[發明專利]一種目標跟蹤方法和裝置在審
| 申請號: | 201710038545.5 | 申請日: | 2017-01-19 |
| 公開(公告)號: | CN106874938A | 公開(公告)日: | 2017-06-20 |
| 發明(設計)人: | 張雷;譙帥;張如高 | 申請(專利權)人: | 上海博康智能信息技術有限公司 |
| 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權代理有限公司11250 | 代理人: | 馬永芬 |
| 地址: | 200233 上海市徐*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 目標 跟蹤 方法 裝置 | ||
技術領域
本發明涉及視覺跟蹤領域,具體涉及一種目標跟蹤方法和裝置。
背景技術
目標跟蹤是指對跟蹤圖像中指定目標區域進行實時自動跟蹤,實時計算出目標在圖像場景中的精確位置。目標跟蹤是近年來計算機視覺領域中備受關注的前沿方向,它從包含運動目標的圖像序列中檢測、識別并跟蹤目標,并對其行為進行理解和描述。目標分析的研究涉及到模型識別、圖像處理、計算機視覺、人工智能等學科的內容。隨著現代信息技術的發展,目標跟蹤在軍用、民用以及醫學等方面具有重要意義。比如,目標跟蹤在視頻監控、智能導航、互動游戲、機器人技術以及增強現實等領域有著至關重要的應用。通常在進行目標跟蹤時,目標的特征都是采用固定維度的特征,而且這些固定維度的特征所組成的目標外觀模型是根據在每幀圖像中確定的跟蹤目標附近采集的正負樣本來進行更新。
然而,由于跟蹤圖像中景物的多樣性和復雜性,目標跟蹤技術在工程應用中仍然有許多問題有待解決。比如,在目標跟蹤過程中,由于光線變化、目標外觀變化、復雜背景影響等因素導致目標外觀模型中的一些特征的判別能力和描述能力下降,而隨著每次目標外觀模型的更新,判別誤差也會逐漸增大,進而容易造成跟蹤目標判別不準確,出現跟蹤錯誤等現象。
因此,如何提高目標跟蹤的準確度,成為一個亟待解決的技術問題。
發明內容
因此,本發明要解決的技術問題在于現有技術中在目標跟蹤過程中,跟蹤結果準確度低。
從而提供一種目標跟蹤方法和裝置。
有鑒于此,本發明實施例的第一方面提供了一種目標跟蹤方法,包括:獲取當前幀圖像中跟蹤目標的多個當前目標特征;根據歷史圖像獲取所述跟蹤目標的識別特征;所述根據多個所述當前目標特征和所述識別特征跟蹤所述跟蹤目標包括:分別計算多個所述當前目標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的所述當前目標特征作為所述跟蹤目標的當前特征;根據所述當前特征跟蹤所述跟蹤目標。
優選地,所述根據歷史圖像獲取所述跟蹤目標的識別特征包括:獲取歷史圖像中所述跟蹤目標的歷史目標特征池;獲取所述歷史圖像的最后一幀圖像中所述跟蹤目標的背景特征;根據所述歷史目標特征池和所述背景特征確定所述識別特征。
優選地,所述獲取歷史圖像中所述跟蹤目標的歷史目標特征池包括:分別提取每一幀圖像中所述跟蹤目標的壓縮特征;對所述壓縮特征進行低秩一致性分析,得到所述壓縮特征的稀疏矩陣;根據所述稀疏矩陣選取預設個數的所述壓縮特征生成所述歷史目標特征池。
優選地,所述根據所述歷史目標特征池和所述背景特征確定所述識別特征包括:將所述歷史目標特征池作為正樣本、所述背景特征作為負樣本訓練分類器得到分類特征向量;按照元素的系數從大到小依次從所述分類向量中選取目標元素生成所述識別特征。
優選地,還包括:將所述當前特征替換所述歷史目標特征池中具有最小稀疏值的稀疏矩陣對應的壓縮特征,生成新的歷史目標特征池。
本發明實施例的第二方面提供了一種目標跟蹤裝置,包括:第一獲取模塊,用于獲取當前幀圖像中跟蹤目標的多個當前目標特征;第二獲取模塊,用于根據歷史圖像獲取所述跟蹤目標的識別特征;計算模塊,用于分別計算多個所述當前目標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的所述當前目標特征作為所述跟蹤目標的當前特征;跟蹤模塊,用于根據所述當前特征跟蹤所述跟蹤目標。
優選地,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的歷史目標特征池;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的背景特征;確定單元,用于根據所述歷史目標特征池和所述背景特征確定所述識別特征。
優選地,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的壓縮特征;分析子單元,用于對所述壓縮特征進行低秩一致性分析,得到所述壓縮特征的稀疏矩陣;第一選取子單元,用于根據所述稀疏矩陣選取預設個數的所述壓縮特征生成所述歷史目標特征池。
優選地,所述確定單元包括:訓練子單元,用于將所述歷史目標特征池作為正樣本、所述背景特征作為負樣本訓練SVM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從大到小依次從所述分類向量中選取目標元素生成所述識別特征。
優選地,還包括:替換模塊,用于將所述當前特征替換所述歷史目標特征池中具有最小稀疏值的稀疏矩陣對應的壓縮特征,生成新的歷史目標特征池。
本發明的技術方案具有以下優點:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海博康智能信息技術有限公司,未經上海博康智能信息技術有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710038545.5/2.html,轉載請聲明來源鉆瓜專利網。





