技术特征：
1.一种基于图像的目标跟踪方法，其特征在于，包括：通过预设的目标跟踪模型分别对模板图像和搜索图像进行卷积，以提取所述模板图像的第一特征和搜索图像的第二特征，其中，所述搜索图像和所述模板图像包含相同的目标对象；分别对所述第一特征和所述第二特征进行线性运算，以得到第三特征和第四特征；根据所述第一特征和所述第三特征，生成第一特征向量，及根据所述第二特征和所述第四特征，生成第二特征向量；及根据所述第一特征向量和所述第二特征向量，输出所述搜索图像对应的目标跟踪信息。2.根据权利要求1所述的目标跟踪方法，其特征在于，还包括：通过所述目标跟踪模型对更新图像进行卷积，以提取所述更新图像的第五特征，并对所述第五特征进行线性运算，以得到第六特征，连续多帧图像包括所述模板图像和所述搜索图像，所述模板图像的拍摄时间早于所述搜索图像的拍摄时间，所述更新图像为连续多帧图像中所述模板图像和所述搜索图像之间的任一帧图像；根据所述第五特征和所述第六特征，生成第三特征向量；所述根据所述第一特征向量和所述第二特征向量，输出目标跟踪信息，包括：通过所述第一特征向量的预设权值和所述第三特征向量的预设权值，加权融合所述第一特征向量和所述第三特征向量，以生成第四特征向量；根据所述第四特征向量和所述第二特征向量，输出所述目标跟踪信息。3.根据权利要求2所述的目标跟踪方法，其特征在于，所述目标跟踪信息包括目标对象的类型、目标对象的中心位置和所述中心位置距离目标框的距离，所述根据所述第四特征向量和所述第二特征向量，输出所述目标跟踪信息，包括：基于预设的无锚框的目标检测算法，根据所述第四特征向量中用于检测分类和所述中心位置的部分和所述第二特征向量中用于检测所述分类和所述中心位置的部分，输出所述目标对象的类型和目标对象的中心位置、及根据所述第四特征向量中用于检测所述中心位置和所述目标框的距离的部分和所述第二特征向量中用于检测所述中心位置和所述目标框的距离的部分，输出所述中心位置距离目标框的距离。4.根据权利要求3所述的目标跟踪方法，其特征在于，所述基于预设的无锚框的目标检测算法，处理所述第四特征向量和所述第二特征向量，以输出所述目标跟踪信息，包括：拆分所述第四特征向量，以获取第五特征向量和第六特征向量、及拆分所述第二特征向量，以获取第七特征向量和第八特征向量，所述第五特征向量和所述第七特征向量均包括用于检测所述分类和所述中心位置的信息，所述第六特征向量和所述第八特征向量均包括用于检测所述中心位置和所述目标框的距离的信息；根据所述第五特征向量和第七特征向量，生成第九特征向量、及根据所述第六特征向量和第八特征向量，生成第十特征向量；根据所述第九特征向量，输出所述目标对象的类型和目标对象的中心位置；及根据所述第十特征向量，输出所述中心位置距离目标框的距离。5.根据权利要求1所述的目标跟踪方法，其特征在于，还包括：获取预设的所述目标跟踪模型；
所述获取预设的所述目标跟踪模型，包括：获取训练集，所述训练集包括多个图像组，每个所述图像组包括训练模板图像和训练搜索图像，所述训练集还包括与所述图像组一一对应的标签信息，所述训练搜索图像和所述训练模板图像包含相同的目标对象；通过跟踪模型对所述训练模板图像和所述训练搜索图像进行卷积，以提取所述训练模板图像的第一特征和所述训练搜索图像的第二特征；对所述第一特征和所述第二特征进行线性运算，以分别得到第三特征和第四特征；根据所述第一特征和所述第三特征，生成第一特征向量，及根据所述第二特征和所述第四特征，生成第二特征向量；及根据所述第一特征向量和所述第二特征向量，输出目标跟踪信息；基于预设的损失函数，根据所述目标跟踪信息和所述标签信息计算损失值；根据所述损失值调整所述跟踪模型，直至所述跟踪模型收敛，以得到所述目标跟踪模型。6.根据权利要求5所述的目标跟踪方法，其特征在于，所述图像组还包括训练更新图像，连续多帧图像包括所述训练模板图像和所述训练搜索图像，所述训练模板图像的拍摄时间早于所述训练搜索图像的拍摄时间，所述训练更新图像为连续多帧图像中所述训练模板图像和所述训练搜索图像之间的任一帧图像；所述目标跟踪方法还包括：通过跟踪模型对所述训练更新图像进行卷积，以提取所述训练更新图像的第五特征，并对所述第五特征进行线性运算，以得到第六特征；根据所述第五特征和所述第六特征，生成第三特征向量；所述根据所述第一特征向量和所述第二特征向量，输出目标跟踪信息，包括：通过预设权值，加权融合所述第一特征向量和所述第三特征向量，以生成第四特征向量；根据所述第四特征向量和所述第二特征向量，输出所述目标跟踪信息；所述根据所述损失值调整所述跟踪模型，直至所述跟踪模型收敛，以得到所述目标跟踪模型，包括：根据所述损失值调整所述预设权值和预设的模型参数，直至所述跟踪模型收敛，以得到所述目标跟踪模型。7.根据权利要求5所述的目标跟踪方法，其特征在于，所述训练集包括正样本和负样本，所述正样本对应的所述图像组中，所述模板图像包含的目标对象和所述搜索图像包含的目标对象相同；所述负样本对应的所述图像组中，所述模板图像包含的目标对象和所述搜索图像包含的目标对象不相同。8.一种基于图像的目标跟踪装置，其特征在于，包括：特征提取模块，用于通过预设的目标跟踪模型分别对模板图像和搜索图像进行卷积，以提取所述模板图像的第一特征和搜索图像的第二特征，其中，所述搜索图像和所述模板图像包含相同的目标对象；分别对所述第一特征和所述第二特征进行线性运算，以得到第三特征和第四特征；根据所述第一特征和所述第三特征，生成第一特征向量，及根据所述第二特征和所述第四特征，生成第二特征向量；后处理模块，用于根据所述第一特征向量和所述第二特征向量，输出所述搜索图像对
应的目标跟踪信息。9.一种电子设备，其特征在于，包括处理器，所述处理器用于执行权利要求1-7任意一项所述的目标跟踪方法。10.一种计算机程序的非易失性计算机可读存储介质，其特征在于，当所述计算机程序被一个或多个处理器执行时，实现执行权利要求1-7任意一项所述的目标跟踪方法。
技术总结
本发明提供一种基于图像的目标跟踪方法、目标跟踪装置、电子设备及非易失性计算机可读存储介质。方法包括通过预设的目标跟踪模型分别对模板图像和搜索图像进行卷积，以提取模板图像的第一特征和搜索图像的第二特征，搜索图像和模板图像包含相同的目标对象；分别对第一特征和第二特征进行线性运算，以分别得到第三特征和第四特征；根据第一特征和第三特征，生成第一特征向量，及根据第二特征和第四特征，生成第二特征向量；及根据第一特征向量和第二特征向量，输出搜索图像对应的目标跟踪信息。通过对卷积提取的特征进行线性计算，能够得到更多的特征并提高提取的特征的准确性，能够保证目标跟踪信息的准确性。证目标跟踪信息的准确性。证目标跟踪信息的准确性。
技术研发人员：张永波 龚向锋 李长柏 崔文朋 熊艳伟 蔡雨露 郭始亿 孙健 苏伟
受保护的技术使用者：国网江苏省电力有限公司电力科学研究院
技术研发日：2022.12.06
技术公布日：2023/3/24