[發明專利]目標跟蹤方法、裝置、設備及計算機可讀存儲介質

在審

• 申請號: 201811149881.8
• 申請日: 2018-09-29
• 公開（公告）號: CN109377514A
• 公開（公告）日: 2019-02-22
• 發明（設計）人: 陳典兵;韓廣良;王宇慶;吳笑天;楊航
• 申請（專利權）人: 中國科學院長春光學精密機械與物理研究所
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

本發明實施例公開了一種目標跟蹤方法、裝置、設備及計算機可讀存儲介質。其中，方法包括確定實際應用場景的目標物體，計算其在PCA子空間的空間正交基向量集表示字典，獲取當前幀圖像中目標物體的多個候選粒子，基于預先構建的包含稀疏表示系數和稀疏表示誤差向量的稀疏表示模型，利用優化公式計算各候選粒子的稀疏表示系數和稀疏表示誤差向量，然后基于稀疏表示系數和稀疏表示誤差向量計算各候選粒子的觀測概率，并從中選擇最大觀測概率的候選粒子作為目標物體在當前幀圖像的目標粒子，從而實現對目標物體的跟蹤。本申請提供的技術方案提升了目標跟蹤的準確度和精度，實現了實際應用場景中對目標持續穩定的跟蹤。

技術領域

本公開實施例涉及計算機視覺技術領域，特別是涉及一種目標跟蹤方法、裝置、設備及計算機可讀存儲介質。

背景技術

隨著計算機視覺技術的快速發展，目標跟蹤技術也得到了相應的發展。目標跟蹤為估計物體圍繞一個場景運動時在圖像平面中的軌跡的技術，也即目標跟蹤的目的是為了定位目標在每幀視頻圖像中的位置，得到目標在每幀中的圖像區域，產生目標運動軌跡。例如，一個跟蹤系統給同一個視頻中不同幀的跟蹤目標分配相一致的標簽，以表征該跟蹤目標在視頻中的運動軌跡。

基于稀疏模型的目標跟蹤技術，通常在跟蹤過程的初始時刻選定目標，并利用目標的相關信息(如顏色，灰度，外觀以及姿態等)構建目標的信息字典。在實際應用中，信息字典一般為一維向量的組合矩陣，每一列代表對目標的一次采樣。目前，多數基于稀疏模型的目標跟蹤技術，往往只是利用簡單的約束關系構建稀疏優化模型，如：

式中，D為目標字典，y為跟蹤過程中對目標的一次采樣，c為當前時刻目標利用字典D表示的系數；公式的第一項為L2范數約束，第二項為L0范數約束，由于L0范數的非連續性特性，在實際應用中多用L1范數替代L0范數，上述公式可優化為：

利用優化求解技術可以求解如上的最小化公式，便可得到利用字典D表示目標的系數c。

但是，該方法由于構建的模型較為簡單，目標的系數表示系數的精度在多數跟蹤應用場景中無法達到要求；而若為了達到高精度的求解，又需要復雜度很高的優化求解算法，復雜的求解方法需要耗費大量的計算時間，目標跟蹤的處理效率較低，應用的實時性較差。也就是說，上述方法的目標的稀疏表示系數的精度較低，無法滿足現實需求，如果要想獲得目標較高精度的稀疏表示系數，則需要以時間作為代價。

發明內容

本公開實施例提供了一種目標跟蹤方法、裝置、設備及計算機可讀存儲介質，提升了目標跟蹤的精度，實現了實際應用場景中對目標持續穩定的跟蹤。

為解決上述技術問題，本發明實施例提供以下技術方案：

本發明實施例一方面提供了一種目標跟蹤方法，包括：

獲取目標物體在實際應用場景中當前幀圖像的多個候選粒子；

基于預先構建的稀疏表示模型，利用優化公式計算各候選粒子的稀疏表示系數和稀疏表示誤差向量；

基于各候選粒子的稀疏表示系數和稀疏表示誤差向量計算各候選粒子的觀測概率；

從中選擇最大觀測概率的候選粒子，以作為所述目標物體在所述當前幀圖像的目標粒子；

其中，所述目標物體在PCA子空間中的空間正交基向量集作為字典；所述稀疏表示模型為基于稀疏表示系數和稀疏表示誤差向量構建的模型。

可選的，在所述從中選擇最大觀測概率的候選粒子之后，還包括：

根據所述目標粒子的稀疏表示誤差向量的非零比率與第一閾值和第二閾值的之間數值關系，隔幀更新所述目標物體的字典。