一種目標跟蹤方法以及設備技術

本發明專利技術公開了一種目標跟蹤方法，應用于目標監控系統中的前端設備，獲取待檢測圖像前一幀圖像中的目標位置，根據目標位置確定待檢測圖像當前幀圖像中的目標框位置；根據預設的分類器對目標框位置進行一次分類，并對一次分類結果進行目標融合后得到一次目標框，根據一次目標框確定待檢測圖像當前幀圖像的一次目標框位置；根據分類器對一次目標框位置進行二次分類，并對二次分類結果進行目標融合后得到二次目標框，根據二次目標框確定待檢測圖像當前幀圖像的目標位置。本發明專利技術中由于分類器未受到圖像樣本的干擾、以及采用了兩次的精確分類，使得最終確定出的目標位置更加準確。同時，本發明專利技術還公開了一種目標跟蹤設備。

Target tracking method and device

The invention discloses a method for tracking the target, the front-end equipment used in target monitoring system, obtain the image to be detected before frame image in the target position is determined according to the image of the current frame image of the target frame position of the target position; according to the preset classifier to the target frame position is a classification, and a classification result obtained after a target fusion target frame, according to a target frame to determine the detection of a target image of current frame image frame position; according to the classifier on a target frame position is two times and two times of classification, the classification results obtained after two times the target fusion target frame, according to the two objective to determine the position of the target frame image of current frame image. In the invention, the final target position is more accurate because the classifier is not interfered by the image sample and adopts the two precise classification. At the same time, the invention also discloses a target tracking device.

【技術實現步驟摘要】
一種目標跟蹤方法以及設備
本專利技術涉及通信
，特別涉及一種目標跟蹤的方法，同時本申請還特別涉及一種目標跟蹤的設備。
技術介紹
視頻圖像中目標跟蹤算法是當前計算機視覺領域的一個研究熱點，其中，目標跟蹤是智能監控的一個重要組成部分，它對視頻監控領域及國防安全方面起到了不可或缺的作用，例如，在軍事偵察、交通違章追蹤、銀行系統安全以及民用生活安全保障等領域。目前，目標跟蹤算法主要分為兩種，一種是傳統的目標跟蹤算法；另一種是將目標歸為二分類問題，即分為正樣本及負樣本的實時目標跟蹤算法，因其保證實時性，故被廣泛應用在各個領域，例如，現有技術中提出了一種基于壓縮感知的簡單高效的實時目標跟蹤算法，該方法首先是要在線獲取正負樣本，接著通過稀疏測量矩陣對圖像特征進行壓縮，壓縮后的特征幾乎保留原始圖像所有的重要信息成分，主要是獲取滿足有限等距特性(restrictedisometryproperty,RIP)條件的稀疏測量矩陣模板，用它對Harr圖像特征(輸入圖像的矩形特征)進行稀疏壓縮，最后使用樸素貝葉斯分類器進行分類判斷，選出最有可能是目標的矩形框，作為當前目標跟蹤結果。測量矩陣：M*N維(M<<N)矩陣是用來對N維的原信號進行觀測，得到M維的觀測向量Y，然后可以利用最優化方法從觀測值Y中高概率重構X。也就是說原信號X投影到這個觀測矩陣(觀測基)上得到新的信號用于表示Y。RIP條件：也稱有限等距特性，就是保證測量矩陣不會把兩個不同的K稀疏信號映射到同一個集合中(保證原空間到稀疏空間的一一映射關系)，要求從測量矩陣中抽取的每M個列向量構成的矩陣是非奇異的。本申請的專利技術人在實現本申請的過程中，發現現有技術中，至少存在以下問題：現有技術中的方法是一個邊學習邊跟蹤的過程，從而實現目標的實時跟蹤。首先，在線學習獲取正負樣本的特征，偏向當前新樣本，所以很容易就遺忘以前學習過的樣本，一旦偏離，就會越偏越遠；其次，考慮到目標的實時性，其樣本量一般比較少，一般情況下正樣本不超過50個，負樣本在80個左右，所以跟蹤的穩定性不強；再次，跟蹤過程中的樣本需要實時獲取，并進行反復訓練來提高分類器的準確度，計算量大；最后，當目標發生遮擋時，分類器更新時便會受到遮擋區域的影響，最終會因為誤差累計而導致跟蹤漂移。可見，如何針對現有的目標跟蹤方法進行改進，使其不受學習樣本的干擾以及對目標的跟蹤效果更加準確，成為本領域技術人員亟待解決的技術問題。
技術實現思路
本專利技術提供了一種目標跟蹤方法以及設備，通過從前一幀圖像中獲取的目標位置確定出了當前幀圖像的目標框位置，然后通過預設的分類器對目標框位置進行兩次精確的分類，最終得到了待檢測圖像的目標位置，由于分類器未受到圖像樣本的干擾并采用了兩次的精確分類，從而提高最終確定出的目標位置更的準確率。為了達到上述技術目的，本專利技術提出了一種目標跟蹤方法，所述方法至少包括：獲取待檢測圖像前一幀圖像中的目標位置，根據所述目標位置確定所述待檢測圖像當前幀圖像中的目標框位置；根據預設的分類器對所述目標框位置進行一次分類，用于對所述待檢測圖像當前幀圖像中的目標位置進行初步分類,并對一次分類結果進行目標融合后得到一次目標框，根據所述一次目標框確定所述待檢測圖像當前幀圖像的一次目標框位置；根據所述分類器對所述一次目標框位置進行二次分類，用于對所述待檢測圖像當前幀圖像中的目標位置進行精確分類,并對二次分類結果進行目標融合后得到二次目標框，根據所述二次目標框確定所述待檢測圖像當前幀圖像的目標位置。在一些實施方式中，本專利技術在獲取待檢測圖像前一幀圖像中的目標位置之前，還包括：離線獲取訓練樣本，所述訓練樣本由正樣本和負樣本組成；從所述訓練樣本中提取出圖像特征，所述圖像特征包括HOG特征和SUR特征；根據壓縮降維方法對所述圖像特征進行降維后得到降維圖像特征；將所述降維圖像特征輸入到SVM中進行訓練后得到所述分類器。在一些實施方式中，本專利技術根據壓縮降維方法對所述圖像特征進行降維后得到降維圖像特征，具體包括：根據稀疏測量矩陣對所述圖像特征進行一次降維后得到稀疏圖像特征；根據主成分分析算法PCA對所述稀疏圖像特征進行二次降維后得到降維圖像特征。在一些實施方式中，本專利技術根據所述目標位置確定所述待檢測圖像當前幀圖像中的目標框位置，以及根據所述一次目標框確定所述待檢測圖像當前幀圖像的一次目標框位置，具體包括：以所述目標位置為圓心、第一預設半徑產生圓，并在所述圓內確定多個目標位置，根據所述多個目標位置確定出當前幀圖像中的目標框位置；以所述一次目標框為圓心、第二預設半徑產生圓，并在所述圓內確定出多個一次目標框，根據所述多個一次目標框確定出當前幀圖像中的一次目標框位置；其中,所述第一預設半徑不小于所述第二預設半徑。在一些實施方式中，本專利技術的所述目標融合的公式具體為：Rect[x，y]＝mean{Rect[x0，y0]，…，Rect[xn，yn]}其中，Rect[xi，yi]的i＝0,1,...,n對應分類結果為y＝1的所有目標框,xi，yi對應的是目標框左上角的坐標位置。相應的，本專利技術還提出了一種目標跟蹤設備，所述設備至少包括：獲取模塊，用于獲取待檢測圖像前一幀圖像中的目標位置，根據所述目標位置確定所述待檢測圖像當前幀圖像中的目標框位置；第一確定模塊，用于根據預設的分類器對所述目標框位置進行一次分類，用于對所述待檢測圖像當前幀圖像中的目標位置進行初步分類,并對一次分類結果進行目標融合后得到一次目標框，根據所述一次目標框確定所述待檢測圖像當前幀圖像的一次目標框位置；第二確定模塊，用于根據所述分類器對所述一次目標框位置進行二次分類，用于對所述待檢測圖像當前幀圖像中的目標位置進行精確分類,并對二次分類結果進行目標融合后得到二次目標框，根據所述二次目標框確定所述待檢測圖像當前幀圖像的目標位置。在一些實施方式中，本專利技術的所述獲取模塊在獲取待檢測圖像前一幀圖像中的目標位置之前，還包括：離線獲取訓練樣本，所述訓練樣本由正樣本和負樣本組成；從所述訓練樣本中提取出圖像特征，所述圖像特征包括HOG特征和SUR特征；根據壓縮降維方法對所述圖像特征進行降維后得到降維圖像特征；將所述降維圖像特征輸入到SVM中進行訓練后得到所述分類器。在一些實施方式中，本專利技術還包括訓練模塊，具體包括：根據稀疏測量矩陣對所述圖像特征進行一次降維后得到稀疏圖像特征；根據主成分分析算法PCA對所述稀疏圖像特征進行二次降維后得到降維圖像特征。在一些實施方式中，本專利技術的所述獲取模塊根據所述目標位置確定所述待檢測圖像當前幀圖像中的目標框位置，以及所述第一確定模塊根據所述一次目標框確定所述待檢測圖像當前幀圖像的一次目標框位置，具體為：以所述目標位置為圓心、第一預設半徑產生圓，并在所述圓內確定多個目標位置，根據所述多個目標位置確定出當前幀圖像中的目標框位置。以所述一次目標框為圓心、第二預設半徑產生圓，并在所述圓內確定出多個一次目標框，根據所述多個一次目標框確定出當前幀圖像中的一次目標框位置；其中,所述第一預設半徑不小于所述第二預設半徑。在一些實施方式中，本專利技術的所述目標融合的公式具體為：Rect[x，y]＝meaIn{Rect[x0，y0]，…，Rect[xn，yn]}其中，Rect[xi，yi]本文檔來自技高網...

【技術保護點】
一種目標跟蹤方法，其特征在于，應用于目標監控系統中的前端設備，所述方法至少包括：獲取待檢測圖像前一幀圖像中的目標位置，根據所述目標位置確定所述待檢測圖像當前幀圖像中的目標框位置；根據預設的分類器對所述目標框位置進行一次分類，用于對所述待檢測圖像當前幀圖像中的目標位置進行初步分類,并對一次分類結果進行目標融合后得到一次目標框，根據所述一次目標框確定所述待檢測圖像當前幀圖像的一次目標框位置；根據所述分類器對所述一次目標框位置進行二次分類，用于對所述待檢測圖像當前幀圖像中的目標位置進行精確分類,并對二次分類結果進行目標融合后得到二次目標框，根據所述二次目標框確定所述待檢測圖像當前幀圖像的目標位置。

【技術特征摘要】
1.一種目標跟蹤方法，其特征在于，應用于目標監控系統中的前端設備，所述方法至少包括：獲取待檢測圖像前一幀圖像中的目標位置，根據所述目標位置確定所述待檢測圖像當前幀圖像中的目標框位置；根據預設的分類器對所述目標框位置進行一次分類，用于對所述待檢測圖像當前幀圖像中的目標位置進行初步分類,并對一次分類結果進行目標融合后得到一次目標框，根據所述一次目標框確定所述待檢測圖像當前幀圖像的一次目標框位置；根據所述分類器對所述一次目標框位置進行二次分類，用于對所述待檢測圖像當前幀圖像中的目標位置進行精確分類,并對二次分類結果進行目標融合后得到二次目標框，根據所述二次目標框確定所述待檢測圖像當前幀圖像的目標位置。2.如權利要求1所述的目標跟蹤方法，其特征在于，在獲取待檢測圖像前一幀圖像中的目標位置之前，還包括：離線獲取訓練樣本，所述訓練樣本由正樣本和負樣本組成；從所述訓練樣本中提取出圖像特征，所述圖像特征包括HOG特征和SUR特征；根據壓縮降維方法對所述圖像特征進行降維后得到降維圖像特征；將所述降維圖像特征輸入到SVM中進行訓練后得到所述分類器。3.如權利要2所述的目標跟蹤方法，其特征在于，根據壓縮降維方法對所述圖像特征進行降維后得到降維圖像特征，具體包括：根據稀疏測量矩陣對所述圖像特征進行一次降維后得到稀疏圖像特征；根據主成分分析算法PCA對所述稀疏圖像特征進行二次降維后得到降維圖像特征。4.如權利要求1所述的目標跟蹤方法，其特征在于，根據所述目標位置確定所述待檢測圖像當前幀圖像中的目標框位置，以及根據所述一次目標框確定所述待檢測圖像當前幀圖像的一次目標框位置，具體包括：以所述目標位置為圓心、第一預設半徑產生圓，并在所述圓內確定多個目標位置，根據所述多個目標位置確定出當前幀圖像中的目標框位置；以所述一次目標框為圓心、第二預設半徑產生圓，并在所述圓內確定出多個一次目標框，根據所述多個一次目標框確定出當前幀圖像中的一次目標框位置；其中,所述第一預設半徑不小于所述第二預設半徑。5.如權利要求1所述的目標跟蹤方法，其特征在于，所述目標融合的公式具體為：Rect[x，y]＝mean(Rect[x0，y0]，…，Rect[xn，yn]}其中，Rect[xi，yi]的i＝0,1,...,n對應分類結果為y＝1的所有目標框,xi，yi對應的是目標框左上角的坐標位置。6.一種目...

【專利技術屬性】
技術研發人員：陳媛，
申請(專利權)人：浙江宇視科技有限公司，
類型：發明
國別省市：浙江,33