基于文字描述的单目标跟踪方法、装置、设备及存储介质

摘要

本发明公开了基于文字描述的单目标跟踪方法、装置、设备及存储介质：对待跟踪视频按照设定帧数平均划分为若干个视频包；对文字描述提取出第一、二和三文字特征；对每个视频包的第n个采样帧分别提取第一、二和三视觉特征；基于每个视频包第n个采样帧的第一、第二和第三视觉特征分别对第一、第二和第三文字特征进行更新，得到更新后的第一、第二和第三文字特征；对待跟踪目标的样板图像，分别提取第四、第五和第六视觉特征；对搜索区域图像，分别提取第七，第八和第九视觉特征；将更新后的第一、第二和第三文字特征向量，分别与第四到第九视觉特征进行融合，得到融合特征；根据融合特征，得到待跟踪视频的当前视频包中每一帧的目标跟踪结果。