本申請?zhí)峁┑哪繕?biāo)跟蹤方法，包括：獲取待分析視頻；根據(jù)待分析視頻中每一幀圖像的時間順序，確定當(dāng)前需要處理的第一目標(biāo)圖像；若第一目標(biāo)圖像不是待分析視頻中的最后一幀圖像，則根據(jù)第一目標(biāo)圖像，確定對應(yīng)的第二目標(biāo)圖像及原始位置；根據(jù)第二目標(biāo)圖像和預(yù)設(shè)的目標(biāo)模型，確定第一目標(biāo)得分和目標(biāo)數(shù)值；若存在已構(gòu)建的SVM分類器且第一目標(biāo)得分小于所述第一預(yù)設(shè)閾值，則調(diào)用SVM分類器對第二目標(biāo)圖像進行重檢測，得到與第二目標(biāo)圖像對應(yīng)的第二目標(biāo)得分和目標(biāo)位置；若第二目標(biāo)得分大于第一比對值，則更新原始位置為目標(biāo)位置。應(yīng)用本發(fā)明專利技術(shù)提供的方法，通過對每一幀的圖像進行目標(biāo)跟蹤并對跟蹤結(jié)果進行準(zhǔn)確性檢驗，提供了目標(biāo)跟蹤的可靠性和準(zhǔn)確性。可靠性和準(zhǔn)確性。可靠性和準(zhǔn)確性。
【技術(shù)實現(xiàn)步驟摘要】
目標(biāo)跟蹤方法、裝置、存儲介質(zhì)及計算機設(shè)備
[0001]本申請涉及視頻分析
，尤其涉及一種目標(biāo)跟蹤方法、裝置、存儲介質(zhì)及計算機設(shè)備。
技術(shù)介紹
[0002]目標(biāo)跟蹤是視頻分析的核心問題之一，在人機交互、視頻監(jiān)控、增強現(xiàn)實等領(lǐng)域有著廣泛的應(yīng)用。雖然在過去幾十年來該技術(shù)的研究取得了很大的進展，但由于應(yīng)用中存在光照變化、剛性形變、快速運動、部分遮擋、背景繁雜等多種因素，尋求快速穩(wěn)定、適合對象變化的跟蹤方法始終是一個挑戰(zhàn)。
[0003]現(xiàn)有技術(shù)中，基于核相關(guān)濾波的目標(biāo)跟蹤技術(shù)是目前具有代表意義的目標(biāo)跟蹤技術(shù)之一，能提高目標(biāo)跟蹤魯棒性和準(zhǔn)確性，但在跟蹤過程中，由于不對跟蹤的結(jié)果進行準(zhǔn)確性檢測，一旦目標(biāo)在當(dāng)前幀被錯誤地檢測、嚴(yán)重遮擋或者完全丟失，最終可能導(dǎo)致目標(biāo)跟蹤失敗，降低了目標(biāo)跟蹤的可靠性和準(zhǔn)確性。
技術(shù)實現(xiàn)思路
[0004]本申請的目的旨在至少能解決上述的技術(shù)缺陷之一，特別是現(xiàn)有技術(shù)中由于不對跟蹤的結(jié)果進行準(zhǔn)確性檢測，一旦目標(biāo)在當(dāng)前幀被錯誤地檢測、嚴(yán)重遮擋或者完全丟失，最終可能導(dǎo)致目標(biāo)跟蹤失敗，降低了目標(biāo)跟蹤的可靠性和準(zhǔn)確性的技術(shù)缺陷。
[0005]第一方面，本申請?zhí)峁┝艘环N目標(biāo)跟蹤方法，所述方法包括：
[0006]獲取待分析視頻；其中，所述待分析視頻包括至少兩幀圖像；
[0007]根據(jù)所述待分析視頻中每一幀圖像的時間順序，在所述待分析視頻中確定當(dāng)前需要處理的第一目標(biāo)圖像；
[0008]若所述第一目標(biāo)圖像不是所述待分析視頻中的最后一幀圖像，則根據(jù)所述第一目標(biāo)圖像，確定與所述第一目標(biāo)圖像對應(yīng)的第二目標(biāo)圖像及原始位置；其中，所述原始位置為所述第一目標(biāo)圖像的下一幀圖像中第二目標(biāo)圖像的位置；
[0009]根據(jù)所述第二目標(biāo)圖像和預(yù)設(shè)的目標(biāo)模型，確定第一目標(biāo)得分和目標(biāo)數(shù)值；其中，所述第一目標(biāo)得分為所述第二目標(biāo)圖像在所述目標(biāo)模型中的最大響應(yīng)值，所述目標(biāo)數(shù)值用于反映所述第二目標(biāo)圖像對應(yīng)的響應(yīng)圖的波動程度；判斷是否存在已構(gòu)建的SVM分類器，若存在已構(gòu)建的SVM分類器，則判斷所述第一目標(biāo)得分是否小于第一預(yù)設(shè)閾值；
[0010]若所述第一目標(biāo)得分小于所述第一預(yù)設(shè)閾值，則調(diào)用所述SVM分類器對所述第二目標(biāo)圖像進行重檢測，得到與所述第二目標(biāo)圖像對應(yīng)的第二目標(biāo)得分和目標(biāo)位置；其中，所述第二目標(biāo)得分為所述第二目標(biāo)圖像在所述SVM分類器中的最大響應(yīng)值；
[0011]若所述第二目標(biāo)得分大于第一比對值，則更新所述原始位置為所述目標(biāo)位置；其中，所述第一比對值為所述第一目標(biāo)得分與第一預(yù)設(shè)倍數(shù)的積。
[0012]在其中一個實施例中，所述確定與所述第一目標(biāo)圖像對應(yīng)的第二目標(biāo)圖像及原始位置，包括：
[0013]對所述第一目標(biāo)圖像進行加窗操作，根據(jù)經(jīng)過加窗操作的第一目標(biāo)圖訓(xùn)練已設(shè)置的上下文模型；
[0014]根據(jù)預(yù)設(shè)策略，對所述第一目標(biāo)圖像進行圖像截取，確定第二目標(biāo)圖像；對所述第二目標(biāo)圖像進行特征提取，得到與所述第二目標(biāo)圖像對應(yīng)的第一目標(biāo)特征；
[0015]將所述第一目標(biāo)特征輸入所述上下文模型中，確定與所述第一目標(biāo)特征對應(yīng)原始位置。
[0016]在其中一個實施例中，所述對所述第一目標(biāo)圖像進行加窗操作，包括：
[0017]獲取所述第一目標(biāo)圖像的各個像素值；
[0018]將各個所述像素值乘以一個單位的余弦窗，得到與各個所述像素值對應(yīng)目標(biāo)像素值；
[0019]根據(jù)各個所述目標(biāo)像素值，更新所述第一目標(biāo)圖像。
[0020]在其中一個實施例中，所述根據(jù)所述第二目標(biāo)圖像和預(yù)設(shè)的目標(biāo)模型，確定第一目標(biāo)得分和目標(biāo)數(shù)值，包括：
[0021]對所述第二目標(biāo)圖像進行尺寸變換，得到與所述第二目標(biāo)圖像對應(yīng)的多個圖像塊；
[0022]分別對各個所述圖像塊進行特征提取，得到與各個所述圖像塊對應(yīng)的第二目標(biāo)特征；
[0023]將各個所述第二目標(biāo)特征輸入所述目標(biāo)模型，確定與所述第二目標(biāo)圖像對應(yīng)的第一目標(biāo)得分和目標(biāo)數(shù)值并將所述目標(biāo)數(shù)值添加在已設(shè)置的記錄表中。
[0024]在其中一個實施例中，所述方法還包括：
[0025]獲取平均值，其中，所述平均值為所述記錄表中各個所述目標(biāo)數(shù)值的平均值；
[0026]若所述第二目標(biāo)得分大于第二預(yù)設(shè)閾值且所述目標(biāo)數(shù)值大于第二比對值，則更新所述目標(biāo)模型和所述SVM分類器；其中，所述第二比對值為所述平均值與第二預(yù)設(shè)倍數(shù)的積。
[0027]在其中一個實施例中，所述方法還包括：
[0028]若所述第一目標(biāo)得分大于或等于所述第一預(yù)設(shè)閾值，則不需要調(diào)用所述SVM分類器對各個所述第二目標(biāo)特征進行重檢測，所述原始位置即為預(yù)測的下一幀圖像的目標(biāo)跟蹤結(jié)果。
[0029]第二方面，本申請?zhí)峁┝艘环N目標(biāo)跟蹤裝置，所述裝置包括：
[0030]獲取模塊，用于獲取待分析視頻；其中，所述待分析視頻包括至少兩幀圖像；
[0031]第一確定模塊，用于根據(jù)所述待分析視頻中每一幀圖像的時間順序，在所述待分析視頻中確定當(dāng)前需要處理的第一目標(biāo)圖像；
[0032]第二確定模塊，用于若所述第一目標(biāo)圖像不是所述待分析視頻中的最后一幀圖像，則根據(jù)所述第一目標(biāo)圖像，確定與所述第一目標(biāo)圖像對應(yīng)的第二目標(biāo)圖像及原始位置；其中，所述原始位置為所述第一目標(biāo)圖像的下一幀圖像中第二目標(biāo)圖像的位置；
[0033]第三確定模塊，用于根據(jù)所述第二目標(biāo)圖像和預(yù)設(shè)的目標(biāo)模型，確定第一目標(biāo)得分和目標(biāo)數(shù)值；其中，所述第一目標(biāo)得分為所述第二目標(biāo)圖像在所述目標(biāo)模型中的最大響應(yīng)值，所述目標(biāo)數(shù)值用于反映所述第二目標(biāo)圖像對應(yīng)的響應(yīng)圖的波動程度；
[0034]判斷模塊，用于判斷是否存在已構(gòu)建的SVM分類器，若存在已構(gòu)建的SVM分類器，則
判斷所述第一目標(biāo)得分是否小于第一預(yù)設(shè)閾值；
[0035]重檢測模塊，用于若所述第一目標(biāo)得分小于所述第一預(yù)設(shè)閾值，則調(diào)用所述SVM分類器對所述第二目標(biāo)圖像進行重檢測，得到與所述第二目標(biāo)圖像對應(yīng)的第二目標(biāo)得分和目標(biāo)位置；其中，所述第二目標(biāo)得分為所述第二目標(biāo)圖像在所述SVM分類器中的最大響應(yīng)值；
[0036]目標(biāo)位置更新模塊，用于若所述第二目標(biāo)得分大于第一比對值，則更新所述原始位置為所述目標(biāo)位置；其中，所述第一比對值為所述第一目標(biāo)得分與第一預(yù)設(shè)倍數(shù)的積。
[0037]在其中一個實施例中，所述第二確定模塊包括：
[0038]模型更新子模塊，用于對所述第一目標(biāo)圖像進行加窗操作，根據(jù)經(jīng)過加窗操作的第一目標(biāo)圖訓(xùn)練已設(shè)置的上下文模型；
[0039]圖像截取子模塊，用于根據(jù)預(yù)設(shè)策略，對所述第一目標(biāo)圖像進行圖像截取，確定第二目標(biāo)圖像；
[0040]獲取子模塊，用于對所述第二目標(biāo)圖像進行特征提取，得到與所述第二目標(biāo)圖像對應(yīng)的第一目標(biāo)特征；
[0041]位置確定子模塊，用于將所述第一目標(biāo)特征輸入所述上下文模型中，確定與所述第一目標(biāo)特征對應(yīng)原始位置。
[0042]第三方面，本申請?zhí)峁┝艘环N存儲介質(zhì)，所述存儲介質(zhì)中存儲有計算機可讀指令，所述計算機可讀指令被一個本文檔來自技高網(wǎng)...
【技術(shù)保護點】
【技術(shù)特征摘要】
1.一種目標(biāo)跟蹤方法，其特征在于，所述方法包括：獲取待分析視頻；其中，所述待分析視頻包括至少兩幀圖像；根據(jù)所述待分析視頻中每一幀圖像的時間順序，在所述待分析視頻中確定當(dāng)前需要處理的第一目標(biāo)圖像；若所述第一目標(biāo)圖像不是所述待分析視頻中的最后一幀圖像，則根據(jù)所述第一目標(biāo)圖像，確定與所述第一目標(biāo)圖像對應(yīng)的第二目標(biāo)圖像及原始位置；其中，所述原始位置為所述第一目標(biāo)圖像的下一幀圖像中第二目標(biāo)圖像的位置；根據(jù)所述第二目標(biāo)圖像和預(yù)設(shè)的目標(biāo)模型，確定第一目標(biāo)得分和目標(biāo)數(shù)值；其中，所述第一目標(biāo)得分為所述第二目標(biāo)圖像在所述目標(biāo)模型中的最大響應(yīng)值，所述目標(biāo)數(shù)值用于反映所述第二目標(biāo)圖像對應(yīng)的響應(yīng)圖的波動程度；判斷是否存在已構(gòu)建的SVM分類器，若存在已構(gòu)建的SVM分類器，則判斷所述第一目標(biāo)得分是否小于第一預(yù)設(shè)閾值；若所述第一目標(biāo)得分小于所述第一預(yù)設(shè)閾值，則調(diào)用所述SVM分類器對所述第二目標(biāo)圖像進行重檢測，得到與所述第二目標(biāo)圖像對應(yīng)的第二目標(biāo)得分和目標(biāo)位置；其中，所述第二目標(biāo)得分為所述第二目標(biāo)圖像在所述SVM分類器中的最大響應(yīng)值；若所述第二目標(biāo)得分大于第一比對值，則更新所述原始位置為所述目標(biāo)位置；其中，所述第一比對值為所述第一目標(biāo)得分與第一預(yù)設(shè)倍數(shù)的積。2.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，所述確定與所述第一目標(biāo)圖像對應(yīng)的第二目標(biāo)圖像及原始位置，包括：對所述第一目標(biāo)圖像進行加窗操作，根據(jù)經(jīng)過加窗操作的第一目標(biāo)圖訓(xùn)練已設(shè)置的上下文模型；根據(jù)預(yù)設(shè)策略，對所述第一目標(biāo)圖像進行圖像截取，確定第二目標(biāo)圖像；對所述第二目標(biāo)圖像進行特征提取，得到與所述第二目標(biāo)圖像對應(yīng)的第一目標(biāo)特征；將所述第一目標(biāo)特征輸入所述上下文模型中，確定與所述第一目標(biāo)特征對應(yīng)原始位置。3.根據(jù)權(quán)利要求2所述的目標(biāo)跟蹤方法，所述對所述第一目標(biāo)圖像進行加窗操作，包括：獲取所述第一目標(biāo)圖像的各個像素值；將各個所述像素值乘以一個單位的余弦窗，得到與各個所述像素值對應(yīng)目標(biāo)像素值；根據(jù)各個所述目標(biāo)像素值，更新所述第一目標(biāo)圖像。4.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，所述根據(jù)所述第二目標(biāo)圖像和預(yù)設(shè)的目標(biāo)模型，確定第一目標(biāo)得分和目標(biāo)數(shù)值，包括：對所述第二目標(biāo)圖像進行尺寸變換，得到與所述第二目標(biāo)圖像對應(yīng)的多個圖像塊；分別對各個所述圖像塊進行特征提取，得到與各個所述圖像塊對應(yīng)的第二目標(biāo)特征；將各個所述第二目標(biāo)特征輸入所述目標(biāo)模型，確定與所述第二目標(biāo)圖像對應(yīng)的第一目標(biāo)得分和目標(biāo)數(shù)值并將所述目標(biāo)數(shù)值添加在已設(shè)置的記錄表中。5.根據(jù)權(quán)利要求4所述的目標(biāo)跟蹤方法，所述方法還包括：獲取平均值，其中，所述平均值為所述記錄表中各個所述目標(biāo)數(shù)值的平均值；若所述第二目標(biāo)得分大于第二預(yù)設(shè)閾值且所述目標(biāo)數(shù)值大于第二比對值，則更新所述
目標(biāo)模型和所...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：阮宏剛，
申請(專利權(quán))人：天翼數(shù)字生活科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。