一種目標(biāo)跟蹤方法和裝置制造方法及圖紙

本發(fā)明專利技術(shù)提供了一種目標(biāo)跟蹤方法和裝置，所述方法包括：獲取當(dāng)前幀圖像中跟蹤目標(biāo)的多個當(dāng)前目標(biāo)特征；根據(jù)歷史圖像獲取所述跟蹤目標(biāo)的識別特征；分別計算多個所述當(dāng)前目標(biāo)特征與所述識別特征的特征距離；選取最小的所述特征距離對應(yīng)的所述當(dāng)前目標(biāo)特征作為所述跟蹤目標(biāo)的當(dāng)前特征；根據(jù)所述當(dāng)前特征跟蹤所述跟蹤目標(biāo)。該方案不僅考慮當(dāng)前幀圖像對跟蹤目標(biāo)的影響，而且充分考慮歷史跟蹤圖像對跟蹤目標(biāo)的影響，使得跟蹤目標(biāo)具有歷史一致性，從而保持目標(biāo)跟蹤的穩(wěn)定性，并且，由當(dāng)前幀確定的跟蹤目標(biāo)的當(dāng)前特征去更新歷史目標(biāo)特征池，避免了誤差疊加，提高了跟蹤結(jié)果的準(zhǔn)確性。

Target tracking method and device

The invention provides a target tracking method and device. The method comprises: obtaining a plurality of the target feature tracking the current frame image; according to the recognition feature to obtain the target tracking history image; feature distance were calculated for the plurality of the target features and the recognition feature selection; the characteristic distance corresponding to the minimum of the current target feature as the feature of current tracking; according to the current characteristics of the tracking target tracking. This scheme not only influences the image of target tracking, and considering the influence of history tracking image target tracking, the tracking target with historical consistency, so as to maintain the stability of target tracking and determined by the current frame tracking feature to update the history before when the target feature pool, avoiding error superposition to improve the accuracy of the tracking results.

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種目標(biāo)跟蹤方法和裝置
本專利技術(shù)涉及視覺跟蹤領(lǐng)域，具體涉及一種目標(biāo)跟蹤方法和裝置。
技術(shù)介紹
目標(biāo)跟蹤是指對跟蹤圖像中指定目標(biāo)區(qū)域進(jìn)行實(shí)時自動跟蹤，實(shí)時計算出目標(biāo)在圖像場景中的精確位置。目標(biāo)跟蹤是近年來計算機(jī)視覺領(lǐng)域中備受關(guān)注的前沿方向，它從包含運(yùn)動目標(biāo)的圖像序列中檢測、識別并跟蹤目標(biāo)，并對其行為進(jìn)行理解和描述。目標(biāo)分析的研究涉及到模型識別、圖像處理、計算機(jī)視覺、人工智能等學(xué)科的內(nèi)容。隨著現(xiàn)代信息技術(shù)的發(fā)展，目標(biāo)跟蹤在軍用、民用以及醫(yī)學(xué)等方面具有重要意義。比如，目標(biāo)跟蹤在視頻監(jiān)控、智能導(dǎo)航、互動游戲、機(jī)器人技術(shù)以及增強(qiáng)現(xiàn)實(shí)等領(lǐng)域有著至關(guān)重要的應(yīng)用。通常在進(jìn)行目標(biāo)跟蹤時，目標(biāo)的特征都是采用固定維度的特征，而且這些固定維度的特征所組成的目標(biāo)外觀模型是根據(jù)在每幀圖像中確定的跟蹤目標(biāo)附近采集的正負(fù)樣本來進(jìn)行更新。然而，由于跟蹤圖像中景物的多樣性和復(fù)雜性，目標(biāo)跟蹤技術(shù)在工程應(yīng)用中仍然有許多問題有待解決。比如，在目標(biāo)跟蹤過程中，由于光線變化、目標(biāo)外觀變化、復(fù)雜背景影響等因素導(dǎo)致目標(biāo)外觀模型中的一些特征的判別能力和描述能力下降，而隨著每次目標(biāo)外觀模型的更新，判別誤差也會逐漸增大，進(jìn)而容易造成跟蹤目標(biāo)判別不準(zhǔn)確，出現(xiàn)跟蹤錯誤等現(xiàn)象。因此，如何提高目標(biāo)跟蹤的準(zhǔn)確度，成為一個亟待解決的技術(shù)問題。
技術(shù)實(shí)現(xiàn)思路
因此，本專利技術(shù)要解決的技術(shù)問題在于現(xiàn)有技術(shù)中在目標(biāo)跟蹤過程中，跟蹤結(jié)果準(zhǔn)確度低。從而提供一種目標(biāo)跟蹤方法和裝置。有鑒于此，本專利技術(shù)實(shí)施例的第一方面提供了一種目標(biāo)跟蹤方法，包括：獲取當(dāng)前幀圖像中跟蹤目標(biāo)的多個當(dāng)前目標(biāo)特征；根據(jù)歷史圖像獲取所述跟蹤目標(biāo)的識別特征；所述根據(jù)多個所述當(dāng)前目標(biāo)特征和所述識別特征跟蹤所述跟蹤目標(biāo)包括：分別計算多個所述當(dāng)前目標(biāo)特征與所述識別特征的特征距離；選取最小的所述特征距離對應(yīng)的所述當(dāng)前目標(biāo)特征作為所述跟蹤目標(biāo)的當(dāng)前特征；根據(jù)所述當(dāng)前特征跟蹤所述跟蹤目標(biāo)。優(yōu)選地，所述根據(jù)歷史圖像獲取所述跟蹤目標(biāo)的識別特征包括：獲取歷史圖像中所述跟蹤目標(biāo)的歷史目標(biāo)特征池；獲取所述歷史圖像的最后一幀圖像中所述跟蹤目標(biāo)的背景特征；根據(jù)所述歷史目標(biāo)特征池和所述背景特征確定所述識別特征。優(yōu)選地，所述獲取歷史圖像中所述跟蹤目標(biāo)的歷史目標(biāo)特征池包括：分別提取每一幀圖像中所述跟蹤目標(biāo)的壓縮特征；對所述壓縮特征進(jìn)行低秩一致性分析，得到所述壓縮特征的稀疏矩陣；根據(jù)所述稀疏矩陣選取預(yù)設(shè)個數(shù)的所述壓縮特征生成所述歷史目標(biāo)特征池。優(yōu)選地，所述根據(jù)所述歷史目標(biāo)特征池和所述背景特征確定所述識別特征包括：將所述歷史目標(biāo)特征池作為正樣本、所述背景特征作為負(fù)樣本訓(xùn)練分類器得到分類特征向量；按照元素的系數(shù)從大到小依次從所述分類向量中選取目標(biāo)元素生成所述識別特征。優(yōu)選地，還包括：將所述當(dāng)前特征替換所述歷史目標(biāo)特征池中具有最小稀疏值的稀疏矩陣對應(yīng)的壓縮特征，生成新的歷史目標(biāo)特征池。本專利技術(shù)實(shí)施例的第二方面提供了一種目標(biāo)跟蹤裝置，包括：第一獲取模塊，用于獲取當(dāng)前幀圖像中跟蹤目標(biāo)的多個當(dāng)前目標(biāo)特征；第二獲取模塊，用于根據(jù)歷史圖像獲取所述跟蹤目標(biāo)的識別特征；計算模塊，用于分別計算多個所述當(dāng)前目標(biāo)特征與所述識別特征的特征距離；選取模塊，用于選取最小的所述特征距離對應(yīng)的所述當(dāng)前目標(biāo)特征作為所述跟蹤目標(biāo)的當(dāng)前特征；跟蹤模塊，用于根據(jù)所述當(dāng)前特征跟蹤所述跟蹤目標(biāo)。優(yōu)選地，所述第二獲取模塊包括：第一獲取單元，用于獲取歷史圖像中所述跟蹤目標(biāo)的歷史目標(biāo)特征池；第二獲取單元，用于獲取所述歷史圖像的最后一幀圖像中所述跟蹤目標(biāo)的背景特征；確定單元，用于根據(jù)所述歷史目標(biāo)特征池和所述背景特征確定所述識別特征。優(yōu)選地，所述第一獲取單元包括：提取子單元，用于分別提取每一幀圖像中所述跟蹤目標(biāo)的壓縮特征；分析子單元，用于對所述壓縮特征進(jìn)行低秩一致性分析，得到所述壓縮特征的稀疏矩陣；第一選取子單元，用于根據(jù)所述稀疏矩陣選取預(yù)設(shè)個數(shù)的所述壓縮特征生成所述歷史目標(biāo)特征池。優(yōu)選地，所述確定單元包括：訓(xùn)練子單元，用于將所述歷史目標(biāo)特征池作為正樣本、所述背景特征作為負(fù)樣本訓(xùn)練SVM分類器得到分類特征向量；第二選取子單元，用于按照元素的系數(shù)從大到小依次從所述分類向量中選取目標(biāo)元素生成所述識別特征。優(yōu)選地，還包括：替換模塊，用于將所述當(dāng)前特征替換所述歷史目標(biāo)特征池中具有最小稀疏值的稀疏矩陣對應(yīng)的壓縮特征，生成新的歷史目標(biāo)特征池。本專利技術(shù)的技術(shù)方案具有以下優(yōu)點(diǎn)：本專利技術(shù)實(shí)施例提供的目標(biāo)跟蹤方法和裝置，通過綜合考慮當(dāng)前幀圖像確定的多個當(dāng)前目標(biāo)特征和歷史圖像確定的識別特征對跟蹤目標(biāo)的影響，實(shí)現(xiàn)對當(dāng)前幀圖像中目標(biāo)的跟蹤，與現(xiàn)有技術(shù)相比，不僅考慮當(dāng)前幀圖像對跟蹤目標(biāo)的影響，而且充分考慮歷史跟蹤圖像對跟蹤目標(biāo)的影響，使得跟蹤目標(biāo)具有歷史一致性，從而保持目標(biāo)跟蹤的穩(wěn)定性，并且，由當(dāng)前幀確定的跟蹤目標(biāo)的當(dāng)前特征去更新歷史目標(biāo)特征池，避免了誤差疊加，提高了跟蹤結(jié)果的準(zhǔn)確性。附圖說明為了更清楚地說明本專利技術(shù)具體實(shí)施方式或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對具體實(shí)施方式或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本專利技術(shù)的一些實(shí)施方式，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本專利技術(shù)實(shí)施例1的目標(biāo)跟蹤方法的一個流程圖；圖2為本專利技術(shù)實(shí)施例2的目標(biāo)跟蹤裝置的一個框圖。具體實(shí)施方式下面將結(jié)合附圖對本專利技術(shù)的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本專利技術(shù)一部分實(shí)施例，而不是全部的實(shí)施例。基于本專利技術(shù)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本專利技術(shù)保護(hù)的范圍。在本專利技術(shù)的描述中，需要說明的是，術(shù)語“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對重要性。此外，下面所描述的本專利技術(shù)不同實(shí)施方式中所涉及的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互結(jié)合。實(shí)施例1本實(shí)施例提供一種目標(biāo)跟蹤方法，如圖1所示，包括如下步驟：S11：獲取當(dāng)前幀圖像中跟蹤目標(biāo)的多個當(dāng)前目標(biāo)特征。此處當(dāng)前幀圖像是跟蹤目標(biāo)所在的當(dāng)前圖像，通過將當(dāng)前幀圖像中跟蹤目標(biāo)的當(dāng)前目標(biāo)特征作為判別參考，以保證跟蹤目標(biāo)的穩(wěn)定性，具體地，上一幀圖像所確定的跟蹤目標(biāo)對應(yīng)一個位置信息，可以將該位置信息對應(yīng)到當(dāng)前幀圖像中，得到該位置信息在當(dāng)前幀圖像中的目標(biāo)位置，然后再該目標(biāo)位置附近隨機(jī)選取多個候選樣本，提取多個候選樣本的壓縮特征作為當(dāng)前目標(biāo)特征，其中當(dāng)前目標(biāo)特征可以采用向量的形式表示，其維數(shù)可以根據(jù)實(shí)際情況選擇，比如本實(shí)施例中可以設(shè)定當(dāng)前目標(biāo)特征為50維，如此不僅可以提高當(dāng)前目標(biāo)特征的準(zhǔn)確性，而且保持了跟蹤目標(biāo)的連續(xù)性。S12：根據(jù)歷史圖像獲取跟蹤目標(biāo)的識別特征。此處歷史圖像是相對于跟蹤目標(biāo)所在的當(dāng)前幀圖像來說得，識別特征可以用矩陣的方式表示，其維數(shù)與當(dāng)前目標(biāo)特征保持一致，比如設(shè)定為50維。歷史圖像可以是跟蹤目標(biāo)所在的視覺文件，比如視頻、圖片等。由歷史圖像確定的跟蹤目標(biāo)的識別特征作為跟蹤依據(jù)，不僅可以避免跟蹤目標(biāo)與歷史圖像脫離，從而保持歷史一致性，而且避免了這僅僅依靠上一幀圖像進(jìn)行判別出現(xiàn)的誤差疊加，進(jìn)一步提高了跟蹤結(jié)果的穩(wěn)定性。S13：分別計算多個當(dāng)前目標(biāo)特征與識別特征的特征距離。當(dāng)前目標(biāo)特征的個數(shù)可以根據(jù)實(shí)際需要選取，識別特征中包含多個元素特征，可以通過分別計本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種目標(biāo)跟蹤方法，其特征在于，包括：獲取當(dāng)前幀圖像中跟蹤目標(biāo)的多個當(dāng)前目標(biāo)特征；根據(jù)歷史圖像獲取所述跟蹤目標(biāo)的識別特征；分別計算多個所述當(dāng)前目標(biāo)特征與所述識別特征的特征距離；選取最小的所述特征距離對應(yīng)的所述當(dāng)前目標(biāo)特征作為所述跟蹤目標(biāo)的當(dāng)前特征；根據(jù)所述當(dāng)前特征跟蹤所述跟蹤目標(biāo)。

【技術(shù)特征摘要】
1.一種目標(biāo)跟蹤方法，其特征在于，包括：獲取當(dāng)前幀圖像中跟蹤目標(biāo)的多個當(dāng)前目標(biāo)特征；根據(jù)歷史圖像獲取所述跟蹤目標(biāo)的識別特征；分別計算多個所述當(dāng)前目標(biāo)特征與所述識別特征的特征距離；選取最小的所述特征距離對應(yīng)的所述當(dāng)前目標(biāo)特征作為所述跟蹤目標(biāo)的當(dāng)前特征；根據(jù)所述當(dāng)前特征跟蹤所述跟蹤目標(biāo)。2.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，所述根據(jù)歷史圖像獲取所述跟蹤目標(biāo)的識別特征包括：獲取歷史圖像中所述跟蹤目標(biāo)的歷史目標(biāo)特征池；獲取所述歷史圖像的最后一幀圖像中所述跟蹤目標(biāo)的背景特征；根據(jù)所述歷史目標(biāo)特征池和所述背景特征確定所述識別特征。3.根據(jù)權(quán)利要求2所述的目標(biāo)跟蹤方法，其特征在于，所述獲取歷史圖像中所述跟蹤目標(biāo)的歷史目標(biāo)特征池包括：分別提取每一幀圖像中所述跟蹤目標(biāo)的壓縮特征；對所述壓縮特征進(jìn)行低秩一致性分析，得到所述壓縮特征的稀疏矩陣；根據(jù)所述稀疏矩陣選取預(yù)設(shè)個數(shù)的所述壓縮特征生成所述歷史目標(biāo)特征池。4.根據(jù)權(quán)利要求2所述的目標(biāo)跟蹤方法，其特征在于，所述根據(jù)所述歷史目標(biāo)特征池和所述背景特征確定所述識別特征包括：將所述歷史目標(biāo)特征池作為正樣本、所述背景特征作為負(fù)樣本訓(xùn)練分類器得到分類特征向量；按照元素的系數(shù)從大到小依次從所述分類向量中選取目標(biāo)元素生成所述識別特征。5.根據(jù)權(quán)利要求2至4中任一項所述的目標(biāo)跟蹤方法，其特征在于，還包括：將所述當(dāng)前特征替換所述歷史目標(biāo)特征池中具有最小稀疏值的稀疏矩陣對應(yīng)的壓縮特征，生成新的歷史目標(biāo)特征池。6.一種目標(biāo)跟蹤裝置，其特征在于，包括：第一獲取模塊，用于獲取當(dāng)前...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張雷，譙帥，張如高，
申請(專利權(quán))人：上海博康智能信息技術(shù)有限公司，
類型：發(fā)明
國別省市：上海,31