[發明專利]尺度自適應的目標模型更新方法及裝置

有效

• 申請號: 201710970365.0
• 申請日: 2017-10-16
• 公開（公告）號: CN107886522B
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 董逢武;陳忠濤;岳諾寧;劉陽;楊寧;向濤;周誠
• 申請（專利權）人: 武漢沃德自動化技術有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/60;G06K9/46;G06K9/42
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

1.一種尺度自適應的目標模型更新方法，其特征在于，包括：

基于尺度金字塔，確定目標的最優圖像尺度；

當所述目標未被遮擋時，基于所述最優圖像尺度，更新所述目標的下一幀圖像的目標模型；

其中，所述基于尺度金字塔，確定目標的最優圖像尺度，包括：

確定所述尺度金字塔中每一圖像層對應的歸一化灰度分布直方圖；

確定所述目標的當前幀圖像的目標模型對應的歸一化灰度分布直方圖；

基于每一圖像層對應的歸一化灰度分布直方圖及當前幀圖像的目標模型對應的歸一化灰度分布直方圖，確定所述目標的最優圖像尺度；

其中，所述確定所述尺度金字塔中每一圖像層對應的歸一化灰度分布直方圖，包括：

基于每一圖像層中每一像素的位置權重以及灰度等級，確定每一圖像層對應的灰度分布直方圖；

對每一圖像層對應的灰度分布直方圖進行歸一化，得到每一圖像層對應的歸一化灰度分布直方圖；

所述基于每一圖像層對應的歸一化灰度分布直方圖及當前幀圖像的目標模型對應的歸一化灰度分布直方圖，確定所述目標的最優圖像尺度，包括：

計算每一圖像層對應的歸一化灰度分布直方圖與當前幀圖像的目標模型對應的歸一化灰度分布直方圖之間的巴氏系數；

確定最大巴氏系數，將最大巴氏系數對應圖像層對應的圖像尺度作為所述目標的最優圖像尺度。

2.根據權利要求1所述的方法，其特征在于，所述基于尺度金字塔，確定目標的最優圖像尺度之前，還包括：

基于預設層數，確定每一圖像層對應的長與寬；

以所述目標的目標坐標為中心，按照每一圖像層對應的長與寬，對所述目標的當前幀圖像進行縮放，以得到所述尺度金字塔。

3.根據權利要求2所述的方法，其特征在于，所述基于每一圖像層中每一像素的位置權重以及灰度等級，確定每一圖像層對應的灰度分布直方圖之前，還包括：

基于所述目標的目標坐標、每一圖像層中每一像素的橫縱坐標及每一圖像層的長寬，確定每一圖像層中每一像素的位置權重；

基于每一圖像層中每一像素的像素灰度值，確定每一圖像層中每一像素的灰度等級。

4.根據權利要求1所述的方法，其特征在于，所述基于所述最優圖像尺度，更新所述目標的下一幀圖像的目標模型之前，還包括：

獲取當前幀圖像中跟蹤器計算得到的相關峰峰值；

當所述相關峰峰值不小于預設閾值時，確定所述目標未被遮擋。

5.根據權利要求1所述的方法，其特征在于，所述基于所述最優圖像尺度，更新所述目標的下一幀圖像的目標模型，包括：

基于所述最優圖像尺度，確定目標模型的尺度參數；

基于概率參數、所述目標的當前幀圖像的目標模型以及上一幀圖像的目標模型，更新下一幀圖像的目標模型。

6.根據權利要求5所述的方法，其特征在于，所述基于概率參數、所述目標的當前幀圖像的目標模型以及上一幀圖像的目標模型，更新下一幀圖像的目標模型之前，還包括：

基于當前幀圖像中跟蹤器計算得到的相關峰峰值，確定所述概率參數。

7.一種尺度自適應的目標模型更新裝置，其特征在于，包括：

第一確定模塊，用于基于尺度金字塔，確定目標的最優圖像尺度；

更新模塊，用于當所述目標未被遮擋時，基于所述最優圖像尺度，更新所述目標的下一幀圖像的目標模型；

其中，所述第一確定模塊包括：

第一確定單元，用于確定所述尺度金字塔中每一圖像層對應的歸一化灰度分布直方圖；

第二確定單元，用于確定所述目標的當前幀圖像的目標模型對應的歸一化灰度分布直方圖；

第三確定單元，用于基于每一圖像層對應的歸一化灰度分布直方圖及當前幀圖像的目標模型對應的歸一化灰度分布直方圖，確定所述目標的最優圖像尺度；

其中，第一確定單元用于：

基于每一圖像層中每一像素的位置權重以及灰度等級，確定每一圖像層對應的灰度分布直方圖；

對每一圖像層對應的灰度分布直方圖進行歸一化，得到每一圖像層對應的歸一化灰度分布直方圖；

第三確定單元用于：

計算每一圖像層對應的歸一化灰度分布直方圖與當前幀圖像的目標模型對應的歸一化灰度分布直方圖之間的巴氏系數；

確定最大巴氏系數，將最大巴氏系數對應圖像層對應的圖像尺度作為所述目標的最優圖像尺度。