基于CUDA的深度时空信息融合的目标跟踪方法及系统技术方案

本发明专利技术公开了基于CUDA的深度时空信息融合的目标跟踪方法，包括以下步骤：通过图像采集装置获取图像帧，以相邻的两个图像帧中前一图像帧为匹配模板并传送至控制平台；通过基于CUDA的控制平台对匹配模板和后一帧图像进行检测，获取移动目标；控制平台对移动目标采用深度时空信息融合进行识别跟踪。本发明专利技术还公开了基于CUDA的深度时空信息融合的目标跟踪系统。本发明专利技术利用距离均值和匹配模板来重新定义移动事件，过滤噪声和其他干扰元素；利用图像帧间信息相关性特征，以及目标与周围环境存在的时空联系，得到精确的跟踪效果；本发明专利技术采用了GPU资源对系统进行加速处理，提高跟踪系统的运算速度。

Target tracking method and system based on CUDA deep spatial temporal information fusion

The invention discloses a target tracking method based on depth space-time information fusion of CUDA, which comprises the following steps: acquiring image frames through an image acquisition device, taking the first image frame of two adjacent image frames as a matching template and transferring it to the control platform, and performing matching template and the second image through a control platform based on CUDA. Detection, acquisition of moving targets; control platform for moving targets using depth space-time information fusion for recognition and tracking. The invention also discloses a target tracking system based on CUDA deep spatial temporal information fusion. The invention redefines the moving event by means of distance mean and matching template, filters noise and other interference elements, obtains accurate tracking effect by using the correlation characteristics of image frame information and the space-time relationship between the target and the surrounding environment, and adopts GPU resources to accelerate the processing of the system to improve the tracking performance. The speed of tracking system.

【技术实现步骤摘要】
基于CUDA的深度时空信息融合的目标跟踪方法及系统
本专利技术涉及移动目标跟踪
，具体涉及到基于CUDA的深度时空信息融合的目标跟踪方法及系统。
技术介绍
移动目标跟踪是计算机视觉领域上的一个研究热点，目标跟踪技术在无人机，制导导弹，视频监控，无人驾驶等诸多领域都具有重要应用。由于目标跟踪系统具有应用性较强的特点，许多应用场景对目标跟踪系统的准确性和稳定性具有较高要求。在一些复杂条件下，例如场景中出现障碍物遮挡，光照变化，雨雾天气等情况，会极大地影响目标跟踪系统的性能，例如基于颜色直方图粒子滤波的移动目标跟踪系统对光照变化非常敏感，当光照强度明显变化时会降低该系统的目标跟踪精度。例如基于高斯匹配模型的跟踪系统需要在跟踪过程中不断更新模型，当出现目标出现遮挡及姿态变化时，容易导致跟踪中断。在移动目标跟踪系统的设计上，为了减少系统的复杂性并降低跟踪误差，需要先进行移动目标检测，即将移动目标从场景中提取出来。当提取出移动目标后，只需从移动目标中识别出目标并进行跟踪，不再需要对背景和其他静态对象进行处理，减少了系统的运算工作量和复杂度。传统的差分和阈值方法在检测移动目标时，是通过监控图本文档来自技高网...

【技术保护点】
1.基于CUDA的深度时空信息融合的目标跟踪方法，其特征在于，包括以下步骤：通过图像采集装置获取图像帧，以相邻的两个图像帧中前一图像帧为匹配模板并传送至控制平台；通过基于CUDA的控制平台对匹配模板和后一帧图像进行检测，获取移动目标；控制平台对移动目标采用深度时空信息融合进行识别跟踪。

【技术特征摘要】
1.基于CUDA的深度时空信息融合的目标跟踪方法，其特征在于，包括以下步骤：通过图像采集装置获取图像帧，以相邻的两个图像帧中前一图像帧为匹配模板并传送至控制平台；通过基于CUDA的控制平台对匹配模板和后一帧图像进行检测，获取移动目标；控制平台对移动目标采用深度时空信息融合进行识别跟踪。2.根据权利要求1所述的基于CUDA的深度时空信息融合的目标跟踪方法，其特征在于，所述基于CUDA的控制平台对匹配模板和后一帧图像进行检测，获取移动目标，具体包括：对匹配模板和后一帧图像上的移动目标构成的像素进行检测并分簇，计算每个簇中心点位置及每个簇中各像素点到簇中心点的距离均值；对每个簇进行标识。3.根据权利要求2所述的基于CUDA的深度时空信息融合的目标跟踪方法，其特征在于，所述计算每个簇中心点位置及每个簇中各像素点得到簇中心点的距离均值，具体为：设簇j(j∈N)有m个像素点，像素点xi(i＝1,…m)的重量为g(xi)，建立有关xi的函数w(cj|xi)，w(cj|xi)表示xi以cj作为簇中心所构成的像素点集群；计算该簇中心点cj的位置：计算簇j的像素点与中心像素点cj的距离均值4.根据权利要求1所述的基于CUDA的深度时空信息融合的目标跟踪方法，其特征在于，所述控制平台对移动目标采用深度时空信息融合进行识别跟踪，具体为：通过CUDA对匹配模板采用反卷积系统建立时空信息模型，对后一帧图像采用卷积计算置信图，实现对移动目标的识别跟踪。5.根据权利要求4所述的基于CUDA的深度时空信息融合的目标跟踪方法，其特征在于，所述通过CUDA所述对匹配模板采用反卷积系统建立时空信息模型，对后一帧图像采用卷积计算置信图；具体为：首先，定义目标的特征信息集Ω，主要采用目标的外形及位置信息，得到：Ω＝{l(x,y)＝(I(x,y),(x,y))|(x,y)∈Ψ}；(x,y)表示该目标对象在图像中的位置信息，I(x,y)表示目标灰度值，Ψ表示目标与周围环境相关的上下文区域；其次，根据特征信息集，采用贝...

【专利技术属性】
技术研发人员：许志明，瞿文政，潘志宏，倪伟传，刘少江，万智萍，
申请(专利权)人：中山大学新华学院，
类型：发明
国别省市：广东,44