[發明專利]一種多目標跟蹤方法、終端設備及存儲介質

在審

• 申請號: 201711375873.0
• 申請日: 2017-12-19
• 公開（公告）號: CN108198201A
• 公開（公告）日: 2018-06-22
• 發明（設計）人: 田強;徐鵬飛;趙瑞
• 申請（專利權）人: 深圳市深網視界科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/277
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 石伍軍;張鵬

本發明公開了一種多目標跟蹤方法、終端設備及存儲介質，該多目標跟蹤方法包括：檢測出當前幀視頻圖像中待跟蹤的多個目標對象；分別提取多個目標對象的HOG特征與顏色直方圖特征，并將其輸入根據上一幀視頻圖像更新的跟蹤器，以獲取當前幀視頻圖像的跟蹤結果；提取跟蹤結果的HOG特征與顏色直方圖特征，根據其更新當前的跟蹤器；重復以上步驟，直至跟蹤過程結束后分別獲取每個目標對象在整個跟蹤過程中的運動軌跡；其中，在獲取跟蹤結果的過程中實時調整跟蹤框的大小，以使其自適應與其對應的目標對象的大小。本發明減少了跟蹤結果中的漂移現象，并能讓跟蹤框自適應跟蹤目標對象的大小。

技術領域

本發明涉及目標檢測及跟蹤技術領域，特別是涉及一種多目標跟蹤方法、終端設備及存儲介質。

背景技術

人臉多目標跟蹤技術越來越受到學術界和商業界的關注。人臉多目標跟蹤作為一項重要的基礎性技術，通常在安防監控和客流統計等諸多應用場景下有著極為重要的價值。人臉多目標跟蹤技術旨在通過計算機視覺技術在監控視頻場景中得到每個目標從出現在視野中到從視野中消失的完整運動軌跡。由于不同監控場景下行人存在遮擋和運動模式復雜等差異大的問題，多目標跟蹤一直是圖像識別中難度較大的領域。

目前，比較熱門的多目標跟蹤方法是核化相關濾波跟蹤算法(Kernerlizedcorrelation filter，KCF)，是由joao faro于2014年提出來的，是目前大多數基于相關濾波跟蹤算法的基礎框架?；谙嚓P濾波(Correlation filter,CF)的跟蹤方法由于在跟蹤性能和計算效率上的出色表現使其成為當前目標跟蹤領域的研究熱點。隨著人臉檢測技術的快速發展，基于深度學習的人臉檢測方法，相比傳統的人臉檢測方法，提高了目標檢測的精確度。更準確的檢測結果可以進一步的促進跟蹤算法的發展和跟蹤效果的提升。使用模板特征時，KCF跟蹤算法對目標快速變形時跟蹤不夠準確，在使用HOG特征時，由于該特征描述的是目標的形態信息，因此當目標形態發生顯著變化時(例如遮擋HE轉向等姿態變化)就會產生跟蹤錯誤。另外，KCF跟蹤算法對跟蹤目標的尺度(大小)變化適應性不強，通常的解決辦法是加一個尺度變化的比例系數得到不同的尺度來構成尺度金字塔，再對候選目標區域分別在不同的尺度條件下進行檢測，然后按照某種規則通過多次檢測的結果選取最優的一個尺度作為最終結果，這樣做的代價是會明顯犧牲原有算法的速度優勢。

當前KCF跟蹤算法還存在邊界效應，即算法對快速運動的物體或者是低頻率的視頻不夠準確。因為在這種情況下，下一幀圖像中目標的位置會偏離跟蹤算法初始設定的搜索范圍中心太遠。另外，相對跟蹤算法的搜索框而言正確目標的位置要么靠近搜索框邊緣，要么出去一部分或者全不在搜索框內，當經過跟蹤算法中的余弦窗步驟的處理后，那些運動到靠近搜索框邊緣位置的目標也會由于余弦窗的存在而損失掉部分目標信息，同理對那些運動到位置超出搜索框范圍一半或者完全不在搜索框范圍內的目標將會損失更多的信息，從而無法正確匹配，產生跟蹤錯誤?？傊谀０逄卣鞯腒CF跟蹤方法，對人臉目標的快速變形和快速運動處理不好，KCF跟蹤方法不能隨著目標大小的變化，自適應地改變跟蹤框的大小。

發明內容

本發明實施例主要提供一種多目標跟蹤方法、終端設備及存儲介質，以解決現有技術中，使用HOG特征時，KCF跟蹤算法對目標快速變形時跟蹤不夠準確，由于該HOG特征描述的是目標的形態信息，因此當目標形態發生顯著變化時(例如遮擋和轉向等姿態變化)，就會產生跟蹤錯誤的問題。

為解決上述技術問題，本發明實施例采用的一技術方案如下：

一種多目標跟蹤方法，其包括：