一种基于自适应搜索的目标跟踪方法及装置制造方法及图纸

本发明专利技术提供的基于自适应搜索的目标的跟踪方法，首先对目标物体进行跟踪，得到跟踪位置，然后计算所述跟踪位置与目标物体的原始位置的相似度，若所述相似度小于预设阈值，通过级联检测器获取多个候选跟踪区域，将所述候选跟踪区域聚类置信度最高的区域为跟踪结果；若所述相似度不小于预设阈值，则获取跟踪位置中的目标物体的尺寸，根据目标物体的尺寸更新原始目标物体，下一帧图像根据更新后的目标尺寸对目标物体进行跟踪。该方案中，通如果与原始位置的差别太大，则说明目标快速移动而导致跟踪失败，如果差别较小，则说明跟踪成功。该方法可以适用于目标物体被遮挡或者目标物体快速移动的情况进行跟踪，具有更好的跟踪效果。

Target tracking method and device based on adaptive search

The target tracking method based on adaptive search provided by the invention, the target object tracking, the tracking position, then calculate the similarity of the object tracking position and the original position, if the similarity is less than a preset threshold, to obtain a plurality of candidate tracking regions through the cascade detector, the candidate tracking area clustering is the highest confidence region for the tracking results; if the similarity is not less than the preset threshold, obtaining tracking target position in size, according to the dimension of the target object updates the original object, the image of the next frame according to the updated target size of the target object tracking. In this scheme, if the difference between the original location and the original location is too large, the fast moving of the target results in the failure of the tracking, and if the difference is small, then the tracking is successful. The method can be applied to tracking the target object being occluded or moving rapidly, and it has better tracking effect.

【技术实现步骤摘要】
一种基于自适应搜索的目标跟踪方法及装置
本专利技术涉及计算机视觉领域，具体涉及一种基于自适应搜索的目标跟踪方法及装置。
技术介绍
在计算机视觉领域，目标跟踪一直是热点研究领域之一。所谓目标跟踪，即是在一个连续的图像序列中，对感兴趣的目标进行持续的定位的过程。目标跟踪广泛应用于军事、交通、监控等多个领域。由于光照变化，目标形变，目标遮挡以及实时性等因素影响，精确的目标跟踪算法还难以实现。核相关滤波跟踪算法是近年来发展起来的一种效果较好的跟踪算法，采用循环移位的思想，构造大量的样本来训练分类器，同时利用离散傅里叶变换降低分类器训练和检测过程中的运算量。但是核相关滤波跟踪算法存在一些固有的问题：首先，当目标物体被连续遮挡时，遮挡物会遮挡住目标，从而导致跟踪结果偏离。其次，在目标物体的尺度或形态发生较大变化的情况下，跟踪性能受到很大的限制。因此如何在跟踪目标发生变化时更好的进行跟踪称为亟待解决的问题。再次，如果目标物体快速移动，超出了跟踪算法的搜索区域，则无法跟踪到目标物体，导致跟踪性能也会受到影响。
技术实现思路
因此，本专利技术要解决的技术问题在于现有技术中的跟踪方法当目标物体被遮挡或尺寸发生变化或目标物体快速移动超出目标跟踪范围时导致跟踪失败。为此，本专利技术提供一种基于自适应搜索的目标的跟踪方法，其包括如下步骤：获取目标物体的原始位置；根据所述原始位置对目标物体进行跟踪，得到跟踪位置；计算所述跟踪位置与目标物体的原始位置的相似度；判断所述相似度是否小于预设阈值；若所述相似度小于预设阈值，通过级联检测器获取多个候选跟踪区域，将所述候选跟踪区域聚类置信度最高的区域为跟踪结果，用所述跟踪结果更新所述目标物体的原始位置，下一帧图像中在更新后的位置对目标物体进行跟踪；若所述相似度不小于预设阈值，则获取跟踪位置中的目标物体的尺寸，根据目标物体的尺寸更新原始目标物体，下一帧图像根据更新后的目标尺寸对目标物体进行跟踪。优选地，对目标物体进行跟踪的步骤中，采用核相关滤波跟踪算法进行跟踪。优选地，所述级联检测器包括依次连接的方差分类器、集成分类器和最近邻分类器。优选地，所述集成分类器和所述最近邻分类器通过正负样本来训练。此外，本专利技术提供一种快速移动目标的跟踪装置，包括：原始位置提取单元，用于获取目标物体的原始位置；跟踪单元，用于根据所述原始位置对目标物体进行跟踪，得到跟踪位置；相似度计算单元，用于计算所述跟踪位置与目标物体的原始位置的相似度；判断单元，用于判断所述相似度是否小于预设阈值；判断所述相似度是否小于预设阈值；第一跟踪单元，用于若所述相似度小于预设阈值，通过级联检测器获取多个候选跟踪区域，将所述候选跟踪区域聚类置信度最高的区域为跟踪结果，用所述跟踪结果更新所述目标物体的原始位置，下一帧图像中在更新后的位置对目标物体进行跟踪；第二跟踪单元，用于若所述相似度不小于预设阈值，则获取跟踪位置中的目标物体的尺寸，根据目标物体的尺寸更新原始目标物体，下一帧图像根据更新后的目标尺寸对目标物体进行跟踪。优选地，采用核相关滤波跟踪算法进行跟踪。优选地，所述级联检测器包括依次连接的方差分类器、集成分类器和最近邻分类器。优选地，所述集成分类器和所述最近邻分类器通过正负样本来训练。本专利技术技术方案，具有如下优点：本专利技术提供的基于自适应搜索的目标的跟踪方法，首先获取目标物体的原始位置，根据该位置对目标物体进行跟踪，得到跟踪位置，然后计算所述跟踪位置与目标物体的原始位置的相似度，若所述相似度小于预设阈值，通过级联检测器获取多个候选跟踪区域，将所述候选跟踪区域聚类置信度最高的区域为跟踪结果；若所述相似度不小于预设阈值，则获取跟踪位置中的目标物体的尺寸，根据目标物体的尺寸更新原始目标物体，下一帧图像根据更新后的目标尺寸对目标物体进行跟踪。该方案中，通过级联检测器对跟踪结果进行校对，如果与原始位置的差别太大，则说明目标快速移动而导致跟踪失败，此时则通过级联检测器检测出现目标物体的多个区域，通过聚类选择最优的区域作为跟踪结果。如果差别较小，则说明跟踪成功，但目标物体的尺寸或形态发生变化，通过最新的目标物体的形态更新原始目标，为后续准确跟踪奠定基础。该方法能够克服现有算法在目标快速移动条件下或在目标物体遮挡、尺寸变化时导致跟踪失败的情况，改善现有算法的性能。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例中一种基于自适应搜索的目标跟踪方法的一个具体示例的流程图。图2为本专利技术实施例中一种基于自适应搜索的目标跟踪装置的一个具体示例的结构框图；具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。此外，下面所描述的本专利技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。实施例1本实施例中提供一种基于自适应搜索的目标跟踪方法，用于跟踪目标物体，尤其对于快速移动的目标物体可以更好的进行跟踪。该方法可以用户电脑、服务器等智能设备中，对输入的视频中的目标物体进行跟踪。本实施例中的基于自适应搜索的目标跟踪方法如图1所示，包括如下步骤：S1、获取目标物体的原始位置。在视频初始帧，给定目标初始位置。S2、根据所述原始位置对目标物体进行跟踪，得到跟踪位置，跟踪位置为一个矩形框。对目标物体进行跟踪的步骤中，采用核相关滤波跟踪算法进行跟踪。核相关滤波算法的跟踪过程可以分解为如下几步：第一步，在初始帧图像中，目标初始位置位于位置p(t)。在第I(t)帧图像中，在位置p(t)附近采样，训练一个回归器，这个回归器能够计算每个采样小窗口的响应。第二步，在I(t+1)帧中，在前一帧位置p(t)附近采样，用上一帧训练的回归器计算每个采样窗口的响应，响应最大的窗口作为本帧的目标位置p(t+1)，该目标位置即为跟踪结果。核相关滤波算法具有以下优点：首先，使用目标区域周围区域的循环矩阵采集正负样本，利用本文档来自技高网...

【技术保护点】
一种基于自适应搜索的目标的跟踪方法，其特征在于，包括如下步骤：获取目标物体的原始位置；根据所述原始位置对目标物体进行跟踪，得到跟踪位置；计算所述跟踪位置与目标物体的原始位置的相似度；判断所述相似度是否小于预设阈值；若所述相似度小于预设阈值，通过级联检测器获取多个候选跟踪区域，将所述候选跟踪区域聚类置信度最高的区域为跟踪结果，用所述跟踪结果更新所述目标物体的原始位置，下一帧图像中在更新后的位置对目标物体进行跟踪；若所述相似度不小于预设阈值，则获取跟踪位置中的目标物体的尺寸，根据目标物体的尺寸更新原始目标物体，下一帧图像根据更新后的目标尺寸对目标物体进行跟踪。

【技术特征摘要】
1.一种基于自适应搜索的目标的跟踪方法，其特征在于，包括如下步骤：获取目标物体的原始位置；根据所述原始位置对目标物体进行跟踪，得到跟踪位置；计算所述跟踪位置与目标物体的原始位置的相似度；判断所述相似度是否小于预设阈值；若所述相似度小于预设阈值，通过级联检测器获取多个候选跟踪区域，将所述候选跟踪区域聚类置信度最高的区域为跟踪结果，用所述跟踪结果更新所述目标物体的原始位置，下一帧图像中在更新后的位置对目标物体进行跟踪；若所述相似度不小于预设阈值，则获取跟踪位置中的目标物体的尺寸，根据目标物体的尺寸更新原始目标物体，下一帧图像根据更新后的目标尺寸对目标物体进行跟踪。2.根据权利要求1所述的方法，其特征在于，对目标物体进行跟踪的步骤中，采用核相关滤波跟踪算法进行跟踪。3.根据权利要求1或2所述的方法，其特征在于，所述级联检测器包括依次连接的方差分类器、集成分类器和最近邻分类器。4.根据权利要求3所述的方法，其特征在于，所述集成分类器和所述最近邻分类器通过正负样本来训练。5.一种基于自适应搜索的目标的跟踪装置，其特征在...

【专利技术属性】
技术研发人员：李宜博，王运节，张如高，
申请(专利权)人：博康智能信息技术有限公司上海分公司，
类型：发明
国别省市：上海,31