[發明專利]對象跟蹤方法及對象跟蹤裝置

有效

• 申請號: 201610597193.2
• 申請日: 2016-07-26
• 公開（公告）號: CN107665495B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 胡琦;王世婷;溫東超
• 申請（專利權）人: 佳能株式會社
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 北京怡豐知識產權代理有限公司 11293
• 代理人: 遲軍

本發明提供一種對象跟蹤方法及對象跟蹤裝置。本發明的各個方面中的一個方面公開了所述對象跟蹤方法。所述對象跟蹤方法包括以下步驟：從當前圖像的至少一個先前圖像中，確定第一對象與第二對象之間的運動差異；針對各第二對象，根據所述第一對象與該第二對象之間的相應運動差異，來計算這兩個對象之間的參數；其中，所述參數表示這兩個對象的運動一致性；基于相應參數，將所述第一對象和相應的第二對象確定為移動組；通過將相應參數與預定義閾值進行比較，來確定所述移動組的類型；以及根據與所述移動組的所述類型相對應的預定義跟蹤方法，來確定所述第一對象在所述當前圖像中的位置。根據本發明，將提高對象跟蹤精度。

技術領域

本發明涉及圖像處理，特別是涉及例如對象跟蹤。

背景技術

對象(例如，面部、行人)跟蹤是在視頻的每個幀(即，每個圖像)中確定對象位置。在交通安全、監控或顧客行為分析領域中，對象跟蹤變得日益重要。并且，在動態、復雜的真實世界場景中，尤其是在擁擠的情景中，魯棒地對人進行檢測和跟蹤是至關重要的。傳統方法是單獨基于各對象自身過去的軌跡，而不考慮其他對象，來確定該對象的位置。然而，實際上，一個對象很少被孤立并與整個場景無關。因此，可能存在具有與該對象的短期或長期的運動相關性的其他一些對象。

在“Multi-Target Tracking by Online Learning of Non-linear MotionPatterns and Robust Appearance Models”(基于非線性運動模式及魯棒外觀模型的在線學習的多目標跟蹤)(Bo Yang and Ram Nevatia,Institute for Robotics andIntelligent Systems,University of Southern California,Los Angeles,CA 90089,USA,in CVPR2012)(Bo Yang，Ram Nevatia，機器人與智能系統協會，南加利福尼亞大學，洛杉磯，CA 90089，USA，CVPR2012)中，公開了一種在確定一個被跟蹤對象(object to betracked)的位置時考慮其他對象的示例性技術。上述技術引入了一種移動組(movinggroup)方法來提高對象跟蹤精度，其中，所述移動組是如下的一組人，這些人以相近的速度和相近的方向移動，而且保持彼此接近。在上述技術中，在某一時間內、一個被跟蹤對象和該被跟蹤對象周圍的對象的位置保持足夠接近的情況下，該被跟蹤對象與其周圍的對象將被視為同屬于移動組；否則，該被跟蹤對象將被視為單個對象。而后，對于單個對象，將由對象檢測器來確定被跟蹤對象在當前圖像中的位置。對于移動組中的被跟蹤對象，將先由對象檢測器，來確定被跟蹤對象在當前圖像中的位置。并且，在未能由對象檢測器確定出位置的情況下，將根據移動組中的對象在當前圖像的先前圖像當中的移動軌跡，來估計位置。

如上所述，對于移動組中的被跟蹤對象，在對象檢測器未能確定出位置的情況下，將根據移動組中的對象在當前圖像的先前圖像當中的移動軌跡，來估計位置。然而，在移動組中的對象之間存在嚴重遮擋的情況下，所估計的被跟蹤對象的位置將是錯誤的。例如，如圖1A所示，人A是被跟蹤對象，并且人A被人B嚴重遮擋。如上所述，人A和人B將被視為同屬于移動組。當在當前圖像的搜索區域中確定人A的位置時，根據上述技術確定的人A的位置(即，圖1B中所示的矩形框)將包含人B的許多信息。換言之，所確定的人A的位置是不準確的。因此，對象跟蹤精度不理想。

發明內容

因此，鑒于上面在背景技術中的敘述，本公開旨在解決如上所述的問題。