例的特征向量；根据所述当前时刻各追踪实例的特征向量与指定历史时刻确定出的待匹配追踪实例的特征向量确定追踪实例的追踪结果；其中，所述分类模型包括：卷积神经网络层、所述第一全卷积网络层、所述第二全卷积网络层、装配层和全连接层，采用以下方法训练所述分类模型：获取历史上采集设备采集到的若干图像，作为训练样本，并确定各图像中每个实例的分类标签，作为样本标签；将确定出的训练样本输入待训练的分类模型的卷积神经网络层，以得到所述训练样本的图像特征金字塔；将所述训练样本的图像特征金字塔作为输入，分别输入所述待训练的分类模型的第一全卷积网络层和第二全卷积网络层，得到所述第一全卷积网络层输出的各特征维度对应的掩膜，以及所述第二全卷积网络层输出的训练样本中的各追踪实例对应的掩膜组合系数；将所述第一全卷积网络层输出的各特征维度对应的掩膜与所述第二全卷积网络层输出的训练样本中的各追踪实例对应的掩膜组合系数输入所述待训练的分类模型的装配层，得到所述训练样本中各追踪实例对应的掩膜；针对所述训练样本中的每个追踪实例对应的掩膜，将该追踪实例对应的掩膜输入所述待训练的分类模型的全连接层，得到所述训练样本中该追踪实例的分类结果；以最小化所述分类结果与所述样本标签之间的偏差为优化目标，对分类模型进行训练。

全文数据：

权利要求：

百度查询： 北京三快在线科技有限公司 一种实例追踪的方法及装置