一种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目标跟踪方法，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，若所述相似度大于预设阈值，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。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不大，则说明跟踪成功，通过目标图像的尺寸进一步更新原始图像，这样当存在遮挡或目标物体尺寸变化等情况时，可以获得最新的目标图像，从而根据该目标图像去进一步跟踪，能够克服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时导致跟踪失败，改善现有算法的性能。

Target tracking method and device

The invention provides a method of target tracking, the original location of target is obtained firstly, according to the position of the target object tracking, the tracking position, then calculate the similarity of the object tracking position and the original position, if the similarity is greater than a preset threshold value, obtaining tracking target position in size; according to the the dimension of the target object updates the original object. In this scheme, check the tracking results by cascade detector, and if the original location of the difference, then track the success, the size of the image through the target to further update the original image, so when there is occlusion or object size changes when the target can be obtained according to the latest image, the target image to further tracking, tracking method can overcome in the prior art when the target object is occluded or size changes lead to tracking failure, improve the performance of existing algorithm.

【技术实现步骤摘要】
一种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。
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时导致跟踪失败。为此，本专利技术提供一种目标跟踪方法，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大于预设阈值；若所述相似度大于预设阈值，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。优选地，还包括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，还包括若所述相似度不大于预设阈值，则所述跟踪结果不正确，跟踪失败。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，通过分类器计算所述跟踪位置与目标物体的原始位置的相似度。优选地，所述分类器和通过正负样本来训练。此外，本专利技术还提供一种目标跟踪装置，包括：原始位置提取单元，获取目标物体的原始位置；跟踪单元，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，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大于预设阈值；尺寸获取单元，用于若所述相似度大于预设阈值，获取跟踪位置中的目标物体的尺寸；目标更新单元，用于根据目标物体的尺寸更新原始目标物体。优选地，还包括后续跟踪单元，用于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，还包括跟踪失败单元，用于若所述相似度不大于预设阈值，则所述跟踪结果不正确，跟踪失败。优选地，采用核相关滤波跟踪算法进行跟踪。本专利技术技术方案，具有如下优点：本专利技术提供的目标跟踪方法，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，若所述相似度大于预设阈值，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。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不大，则说明跟踪成功，通过目标图像的尺寸进一步更新原始图像，这样当存在遮挡或目标物体尺寸变化等情况时，可以获得最新的目标图像，从而根据该目标图像去进一步跟踪，能够克服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时导致跟踪失败，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1中一种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2中一种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目标跟踪方法，用于跟踪目标物体，尤其对于部分遮挡或尺寸发生变化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。本实施例中的目标跟踪方法包括如下步骤：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，利用岭回归训练回归器，并成功的利用循环矩阵在傅里叶空间可对角化的性质，大大降低运算量，提高算法运算速度。其次，将线性岭回归通过核函数映射到非线性空间，使线性不可分的样本在非线性空间中可分。核相关滤波算法中，所有的训练样本是由目标样本循环移位得到，循环移位可由排列矩阵得到，对于二维图像，可以通过x轴和y轴分别循环移动实现不同位置的移动。通过循环移位构造出来的二维图像训练样本如下所示：这样所有的训练样本就得到了，然后通过岭回归和傅里叶变换的方法训练分类器。设训练样本集(xi，yi),那么其线性回归函数f(xi)＝wTxi,w是列向量表示权重系数，可通过最小二乘法求解，通过求偏导数，进行化简，得到最后解析解的形式：w＝(XHX+λ)-1XHy然后通过引入傅里叶变换，降低矩阵求逆的计算复杂度。S3、计算所述跟踪位置与目标物体的原始位置的相似度。可以通过最近邻分类器来计算跟踪位置与目标物体的原始位置的相似度，在最近邻分类器中预先存储目标物体的原始位置。跟踪结果返回目标矩形框，计算该位置与最近邻分类器中保存的真实的目标位置的相关相似度S(r)。S4、本文档来自技高网...

【技术保护点】
一种目标跟踪方法，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大于预设阈值；若所述相似度大于预设阈值，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。

【技术特征摘要】
1.一种目标跟踪方法，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大于预设阈值；若所述相似度大于预设阈值，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。2.根据权利要求1所述的方法，其特征在于，还包括下一帧图像根据更新后的目标尺寸对目标物体进行跟踪。3.根据权利要求1或2所述的方法，其特征在于，还包括若所述相似度不大于预设阈值，则所述跟踪结果不正确，跟踪失败。4.根据权利要求3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。5.根据权利要求4所述的方法，其特征在于，通过分类器计算所述跟踪位置与目标物体的原始位置的相似度。6.根据权利要求5所述的方法，其特征在于，所述分...

【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