[發(fā)明專利]一種目標(biāo)跟蹤方法和裝置

在審

• 申請?zhí)枺?/td>: 201710038545.5
• 申請日: 2017-01-19
• 公開（公告）號: CN106874938A
• 公開（公告）日: 2017-06-20
• 發(fā)明（設(shè)計(jì)）人: 張雷;譙帥;張如高
• 申請（專利權(quán)）人: 上海博康智能信息技術(shù)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京三聚陽光知識產(chǎn)權(quán)代理有限公司11250
• 代理人: 馬永芬

1.一種目標(biāo)跟蹤方法，其特征在于，包括：

獲取當(dāng)前幀圖像中跟蹤目標(biāo)的多個(gè)當(dāng)前目標(biāo)特征；

根據(jù)歷史圖像獲取所述跟蹤目標(biāo)的識別特征；

分別計(jì)算多個(gè)所述當(dāng)前目標(biāo)特征與所述識別特征的特征距離；

選取最小的所述特征距離對應(yīng)的所述當(dāng)前目標(biāo)特征作為所述跟蹤目標(biāo)的當(dāng)前特征；

根據(jù)所述當(dāng)前特征跟蹤所述跟蹤目標(biāo)。

2.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，所述根據(jù)歷史圖像獲取所述跟蹤目標(biāo)的識別特征包括：

獲取歷史圖像中所述跟蹤目標(biāo)的歷史目標(biāo)特征池；

獲取所述歷史圖像的最后一幀圖像中所述跟蹤目標(biāo)的背景特征；

根據(jù)所述歷史目標(biāo)特征池和所述背景特征確定所述識別特征。

3.根據(jù)權(quán)利要求2所述的目標(biāo)跟蹤方法，其特征在于，所述獲取歷史圖像中所述跟蹤目標(biāo)的歷史目標(biāo)特征池包括：

分別提取每一幀圖像中所述跟蹤目標(biāo)的壓縮特征；

對所述壓縮特征進(jìn)行低秩一致性分析，得到所述壓縮特征的稀疏矩陣；

根據(jù)所述稀疏矩陣選取預(yù)設(shè)個(gè)數(shù)的所述壓縮特征生成所述歷史目標(biāo)特征池。

4.根據(jù)權(quán)利要求2所述的目標(biāo)跟蹤方法，其特征在于，所述根據(jù)所述歷史目標(biāo)特征池和所述背景特征確定所述識別特征包括：

將所述歷史目標(biāo)特征池作為正樣本、所述背景特征作為負(fù)樣本訓(xùn)練分類器得到分類特征向量；

按照元素的系數(shù)從大到小依次從所述分類向量中選取目標(biāo)元素生成所述識別特征。

5.根據(jù)權(quán)利要求2至4中任一項(xiàng)所述的目標(biāo)跟蹤方法，其特征在于，還包括：

將所述當(dāng)前特征替換所述歷史目標(biāo)特征池中具有最小稀疏值的稀疏矩陣對應(yīng)的壓縮特征，生成新的歷史目標(biāo)特征池。

6.一種目標(biāo)跟蹤裝置，其特征在于，包括：

第一獲取模塊，用于獲取當(dāng)前幀圖像中跟蹤目標(biāo)的多個(gè)當(dāng)前目標(biāo)特征；

第二獲取模塊，用于根據(jù)歷史圖像獲取所述跟蹤目標(biāo)的識別特征；

計(jì)算模塊，用于分別計(jì)算多個(gè)所述當(dāng)前目標(biāo)特征與所述識別特征的特征距離；

選取模塊，用于選取最小的所述特征距離對應(yīng)的所述當(dāng)前目標(biāo)特征作為所述跟蹤目標(biāo)的當(dāng)前特征；

跟蹤模塊，用于根據(jù)所述當(dāng)前特征跟蹤所述跟蹤目標(biāo)。

7.根據(jù)權(quán)利要求6所述的目標(biāo)跟蹤裝置，其特征在于，所述第二獲取模塊包括：

第一獲取單元，用于獲取歷史圖像中所述跟蹤目標(biāo)的歷史目標(biāo)特征池；

第二獲取單元，用于獲取所述歷史圖像的最后一幀圖像中所述跟蹤目標(biāo)的背景特征；

確定單元，用于根據(jù)所述歷史目標(biāo)特征池和所述背景特征確定所述識別特征。

8.根據(jù)權(quán)利要求7所述的目標(biāo)跟蹤裝置，其特征在于，所述第一獲取單元包括：

提取子單元，用于分別提取每一幀圖像中所述跟蹤目標(biāo)的壓縮特征；

分析子單元，用于對所述壓縮特征進(jìn)行低秩一致性分析，得到所述壓縮特征的稀疏矩陣；

第一選取子單元，用于根據(jù)所述稀疏矩陣選取預(yù)設(shè)個(gè)數(shù)的所述壓縮特征生成所述歷史目標(biāo)特征池。

9.根據(jù)權(quán)利要求7所述的目標(biāo)跟蹤裝置，其特征在于，所述確定單元包括：

訓(xùn)練子單元，用于將所述歷史目標(biāo)特征池作為正樣本、所述背景特征作為負(fù)樣本訓(xùn)練分類器得到分類特征向量；

第二選取子單元，用于按照元素的系數(shù)從大到小依次從所述分類向量中選取目標(biāo)元素生成所述識別特征。

10.根據(jù)權(quán)利要求7至9中任一項(xiàng)所述的目標(biāo)跟蹤裝置，其特征在于，還包括：

替換模塊，用于將所述當(dāng)前特征替換所述歷史目標(biāo)特征池中具有最小稀疏值的稀疏矩陣對應(yīng)的壓縮特征，生成新的歷史目標(biāo)特征池。