[發明專利]一種基于目標自適應初始化的視覺跟蹤方法及裝置

在審

• 申請號: 202010838903.2
• 申請日: 2020-08-19
• 公開（公告）號: CN112085763A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 宋旭博
• 申請（專利權）人: 北京影譜科技股份有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06N3/04
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 高鎮

本申請公開了一種基于目標自適應初始化的視覺跟蹤方法及裝置。所述方法包括：獲取視頻序列初始幀中目標對象的位置信息；根據所述初始幀的位置信息，采集所述視頻序列中所述目標對象的特征信息；根據所述特征信息利用全卷積網絡跟蹤器實現對所述目標對象的視覺跟蹤。所述裝置包括：初始化模塊、特征提取模塊和目標檢測模塊。本申請通過學習穩定追蹤的特征，在初始幀中選取跟蹤對象時選擇滿足穩定特征的區域進行追蹤，以此達到穩定的追蹤結果。

技術領域

本申請涉及圖像識別技術，特別是涉及一種基于目標自適應初始化的視覺跟蹤方法及裝置。

背景技術

視頻跟蹤是指從視頻中確定圖像序列中特定對象的位置、路徑和特征的問題。這是計算機視覺領域的一個活躍的研究課題，在許多實際應用中都有應用，如監視、安全和人機交互。傳統的視覺跟蹤方法分為生成式視覺跟蹤和判別式視覺跟蹤兩種。生成式視覺跟蹤的目的是生成目標具有代表性的外觀，并利用它們在即將到來的幀中找到目標區域。另一種，判別視覺跟蹤主要是對每一幀的前景和背景進行區分。

近年來，基于相關濾波的視覺跟蹤器在視覺跟蹤方法中得到了相當大的普及，由于其計算效率高，在實時跟蹤方面取得了很大的成功，同時也產生了準確的跟蹤結果。Bibi等人提出了一種使用多個模板、內核和多維特性的高級相關濾波器。Suimail等人通過減輕傳統相關濾波器的過擬合問題，用三個稀疏相關損失函數增強了相關濾波器。Zhang等人提出了一種基于在線學習的視覺跟蹤新方法，將視覺跟蹤過程中未標記的樣本進行標記。這種方法的性能遠遠超過其他先進的跟蹤器。基于深度學習的視覺示蹤基于卷積神經網絡(CNN)的視覺跟蹤器，在視覺跟蹤方面表現出了優異的性能。Held等人提出了一種用于視覺跟蹤的暹羅網絡，該網絡能夠快速提取出豐富的目標特征。

但是，生成式視覺跟蹤的方法容易因為光線突變和目標物形變等原因，導致目標追蹤過程中的目標丟失。基于濾波器的方法沒有充分利用初始幀的信息建立良好的初始配置。基于神經網絡的方法則是通過犧牲速度，來產生更精準的追蹤效果。

發明內容

本申請的目的在于克服上述問題或者至少部分地解決或緩減解決上述問題。

根據本申請的一個方面，提供了一種基于目標自適應初始化的視覺跟蹤方法，包括：

獲取視頻序列初始幀中目標對象的位置信息；

根據所述初始幀的位置信息，采集所述視頻序列中所述目標對象的特征信息；

根據所述特征信息利用全卷積網絡跟蹤器實現對所述目標對象的視覺跟蹤。

優選地，所述位置信息包括：目標對象的中心位置信息、寬度信息和高度信息。

優選地，獲取視頻序列初始幀中目標對象的位置信息包括：

確定初始幀中所述目標對象在擾動情況下的多個初始設定位置信息，并確定所述多個初始設定位置信息對應的所述中心位置方差，寬度方差和高度方差；

通過比較多個初始設定位置信息獲得最穩定一個初始設定位置信息作為初始幀中目標對象的位置信息。

優選地，采集所述視頻序列中所述目標對象的特征信息包括：

通過獲得在擾動情況下的目標對象的位置信息，建立函數的方式分別表達所述目標對象分布的峰值情況，陡峭程度和分布高度；

對所述視頻序列中所述目標對象中峰值、陡峭值和高度值加和，作為生成的特征信息。

優選地，所述方法還包括：

對所述視頻序列進行灰度化處理。

優選地，所述目標對象在擾動情況滿足正態分布。

另一方面，本發明還提供一種基于目標自適應初始化的視覺跟蹤裝置，包括：