[發(fā)明專利]對ECO跟蹤框的抖動性進行改進的目標跟蹤方法及裝置

有效

• 申請?zhí)枺?/td>: 202110592132.8
• 申請日: 2021-05-28
• 公開（公告）號: CN113223054B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計）人: 鹿璇;黃炎;周嚴
• 申請（專利權(quán)）人: 武漢卓目科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/277
• 代理公司: 北京匯澤知識產(chǎn)權(quán)代理有限公司 11228
• 代理人: 秦曼妮

1.一種對ECO跟蹤框的抖動性進行改進的目標跟蹤方法，其特征在于，包括以下步驟：

S1、讀取視頻或圖像序列的第一幀圖像，確定跟蹤目標框；

S2、將第一幀圖像的目標框作為樣本放入ECO算法訓練相關(guān)濾波器；同時根據(jù)第一幀圖像和對應(yīng)的目標位置，學習STC算法對應(yīng)的時空上下文模型；

S3、讀取下一幀圖像，分別利用ECO算法和STC算法計算當前幀的目標框；

S4、計算步驟S3得到的兩個目標框?qū)?yīng)的IOU，如果IOU大于某個特定的閾值，則使用STC算法計算的目標框作為當前幀的跟蹤結(jié)果，否則使用ECO算法計算的目標框作為當前幀的跟蹤結(jié)果；

S5、利用當前幀的目標框更新ECO算法的相關(guān)濾波器以及STC算法的時空上下文模型；

重復步驟S3-S5，直到視頻或圖像序列跟蹤完畢。

2.如權(quán)利要求1所述的對ECO跟蹤框的抖動性進行改進的目標跟蹤方法，其特征在于，所述步驟S2中根據(jù)第一幀圖像和對應(yīng)的目標位置，學習STC算法對應(yīng)的時空上下文模型具體包括：

時空上下文模型描述的是條件概率函數(shù)，模型如下：

P(x|c(z),o)＝h^stc(x-z)

其中，h^stc(x-z)是一個關(guān)于目標x和局部上下文位置z的相對距離和方向的函數(shù)，它編碼了目標和它的空間上下文的空間關(guān)系，其中c是目標位置x似然的置信圖，如下：

c(x)＝P(x|o)

利用第一幀圖像的置信度圖c(x)以及先驗概率p(c(z)|o)，求得時空上下文模型P(x|c(z),o)。

3.如權(quán)利要求1所述的對ECO跟蹤框的抖動性進行改進的目標跟蹤方法，其特征在于，所述步驟S3中利用STC算法計算當前幀的目標框具體包括：利用STC算法的時空上下文模型計算得到當前幀的置信度圖，找到置信度最大的位置作為目標位置。

4.如權(quán)利要求1所述的對ECO跟蹤框的抖動性進行改進的目標跟蹤方法，其特征在于，所述步驟S5中利用步驟S4的跟蹤結(jié)果對應(yīng)的目標框更新STC算法的時空上下文模型，具體包括：

利用步驟S4的跟蹤結(jié)果對應(yīng)的目標框?qū)W習時空上下文模型，然后加權(quán)更新上一幀學習得到的時空上下文模型，如下：

5.如權(quán)利要求1所述的對ECO跟蹤框的抖動性進行改進的目標跟蹤方法，其特征在于，所述步驟S4中某個特定的閾值為0.7。

6.一種對ECO跟蹤框的抖動性進行改進的目標跟蹤裝置，其特征在于，包括：

跟蹤目標確定模塊，用于讀取視頻或圖像序列的第一幀圖像，確定跟蹤目標框；

濾波器訓練以及模型學習模塊，用于將第一幀圖像的目標框作為樣本放入ECO算法訓練相關(guān)濾波器；同時根據(jù)第一幀圖像和對應(yīng)的目標位置，學習STC算法對應(yīng)的時空上下文模型；

目標框計算模塊，用于讀取下一幀圖像，分別利用ECO算法和STC算法計算當前幀的目標框；

跟蹤結(jié)果確定模塊，用于計算目標框計算模塊得到的兩個目標框?qū)?yīng)的IOU，如果IOU大于某個特定的閾值，則使用STC算法計算的目標框作為當前幀的跟蹤結(jié)果，否則使用ECO算法計算的目標框作為當前幀的跟蹤結(jié)果；

算法更新模塊，用于利用當前幀的目標框更新ECO算法的相關(guān)濾波器以及STC算法的時空上下文模型；

循環(huán)控制模塊，用于控制目標框計算模塊、跟蹤結(jié)果確定模塊以及算法更新模塊循環(huán)執(zhí)行，直到視頻或圖像序列跟蹤完畢。