[發明專利]一種基于ECO算法和卡爾曼濾波的跟蹤裝置方法及裝置

有效

• 申請號: 202011610695.7
• 申請日: 2020-12-30
• 公開（公告）號: CN112634333B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 吳林春;鹿璇;黃炎
• 申請（專利權）人: 武漢卓目科技有限公司
• 主分類號: G06T7/277
• 分類號: G06T7/277;G06T7/246;G06F17/16;G06F17/11
• 代理公司: 北京匯澤知識產權代理有限公司 11228
• 代理人: 鄭飛

一種基于ECO算法和卡爾曼濾波的跟蹤方法及裝置，方法讀取視頻或圖像序列的第一幀圖像，確定跟蹤目標；將當前幀跟蹤目標作為樣本放入ECO算法訓練相關濾波器；讀取下一幀圖像，利用相關濾波器卷積圖像候選區域獲取目標位置；根據跟蹤結果得到相鄰兩幀間目標相對運動信息；將目標運動狀態轉換為對第一幀的相對運動狀態；將跟蹤狀態送入卡爾曼濾波器得到最優預測結果；使用樣本融合更新策略，更新ECO算法的樣本集；利用新樣本集訓練ECO算法，更新相關濾波器，利用相關濾波器卷積圖像候選區域獲取目標位置；循環執行上述步驟。本發明對于目標出現遮擋或形變或相似目標時，結合目標的運動信息輔助跟蹤定位，并用最優框中的結果更新樣本集，提升訓練效果。

技術領域

本發明涉及計算機視覺應用目標跟蹤領域，具體涉及一種基于ECO算法和卡爾曼濾波的跟蹤方法及裝置。

背景技術

視覺目標跟蹤是計算機視覺中一個重要研究方向，在軍事無人飛行器、精確制導以及空中預警和民用視頻監控，無人駕駛等嵌入式監控領域有著極其廣泛的應用，同時目標跟蹤面臨著目標尺度變換、重度遮擋、快速移動、超出視野和光照變化等眾多挑戰，因此提出一種可靠且結構輕巧的目標跟蹤方法具有很重要的現實意義。

近期熱門的跟蹤器大多依賴深度網絡，如Prdimp,以resnet50為主干網，在精度上達到了很高，然而在2080ti配置的服務器上也只能剛剛達到30FPS，一般小型的嵌入式跟蹤器無法滿足算法對設備體積和承重要求。追溯傳統目標跟蹤算法，他們通常由一個濾波卷積模塊和回歸修正模塊構成。濾波卷積模塊負責特征匹配并給出粗略位置估計，然后由回歸修正模塊迭代給出最終結果。在這個過程中，只有目標的外觀特征相似度是被考慮在內的。然而，跟蹤是一個連續的過程，其運動連續性在追蹤過程中顯然也是非常有用的信息。

發明內容

鑒于現有技術中存在的技術缺陷和技術弊端，本發明實施例提供克服上述問題或者至少部分地解決上述問題的一種基于ECO算法和卡爾曼濾波的跟蹤方法及裝置，將物體的運動信息也考慮進跟蹤過程，根據外觀信息得到初步結果，輔以融合歷史運動信息的卡爾曼濾波預測結果，綜合得到最優位置估計。本方法結合了空間上物體外觀信息和時間上物體位移信息，同時滿足在實際應用中的時空連續性，具體方案如下：

作為本發明的第一方面，提供一種基于ECO算法和卡爾曼濾波的跟蹤方法，所述方法包括：

步驟1，讀取視頻或圖像序列的第一幀圖像，從所述第一幀圖像中確定跟蹤目標；

步驟2，將第一幀圖像中跟蹤目標的位置信息作為樣本放入ECO算法訓練相關濾波器；

步驟3，讀取下一幀圖像，利用訓練好的相關濾波器卷積當前幀圖像候選區域對應的特征，獲取圖像候選區域的置信度圖，置信度圖概率最大位置對應當前幀圖像的目標位置及其置信度概率，即得到當前幀圖像的目標跟蹤結果；

重復執行步驟3，直至當前視頻或圖像序列處理完。

進一步地，步驟3之后還包括：

步驟4，用第一幀圖像中跟蹤目標的位置信息初始化卡爾曼濾波器；

步驟5，將跟蹤結果轉化為相對第一幀的位置信息[x1_t，y1_t]；

步驟6，將[x1_t，y1_t]送入初始化后的卡爾曼濾波器得到最優估計位置計算最優估計位置處的置信度，若該置信度大于預設閾值，返回最優估計位置處切片作為新樣本；

步驟7，基于獲取的新樣本，使用樣本融合更新策略，更新ECO算法的樣本集，將獲取的新樣本集放入ECO算法訓練相關濾波器，更新相關濾波器；

更新相關濾波器，步驟3中，利用更新后的相關濾波器卷積圖像候選區域對應的特征，獲取圖像候選區域的置信度圖，置信度圖概率最大位置對應當前幀圖像的目標位置及其置信度概率。