[發明專利]一種視頻人體軌跡跟蹤方法、裝置及存儲介質

有效

• 申請號: 201711228494.9
• 申請日: 2017-11-29
• 公開（公告）號: CN109859234B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 王甜甜;韋澤垠
• 申請（專利權）人: 深圳TCL新技術有限公司
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 王永文;劉文求

1.一種視頻人體軌跡跟蹤方法，用于對視頻中目標人體進行跟蹤識別，其特征在于包括如下步驟：

A、讀取樣本圖像，對所述樣本圖像處理，獲取所述樣本圖像的人臉紋理信息，以及所述樣本圖像中的人體各模塊的深度信息平均值；

B、對視頻進行分解處理，獲取每幀視頻圖像及其對應的時間序列，并對每幀視頻圖像處理，獲取每幀視頻圖像的人臉紋理信息，以及獲取每幀視頻圖像中的人體各模塊的深度信息平均值；

C、計算所述每幀視頻圖像中的人體各模塊的深度信息平均值與所述樣本圖像中的人體各模塊的深度信息平均值差值的總和，分類出正樣本視頻圖像幀與負樣本視頻圖像幀，得到待檢測的正樣本視頻圖像幀集合；

D、獲取所述正樣本視頻圖像幀中所需視頻圖像幀，并根據獲得的視頻圖像幀集合得到人體在視頻中的軌跡；

所述步驟A讀取樣本圖像，對所述樣本圖像處理，獲取所述樣本圖像的人臉紋理信息，以及所述樣本圖像中的人體各模塊的深度信息平均值中，包括如下具體步驟：

利用Adaboost算法提所述樣本圖像中的人臉圖像；

利用LBP算法獲取所述樣本圖像中的人臉圖像紋理信息；

利用RCNN算法提取所述樣本圖像中的人體模塊信息；

將獲得的所述樣本圖像中的人體模塊信息輸入到SqueezeNet模型中訓練，得到所述樣本圖像對應的人體模塊的分類信息，并獲得所述樣本圖像每個人體模塊的深度信息及每個人體模塊的深度信息平均值；

所述步驟B對視頻進行分解處理，獲取每幀視頻圖像及其對應的時間序列，并對每幀視頻圖像處理，獲取每幀視頻圖像的人臉紋理信息，以及獲取每幀視頻圖像中的人體各模塊的深度信息平均值中，包括如下具體步驟：

利用FFmpeg算法對視頻進行分解處理，獲取所述視頻的每幀視頻圖像，并獲得所述視頻的每幀視頻圖像的時間序列；

利用RCNN算法提取所述每幀視頻圖像中的人體模塊信息；

將獲得的所述每幀視頻圖像中的人體模塊信息輸入到SqueezeNet模型中訓練，得到所述每幀視頻圖像對應的人體各個模塊的分類信息，并獲得所述每幀視頻圖像的人體各模塊的深度信息及深度信息平均值；

利用Adaboost算法提取所述每幀視頻圖像中的人臉圖像；

利用LBP算法獲取所述每幀視頻圖像中的人臉圖像紋理信息。

2.根據權利要求1所述的一種視頻人體軌跡跟蹤方法，其特征在于，所述步驟C計算所述每幀視頻圖像中的人體各模塊的深度信息平均值與所述樣本圖像中的人體各模塊的深度信息平均值差值的總和，分類出正樣本視頻圖像幀與負樣本視頻圖像幀，得到待檢測的正樣本視頻圖像幀集合中，具體包括如下步驟：

設置樣本閾值；

計算所述每幀視頻圖像中的人體各模塊的深度信息平均值與所述樣本圖像中的人體各模塊的深度信息平均值之間差值的總和得到視頻中每幀視頻圖像的樣本值；

將所有每幀視頻圖像的樣本值小于所述樣本閾值的視頻圖像歸類為正樣本視頻圖像幀，其余歸類為負樣本視頻圖像幀，以得到待檢測的正樣本視頻圖像幀的集合。

3.根據權利要求1所述的一種視頻人體軌跡跟蹤方法，其特征在于，所述步驟D獲取所述正樣本視頻圖像幀中所需視頻圖像幀，并將獲得的視頻圖像幀集合得到人體在視頻中的軌跡中，具體包括如下步驟：

利用Adaboost算法獲取所述正樣本視頻圖像幀中的人臉圖像；

利用LBP算法獲取所述正樣本視頻圖像幀中的人臉圖像紋理信息；

判斷所述正樣本視頻圖像幀中的人臉圖像紋理信息與所述樣本圖像的人臉圖像紋理信息的相似度，將相似度高的所述正樣本視頻圖像幀集合起來形成跟蹤的人體軌跡。