视觉跟踪中的目标丢失判断方法和装置制造方法及图纸

一种视觉跟踪中的目标丢失判断方法和装置，用于在跟踪应用场景中进行目标丢失判断，该方法包括：选取目标检测模型，目标检测模型用于对跟踪应用场景进行分析检测；根据关于跟踪应用场景的视频数据和目标检测模型进行分析，确定视频数据对应的截断阈值，截断阈值用于判断是否存在目标丢失；通过目标检测模型对待检测图像进行实时检测，得到待检测图像的目标区域，根据截断阈值，确定在目标区域中是否存在目标丢失，其中，目标区域是待检测图像中包含目标的区域。本发明专利技术实施例克服了现有技术需要其他辅助设备和辅助信息的缺陷，能够快速、简便、准确地确定目标是否丢失。

【技术实现步骤摘要】

本公开涉及计算机视觉领域，特别涉及一种视觉跟踪中的目标丢失判断方法和装置。
技术介绍
机器人通过视觉的方式实现对诸如人体等目标的跟踪能够极大地提高机器人的智能化，因此基于计算机视觉的目标跟踪技术在智能机器人中得到了越来越广泛的应用。但是在目标跟踪过程中，不可避免的会出现目标被完全遮挡或者离开视野范围的情况，这种情况被称作为失跟现象。如果机器人已经处在失跟状态却不能自主判断目标已经丢失而持续原来的运动状态，那么必然会影响跟踪的准确性，使机器人不能及时跟上目标，从而极大地降低机器人的智能性和行走效率。因此，需要一种有效的失跟判断方法，使得机器人在目标被完全遮挡或者离开视野范围的情况下，能够自主的判断已经丢失目标，从而做出相应的应对方法。
技术实现思路
本专利技术的目的是提供一种视觉跟踪中的目标丢失判断方法，该方法能够克服了现有技术需要较多辅助设备和辅助信息才能实现失跟检测的缺陷。相应的，本专利技术实施例还提供一种视觉跟踪中的目标丢失判断装置，用以保证上述方法的实现及应用。为了解决上述问题，本专利技术实施例公开了一种视觉跟踪中的目标丢失判断方法，用于在跟踪应用场景中进行目标丢失判断，包括：选取目标检测模型，所述目标检测模型用于对所述跟踪应用场景进行分析检测；根据关于所述跟踪应用场景的视频数据和所述目标检测模型进行分析，确定所述视频数据对应的截断阈值，所述截断阈值用于判断是否存在目标丢失；通过所述目标检测模型对待检测图像进行实时检测，得到所述待检测图像的目标区域，根据所述截断阈值，确定在所述目标区域中是否存在目标丢失，其中，所述目标区域是指所述待检测图像中包含所述目标的区域。优选地，所述视觉跟踪中的目标丢失判断方法还包括：针对跟踪应用场景，逐帧输入所述跟踪应用场景中包含所述目标区域的一帧图像；在所述一帧图像中提取所述目标区域，将所述目标区域作为训练样本；逐帧应用所述训练样本进行训练，得到所述目标检测模型。优选地，所述根据关于所述跟踪应用场景的视频数据和所述目标检测模型进行分析，确定所述视频数据对应的截断阈值包括：针对所述跟踪应用场景采集视频数据，所述视频数据中包括对应于目标丢失场景的图像；通过所述目标检测模型，分别获取所述视频数据中的每一帧图像的目标区域；针对每个目标区域，输出滤波响应图Res；分别计算每个滤波响应图Res的主副峰比PSR，并分别将每个主副峰比PSR进行归一化；根据所述目标丢失时对应图像的目标区域的归一化的主副峰比PSR_NORMD，确定所述目标失跟判断模型对应的截断阈值THRED。优选地，根据以下公式计算所述主副峰比PSR：PSR＝(max-μ)/δ其中，max表示最大滤波响应，μ表示滤波响应均值，δ表示滤波响应的标准差。优选地，所述将每个主副峰比PSR进行归一化包括：选取跟踪开始之前的K帧图像，通过所述目标检测模型，分别获取所述K帧图像中的每一帧图像的目标区域；计算所述K帧图像的目标区域的滤波响应图的主副峰比的平均值，作为标准值STD，其中K为大于或等于1的整数；分别用所述每个主副峰比PSR除以所述标准值STD。优选地，K＝0.1*V，其中，V表示所述视频数据对应的视频帧率。优选地，所述根据所述截断阈值，确定在所述目标区域中是否存在目标丢失包括：针对连续的至少一帧待检测图像，通过所述目标检测模型实时获得每一帧待检测图像的目标区域，如果所述每一帧待检测图像的目标区域的滤波响应图的归一化的主副峰比均小于所述截断阈值，则确定在所述目标区域中所述目标丢失。优选地，所述根据所述截断阈值，确定在所述目标区域中是否存在目标丢失包括：子步骤S301：将所述待检测图像的失跟帧数计数设置为零；子步骤S302：通过所述目标检测模型，实时获取所述待检测图像的目标区域；子步骤S303：针对所述待检测图像的目标区域，输出滤波响应图ResT；子步骤S304：计算所述滤波响应图ResT的主副峰比PSR_T，并对所述主副峰比PSR_T进行归一化；子步骤S305：比较归一化的主副峰比PSR_NORM_T与所述截断阈值THRED，如果PSR_NORM_T≥THRED，转向子步骤S306，如果PSR_NORM_T<THRED，转向子步骤S307；子步骤S306：将所述失跟帧数计数设置为零，将所述待检测图像的目标区域作为训练样本对所述目标检测模型进行训练，提取下一帧待检测图像，并返回子步骤S302；子步骤S307：对所述失跟帧数计数进行累计，如果所述失跟帧数计数小于预定帧数M，则将所述待检测图像的目标区域作为训练样本对所述目标检测模型进行训练，提取下一帧待检测图像，并返回子步骤S302；否则确定在所述目标区域中所述目标丢失。优选地，M＝0.2*V，其中，V表示所述视频数据对应的视频帧率。本专利技术实施例还提供一种视觉跟踪中的目标丢失判断装置，用于在跟踪应用场景中进行目标丢失判断，包括：目标检测模型选取模块，用于选取目标检测模型，所述目标检测模型用于对所述跟踪应用场景进行分析检测；截断阈值确定模块，用于根据关于所述跟踪应用场景的视频数据和所述目标检测模型进行分析，确定所述视频数据对应的截断阈值，所述截断阈值用于判断是否存在目标丢失；目标丢失判断模块，用于通过所述目标检测模型对待检测图像进行实时检测，得到所述待检测图像的目标区域，根据所述截断阈值，确定在所述目标区域中是否存在目标丢失，其中，所述目标区域是所述待检测图像中包含所述目标的区域。优选地，所述视觉跟踪中的目标丢失判断装置还包括：输入模块，用于针对跟踪应用场景，逐帧输入所述跟踪应用场景中包含所述目标区域的一帧图像；训练样本提取模块，用于在所述一帧图像中提取所述目标区域，将所述目标区域作为训练样本；训练模块，用于逐帧应用所述训练样本进行训练，得到所述目标检测模型。优选地，所述根据关于所述跟踪应用场景的视频数据和所述目标检测模型进行分析，确定所述视频数据对应的截断阈值包括：针对所述跟踪应用场景采集视频数据，所述视频数据中包括对应于目标丢失场景的图像；通过所述目标检测模型，分别获取所述视频数据中的每一帧图像的目标区域；针对每个目标区域，输出滤波响应图Res；分别计算每个滤波响应图Res的主副峰比PSR，并分别将每个主副峰比PSR进行归一化；根据所述目标丢失时对应图像的目标区域的归一化的主副峰比PSR_NORMD，确定所述目标失跟判断模型对应的截断阈值THRED。优选地，根据以下公式计算所述主副峰比PSR：PSR＝(max-μ)/δ其中，max表示最大滤波响应，μ表示滤波响应均值，δ表示滤波响应的标准差。优选地，所述将每个主副峰比PSR进行归一化包括：选取跟踪开始之前的K帧图像，通过所述目标检测模型，分别获取所述K帧图像中的每一帧图像的目标区域；计算所述K帧图像的目标区域的滤波响应图的主副峰比的平均值，作为标准值STD，其中K为大于或等于1的整数；分别用所述每个主副峰比PSR除以所述标准值STD。优选地，K＝0.1*V，其中，V表示所述视频数据对应的视频帧率。优选地，所述根据所述截断阈值，确定在所述目标区域中是否存在目标丢失包括：针对连续的至少一帧待检测图像，通过所述目标检测模型实时获得每一帧待检测图像的目标区域，如果所述每一帧待检测图像的目标区域的滤波响应图的归一化的主副峰比均本文档来自技高网...

【技术保护点】
一种视觉跟踪中的目标丢失判断方法，用于在跟踪应用场景中进行目标丢失判断，其特征在于，包括：选取目标检测模型，所述目标检测模型用于对所述跟踪应用场景进行分析检测；根据关于所述跟踪应用场景的视频数据和所述目标检测模型进行分析，确定所述视频数据对应的截断阈值，所述截断阈值用于判断是否存在目标丢失；通过所述目标检测模型对待检测图像进行实时检测，得到所述待检测图像的目标区域，根据所述截断阈值，确定在所述目标区域中是否存在目标丢失，其中，所述目标区域是所述待检测图像中包含所述目标的区域。

【技术特征摘要】
1.一种视觉跟踪中的目标丢失判断方法，用于在跟踪应用场景中进行目标丢失判断，其特征在于，包括：选取目标检测模型，所述目标检测模型用于对所述跟踪应用场景进行分析检测；根据关于所述跟踪应用场景的视频数据和所述目标检测模型进行分析，确定所述视频数据对应的截断阈值，所述截断阈值用于判断是否存在目标丢失；通过所述目标检测模型对待检测图像进行实时检测，得到所述待检测图像的目标区域，根据所述截断阈值，确定在所述目标区域中是否存在目标丢失，其中，所述目标区域是所述待检测图像中包含所述目标的区域。2.根据权利要求1所述的视觉跟踪中的目标丢失判断方法，其特征在于，还包括：针对所述跟踪应用场景，逐帧输入所述跟踪应用场景中包含所述目标区域的一帧图像；在所述一帧图像中提取所述目标区域，将所述目标区域作为训练样本；逐帧应用所述训练样本进行训练，得到所述目标检测模型。3.根据权利要求1所述的视觉跟踪中的目标丢失判断方法，其特征在于，所述根据关于所述跟踪应用场景的视频数据和所述目标检测模型进行分析，确定所述视频数据对应的截断阈值包括：针对所述跟踪应用场景采集视频数据，所述视频数据中包括对应于目标丢失场景的图像；通过所述目标检测模型，分别获取所述视频数据中的每一帧图像的目标区域；针对每个目标区域，输出滤波响应图Res；分别计算每个滤波响应图Res的主副峰比PSR，并分别将每个主副峰比PSR进行归一化；根据所述目标丢失时对应图像的目标区域的归一化的主副峰比PSR_NORMD，确定所述截断阈值THRED。4.根据权利要求3所述的视觉跟踪中的目标丢失判断方法，其特征在于，根据以下公式计算所述主副峰比PSR：PSR＝(max-μ)/δ其中，max表示最大滤波响应，μ表示滤波响应均值，δ表示滤波响应的标准差。5.根据权利要求3所述的视觉跟踪中的目标丢失判断方法，其特征在于，所述将每个主副峰比PSR进行归一化包括：选取跟踪开始之前的K帧图像，通过所述目标检测模型，分别获取所述K帧图像中的每一帧图像的目标区域；计算所述K帧图像的目标区域的滤波响应图的主副峰比的平均值，作为标准值STD，其中K为大于或等于1的整数；分别用所述每个主副峰比PSR除以所述标准值STD。6.根据权利要求5所述的视觉跟踪中的目标丢失判断方法，其特征在于，K＝0.1*V其中，V表示所述视频数据对应的视频帧率。7.根据权利要求1所述的视觉跟踪中的目标丢失判断方法，其特征在于，所述根据所述截断阈值，确定在所述目标区域中是否存在目标丢失包括：针对连续的至少一帧待检测图像，通过所述目标检测模型实时获得每一帧待检测图像的目标区域，如果所述每一帧待检测图像的目标区域的滤波响应图的归一化的主副峰比均小于所述截断阈值，则确定在所述目标区域中所述目标丢失。8.根据权利要求7所述的视觉跟踪中的目标丢失判断方法，其特征在于，所述根据所述截断阈值，确定在所述目标区域中是否存在目标丢失包括：子步骤S301：将所述待检测图像的失跟帧数计数设置为零；子步骤S302：通过所述目标检测模型，实时获取所述待检测图像的目标区域；子步骤S303：针对所述待检测图像的目标区域，输出滤波响应图ResT；子步骤S304：计算所述滤波响应图ResT的主副峰比PSR_T，并对所述主副峰比PSR_T进行归一化；子步骤S305：比较归一化的主副峰比PSR_NORM_T与所述截断阈值THRED，如果PSR_NORM_T≥THRED，转向子步骤S306，如果PSR_NORM_T<THRED，转向子步骤S307；子步骤S306：将所述失跟帧数计数设置为零，将所述待检测图像的目标区域作为训练样本对所述目标检测模型进行训练，提取下一帧待检测图像，并返回子步骤S302；子步骤S307：对所述失跟帧数计数进行累计，如果所述失跟帧数计数小于预定帧数M，则将所述待检测图像的目标区域作为训练样本对所述目标检测模型进行训练，提取下一帧待检测图像，并返回子步骤S302；否则确定在所述目标区域中所述目标丢失。9.根据权利要求8所述的视觉跟踪中的目标丢失判断方法，其特征在于，M＝0.2*V其中，V表示所述视频数据对应的视频帧率。10.一种视觉跟踪中的目标丢失判断装置，用于在跟踪应用场景中进行目标丢失判断，其特征在于...

【专利技术属性】
技术研发人员：诸小熊，汤炜，
申请(专利权)人：北京智能管家科技有限公司，
类型：发明
国别省市：北京;11