目标跟踪方法、计算机设备及计算机可读存储介质技术

本发明专利技术公开了一种目标跟踪方法，所述目标跟踪方法包括：获取第一帧的图像的目标图像，根据目标图像获取跟踪目标的特征集合和目标基；获取待测视频的下一帧的图像；计算初始目标区域；获取多个初始目标区域的抽样图像；计算特征集合的时空约束权值；根据时空约束权值分别计算每个抽样图像与目标基的相似距离；计算包含有跟踪目标的抽样图像；根据包含有跟踪目标的抽样图像更新特征集合和目标基。本发明专利技术还公开了一种计算机可读存储介质。本发明专利技术也公开了一种计算机设备。本发明专利技术通过计算特征集合的时空约束权值，增强目标与背景之间的区分度，同时保证目标模板的时序连贯性与完整性，并定时更新特征集合和目标基，可有效提升跟踪鲁棒性。

Target Tracking Method, Computer Equipment and Computer Readable Storage Media

【技术实现步骤摘要】
目标跟踪方法、计算机设备及计算机可读存储介质
本专利技术涉及目标跟踪领域，具体地，涉及一种目标跟踪方法、计算机设备及计算机可读存储介质。
技术介绍
目标跟踪是计算机视觉领域的一个重要的研究方向，其有着广泛的应用。随着技术的不断发展，目标跟踪的相关方法越来越广泛地应用于人机交互、车辆导航、电视监控、航天航空等众多领域。现有的目标跟踪方法，例如AdaSR目标跟踪算法在目标与环境变化速度较快的情况下跟踪结果会收敛于目标的部分区域，且对目标面积变化不敏感。如在摄像头移动时，目标和背景都会随时间改变，此类算法的可靠性较低。又例如基于判别的稀疏分类目标跟踪算法在遇到背景中含有与目标相似特征的情况下，跟踪性能不佳。因此，在目标跟踪时如何有效区分目标与背景是本领域技术人员亟待解决的技术问题。
技术实现思路
为解决上述现有技术存在的问题，本专利技术提供了一种有效区分背景和目标的目标跟踪方法、计算机设备及计算机可读存储介质。为了达到上述专利技术目的，本专利技术采用了如下的技术方案：根据本专利技术的一方面，提供了一种目标跟踪方法，所述目标跟踪方法包括：S100、获取待测视频的第一帧的图像；S200、获取第一帧的图像中目标框所框选区域的目标图像，根据目标图像获取跟踪目标的特征集合和目标基；所述特征集合包括目标特征的集合和背景特征的集合；S300、获取待测视频的下一帧的图像；S400、计算当前帧的图像的初始目标区域；S500、获取初始目标区域的抽样图像；S600、计算特征集合的时空约束权值；S700、根据时空约束权值计算抽样图像与目标基的相似距离；相似距离大于第一距离且小于第二距离的抽样图像包含有跟踪目标；其中第二距离大于第一距离；S800、根据包含有跟踪目标的抽样图像更新特征集合和目标基；S900、判断当前帧是否为最后一帧，若否，返回步骤S300。进一步地，所述计算特征集合的时空约束权值的方法具体包括：根据式子1计算特征集合中每个特征的空间约束权值；式子1中，表示第t帧的第f个特征的空间约束权值；表示第t帧的第f个特征的特征映射值；t≥1，t为正整数；1≤f≤n，n、f为正整数；根据式子2计算特征集合中每个特征的时序特征权值；式子2中，表示第t帧的第f个特征的时序特征权值；表示第i帧的第f个特征在第t帧的变化速率；表示第t帧的第f个特征的一阶绝对变化值；根据式子3和每个特征的空间约束权值和时序特征权值获得每个特征的时空约束权值；式子3中，代表第t帧的第f个特征的时空约束权值，α为特征融合变量；0＜α＜1；进一步地，采用核相关滤波算法计算当前帧的图像的初始目标区域。进一步地，步骤S700还包括：和/或，若抽样图像与目标基的相似距离小于第一距离，并且经过预设的第一时间，该抽样图像与目标基的相似距离大于第一距离且小于第二距离，则该抽样图像包含有跟踪目标；和/或，若抽样图像与目标基的相似距离大于第二距离，并且经过预设的第一时间，该抽样图像与目标基的相似距离大于第一距离且小于第二距离，则该抽样图像包含有跟踪目标。进一步地，所述更新特征集合的方法包括：获取包含有跟踪目标的抽样图像中的目标特征，将包含有跟踪目标的抽样图像中的目标特征加入目标特征的集合；获取包含有跟踪目标的抽样图像中的背景特征，将包含有跟踪目标的抽样图像中的背景特征加入背景特征的集合。进一步地，所述将包含有跟踪目标的抽样图像中的目标特征加入目标特征的集合之后还包括步骤：根据下面的式子对目标特征的集合中保存时间超过预设时间的目标特征去除；其中，κ表示遗忘因子，0＜κ＜1，表示第t-r帧的时序特征；表示第t帧的去除了保存时间超过预设时间的目标特征的目标特征的集合；g表示最长的保存帧数；m表示的目标特征的数量；进一步地，所述更新目标基的方法包括：将包括有跟踪目标的抽样图像转换为目标基；其中有N个抽样图像包括有跟踪目标，N≥0，N为正整数；计算所有目标基的权值系数向量；依次将目标基中权值系数向量最小的N个目标基去除。进一步地，所述根据时空约束权值分别计算抽样图像与目标基的相似距离的方法包括：根据时空约束权值计算抽样图像的稀疏分解系数；根据稀疏分解系数采用下面的式子计算抽样图像与目标基之间的相似距离其中，表示第t帧的第i个抽样图像的稀疏分解稀疏，i＞0，i为正整数；t≥1，t为正整数。根据本专利技术的另一方面，还提供了一种计算机设备，所述计算机设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的目标跟踪程序，所述目标跟踪算法被所述处理器执行时实现如上述的目标跟踪方法的步骤。根据本专利技术的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有目标跟踪程序，所述目标跟踪程序被处理器执行时实现如上述的目标跟踪方法的步骤。本专利技术的有益效果：本专利技术通过计算特征集合的时空约束权值，增强目标与背景之间的区分度，同时保证目标模板的时序连贯性与完整性，并定时更新特征集合和目标基，可有效提升跟踪鲁棒性。附图说明通过结合附图进行的以下描述，本专利技术的实施例的上述和其它方面、特点和优点将变得更加清楚，附图中：图1是根据本专利技术的实施例的目标跟踪方法的流程示意图；图2是根据本专利技术的实施例的不同抽样图像与目标基的相似距离分布图；图3是根据本专利技术的实施例的采用3种不同方法进行目标跟踪的平均错误率；图4根据本专利技术的实施例的实验1中采用3种不同方法进行目标跟踪时第35帧、第46帧、第51帧以及第350帧的目标跟踪情况。具体实施方式以下，将参照附图来详细描述本专利技术的实施例。然而，可以以许多不同的形式来实施本专利技术，并且本专利技术不应该被解释为限制于这里阐述的具体实施例。相反，提供这些实施例是为了解释本专利技术的原理及其实际应用，从而使本领域的其他技术人员能够理解本专利技术的各种实施例和适合于特定预期应用的各种修改。在附图中，为了清楚起见，可以夸大元件的形状和尺寸，并且相同的标号将始终被用于表示相同或相似的元件。将理解的是，尽管在这里可使用术语“第一”、“第二”等来描述各种元件，但是这些元件不应受这些术语的限制。这些术语仅用于将一个元件与另一个元件区分开来。实施例一图1是根据本专利技术的实施例的目标跟踪方法的流程示意图。根据图1所示，本专利技术的实施例的目标跟踪方法包括：S100、获取待测视频的第一帧的图像；S200、获取第一帧的图像中目标框所框选区域的目标图像，根据目标图像获取跟踪目标的特征集合和目标基；所述特征集合包括目标特征的集合和背景特征的集合；S300、获取待测视频的下一帧的图像；S400、计算当前帧的图像的初始目标区域；S500、获取多个初始目标区域的抽样图像；S600、计算特征集合的时空约束权值；S700、根据时空约束权值分别计算每个抽样图像与目标基的相似距离；相似距离大于第一距离且小于第二距离的抽样图像包含有跟踪目标；其中第二距离大于第一距离；S800、根据包含有跟踪目标的抽样图像更新特征集合和目标基；S900、判断当前帧是否为最后一帧，若否，返回步骤S300。本专利技术的实施例通过计算特征集合的时空约束权值，增强目标与背景之间的区分度，同时保证目标模板的时序连贯性与完整性，并定时更新特征集合和目标基，可有效提升跟踪鲁棒性。将目标跟踪考虑为基于在线学习的2类分类问题，本专利技术的实施例计算特征集合的时空约束权值的本质是本文档来自技高网...

【技术保护点】
1.一种目标跟踪方法，其特征在于，所述目标跟踪方法包括：S100、获取待测视频的第一帧的图像；S200、获取第一帧的图像中目标框所框选区域的目标图像，根据目标图像获取跟踪目标的特征集合和目标基；所述特征集合包括目标特征的集合和背景特征的集合；S300、获取待测视频的下一帧的图像；S400、计算当前帧的图像的初始目标区域；S500、获取初始目标区域的抽样图像；S600、计算特征集合的时空约束权值；S700、根据时空约束权值计算抽样图像与目标基的相似距离；相似距离大于第一距离且小于第二距离的抽样图像包含有跟踪目标；其中第二距离大于第一距离；S800、根据包含有跟踪目标的抽样图像更新特征集合和目标基；S900、判断当前帧是否为最后一帧，若否，返回步骤S300。

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，所述目标跟踪方法包括：S100、获取待测视频的第一帧的图像；S200、获取第一帧的图像中目标框所框选区域的目标图像，根据目标图像获取跟踪目标的特征集合和目标基；所述特征集合包括目标特征的集合和背景特征的集合；S300、获取待测视频的下一帧的图像；S400、计算当前帧的图像的初始目标区域；S500、获取初始目标区域的抽样图像；S600、计算特征集合的时空约束权值；S700、根据时空约束权值计算抽样图像与目标基的相似距离；相似距离大于第一距离且小于第二距离的抽样图像包含有跟踪目标；其中第二距离大于第一距离；S800、根据包含有跟踪目标的抽样图像更新特征集合和目标基；S900、判断当前帧是否为最后一帧，若否，返回步骤S300。2.根据权利要求1所述的目标跟踪方法，其特征在于，所述计算特征集合的时空约束权值的方法具体包括：根据式子1计算特征集合中每个特征的空间约束权值；式子1中，表示第t帧的第f个特征的空间约束权值；表示第t帧的第f个特征的特征映射值；t≥1，t为正整数；1≤f≤n，n、f为正整数；根据式子2计算特征集合中每个特征的时序特征权值；式子2中，表示第t帧的第f个特征的时序特征权值；表示第i帧的第f个特征在第t帧的变化速率；表示第t帧的第f个特征的一阶绝对变化值；根据式子3和每个特征的空间约束权值和时序特征权值获得每个特征的时空约束权值；式子3中，代表第t帧的第f个特征的时空约束权值，α为特征融合变量；0＜α＜1；3.根据权利要求1所述的目标跟踪方法，其特征在于，采用核相关滤波算法计算当前帧的图像的初始目标区域。4.根据权利要求1所述的目标跟踪方法，其特征在于，步骤S700还包括：和/或，若抽样图像与目标基的相似距离小于第一距离，并且经过预设的第一时间，抽样图像与目标基的相似距离大于第一距离且小于第二距离，则该抽样图像包含有跟踪目标；和/或，若抽样图像与目标基的相似距离大于第二距离，并且经过预设的第一时间...

【专利技术属性】
技术研发人员：匡金骏，汪浩源，王旭光，
申请(专利权)人：中国科学院苏州纳米技术与纳米仿生研究所，
类型：发明
国别省市：江苏,32