[發明專利]視頻目標跟蹤方法、裝置和實現裝置

有效

• 申請號: 201810249416.5
• 申請日: 2018-03-23
• 公開（公告）號: CN108470354B
• 公開（公告）日: 2021-04-27
• 發明（設計）人: 周浩;高赟;張晉;袁國武;普園媛;杜欣悅
• 申請（專利權）人: 云南大學
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 郭新娟

1.一種視頻目標跟蹤方法，其特征在于，包括：

初始化跟蹤參數；所述跟蹤參數至少包括目標對象的位置和范圍、所述目標對象和鄰域背景的幀間運動參數、所述目標對象和所述鄰域背景的特征點集；所述目標對象和所述鄰域背景的表觀特征中的多種；

在設定的圖像范圍內，檢測當前幀中的特征點集，按照預設的篩選條件，對所述特征點集進行篩選；所述特征點集包括特征點和所述特征點對應的特征向量；

根據篩選后的所述特征點集分別與前一幀對應的所述目標對象和所述鄰域背景的特征點集進行匹配；

根據篩選后的所述特征點，對所述目標對象進行運動估計；

根據篩選后的所述特征點與所述目標對象的中心位置的距離，以及所述目標對象的表觀特征，對當前幀中所述目標對象的進行跟蹤狀況分析；

根據匹配結果、運動估計結果和跟蹤狀況分析結果，對所述目標對象和所述鄰域背景的特征點集、所述目標對象和所述鄰域背景的表觀特征、所述目標對象和鄰域背景的幀間運動參數進行更新，從而更新所述目標對象的跟蹤策略；

所述在設定的圖像范圍內，檢測當前幀中的特征點集，按照預設的篩選條件，對所述特征點集進行篩選的步驟，包括：

確定待檢測圖像范圍的圖像矩形框的左上角坐標和右下角坐標；

在所述圖像矩形框內，進行特征點檢測，得到所述特征點的坐標；

計算所述特征點的Hessian矩陣的跡，以及所述特征點對應的特征向量；所述特征向量包括特征描述子向量、尺度因子特征信息、以及顏色、紋理和邊緣向量；

按照如下篩選條件，對所述特征點集中的特征點進行篩選：

所述特征點的Hessian矩陣的跡與前一幀視頻幀內特征點的Hessian矩陣跡同號；

所述特征點與前一幀視頻幀內特征點的距離小于預設的距離閾值；

所述特征點與前一幀視頻幀內特征點，對應特征向量的歐式距離滿足預設的特征向量閾值；

所述特征點與前一幀視頻幀內特征點的位移長度、位移方向和相對位置關系滿足預設的位移一致性閾值；所述相對位置利用所述目標對象的目標矩形框長度和寬度歸一化的所述特征點與所述目標對象的中心位置的距離所確定的；

當所述特征點與前一幀視頻幀的特征點為多個對一個的匹配關系時，從多個所述特征點中篩選歐氏距離最小的特征點。

2.根據權利要求1所述的方法，其特征在于，所述初始化跟蹤參數的步驟，包括：

提取當前幀中，所述目標對象和所述鄰域背景的表觀特征；所述表觀特征至少包括特征描述子向量、尺度因子特征信息、顏色特征、紋理特征和邊緣特征中的多種；

確定所述目標對象的中心位置和目標矩形框的長度和寬度；

將所述目標對象和所述鄰域背景的幀間運動參數初始化為當前幀與前一幀之間的對應變換參數的差；

將所述目標對象的特征點集初始化為所述目標對象的矩形框內，檢測到的所述特征點集；將所述鄰域背景的特征點集初始化為所述目標對象以外的預設范圍內的鄰近區域內檢測到的所述鄰域背景的特征點集；

將所述目標對象和所述鄰域背景的表觀特征初始化為提取到的所述表觀特征的特征向量。

3.根據權利要求1所述的方法，其特征在于，所述根據篩選后的所述特征點與所述目標對象的中心位置的距離，以及所述目標對象的表觀特征，對當前幀中所述目標對象的進行跟蹤狀況分析的步驟，包括：

根據所述特征點與所述目標對象的中心位置的距離，檢測被錯誤分類的特征點，剔除所述被錯誤分類的特征點，生成第一特征點集；

根據所述第一特征點集中各特征點的表觀特征，分析當前視頻幀中所述目標對象是否發生跟蹤漂移。