[發(fā)明專利]一種融合物體捕獲識別技術(shù)的多目標(biāo)物體跟蹤方法

有效

• 申請?zhí)枺?/td>: 201910835641.1
• 申請日: 2019-09-05
• 公開（公告）號: CN110555867B
• 公開（公告）日: 2023-07-07
• 發(fā)明（設(shè)計）人: 張智;李思遠(yuǎn);於耀耀;劉子瑜
• 申請（專利權(quán)）人: 杭州智愛時刻科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/223
• 代理公司: 紹興市越興專利事務(wù)所(普通合伙) 33220
• 代理人: 蔣衛(wèi)東

本發(fā)明提供了一種融合物體捕獲識別技術(shù)的多目標(biāo)物體跟蹤方法及裝置，涉及人臉識別技術(shù)領(lǐng)域，包括目標(biāo)捕獲：對每一幀的待跟蹤目標(biāo)進(jìn)行識別，當(dāng)前幀識別算法捕獲的目標(biāo)位置作為下一幀目標(biāo)跟蹤的初始值；目標(biāo)比對：在空間位置和特征值上分別利用面積重疊法和歐氏距離比對當(dāng)前幀目標(biāo)跟蹤結(jié)果和當(dāng)前幀目標(biāo)捕獲結(jié)果的相似度；目標(biāo)跟蹤：通過多目標(biāo)跟蹤算法對捕獲的不同目標(biāo)進(jìn)行同時跟蹤。本發(fā)明通過目標(biāo)識別算法輔助目標(biāo)跟蹤，可以在發(fā)生遮擋、復(fù)雜背景干擾情況下有效的對多個目標(biāo)同時跟蹤，同時也顯著的提高了目標(biāo)跟蹤的準(zhǔn)確率，有效解決了多幀連續(xù)跟蹤過程中跟蹤不準(zhǔn)確的難題。

技術(shù)領(lǐng)域

本發(fā)明涉及一種多目標(biāo)物體跟蹤技術(shù)，尤其涉及一種融合物體捕獲識別技術(shù)的多目標(biāo)物體跟蹤方法。

背景技術(shù)

近年來，多目標(biāo)跟蹤已經(jīng)成為計算機(jī)視覺領(lǐng)域的研究熱點課題。目前存在的跟蹤方法主要有生成式跟蹤方法和判別式跟蹤方法。生成式跟蹤方法中，基于粒子濾波的目標(biāo)跟蹤算法在復(fù)雜的背景影響下已經(jīng)發(fā)揮出很大的優(yōu)越性，但是在多個目標(biāo)的跟蹤過程中還是存在問題，如果一個目標(biāo)被其他目標(biāo)遮擋，很難在這樣的情況下理清目標(biāo)關(guān)系從而繼續(xù)跟蹤。判別式方法一般情況下都比生成式方法更好，可以有效對背景和前景作區(qū)分。

目前也有很多學(xué)者提出了以深度學(xué)習(xí)為基礎(chǔ)的判別式跟蹤算法，如基于SAE(堆棧自編碼器)的跟蹤算法；如HCF(Hierarchical?Convolutional?Features)跟蹤算法、DeepSRDCF算法和C-COT算法等都用深度卷積特征改進(jìn)了判別相關(guān)濾波器DCF(Disriminative?Correlation?Filter)；通過CNN特征對核相關(guān)濾波器(KCF)進(jìn)行改進(jìn)也是目標(biāo)跟蹤領(lǐng)域研究的熱門，部分相關(guān)算法也結(jié)合了支持向量機(jī)和Adaboost等傳統(tǒng)算法，在跟蹤精度上可以取得比傳統(tǒng)算法更好的效果，并且卷積特性也可以比手工特性提供更好的結(jié)果，但是深度學(xué)習(xí)類算法并沒有如簡單的分類、識別或者檢測的方法那樣容易成功。而且目前的目標(biāo)跟蹤技術(shù)通常是將目標(biāo)檢測與目標(biāo)跟蹤獨立運行，但是在視頻流中不同目標(biāo)的不斷移動以及不斷變化的角度會使得特征值比對準(zhǔn)確性降低，目標(biāo)比對容易失敗從而導(dǎo)致跟蹤失敗。

現(xiàn)有“一種基于片上異構(gòu)系統(tǒng)的運動目標(biāo)識別與追蹤方法及系統(tǒng)”，專利號為201810980774.3，結(jié)合背景差分法及幀間差分法獲取目標(biāo)運動區(qū)域，通過Camshift算法跟蹤獲取區(qū)域內(nèi)的目標(biāo)，不易受光線變化等因素的影響，魯棒性好，但是Camshift算法容易受到復(fù)雜背景的干擾，很難處理背景顏色或色調(diào)與目標(biāo)接近的情況。

基于此，做出本申請。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中存在的上述缺陷，本發(fā)明提供了一種融合物體捕獲識別技術(shù)的多目標(biāo)物體跟蹤方法。

為了實現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案如下：

一種融合物體捕獲識別技術(shù)的多目標(biāo)物體跟蹤方法，包括：

目標(biāo)捕獲：對每一幀的待跟蹤目標(biāo)進(jìn)行識別，當(dāng)前幀識別算法捕獲的目標(biāo)位置作為下一幀目標(biāo)跟蹤的初始值；

目標(biāo)比對：在空間位置和特征值上分別利用面積重疊法和歐氏距離比對當(dāng)前幀目標(biāo)跟蹤結(jié)果和當(dāng)前幀目標(biāo)捕獲結(jié)果的相似度；比對成功的目標(biāo)捕獲結(jié)果作為下一幀跟蹤的初始值，比對失敗或者當(dāng)前幀未捕獲到目標(biāo)則用當(dāng)前幀跟蹤結(jié)果作為下一幀跟蹤初始值繼續(xù)跟蹤；

目標(biāo)跟蹤：通過多目標(biāo)跟蹤算法對捕獲的不同目標(biāo)進(jìn)行同時跟蹤。

作為優(yōu)選，所述目標(biāo)比對步驟中，在空間位置上利用面積重疊法比對當(dāng)前幀目標(biāo)跟蹤結(jié)果和當(dāng)前幀目標(biāo)捕獲結(jié)果的相似度，具體是采用面積求交、并的方式，以面積重合度體現(xiàn)位置的相似度，由跟蹤位置框與識別位置框的交集面積和二者面積中最小值的比值度量兩框位置的相似度，若比值越大則相似度越高。