一种基于KCF的跟踪方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种基于KCF的跟踪方法，包括：对所述目标图像进行分块处理得到若干特征块；根据处于所述特征块对角线上的像素点得到所述特征块的得分值；根据每个所述特征块的得分值得到得分值均值；根据所述得分值和所述得分值均值得到强特征块；根据每个所述强特征块的峰值信噪比得到所述目标图像的最终跟踪位置。本发明专利技术的跟踪方法通过对目标图像的每个特征块进行处理，从而丢弃了影响跟踪结果的弱特征块，只对保留的强特征块进行跟踪处理，有效地提高了跟踪速度与跟踪结果的准确度。

A tracking method, device, electronic equipment and storage medium based on KCF

【技术实现步骤摘要】
一种基于KCF的跟踪方法、装置、电子设备及存储介质
本专利技术属于目标跟踪
，具体涉及一种基于KCF的跟踪方法、装置、电子设备及存储介质。
技术介绍
在计算机视觉领域中，目标跟踪(ObjectTracking)一般是指对单目标进行跟踪，即：在第一帧图像给定目标的状态，一般是目标的boundingbox信息，然后预测之后每帧图像中目标的状态，对应的也是目标的boundingbox信息。KCF算法(目标跟踪算法)作为一种判别式的跟踪算法，由于其高效的处理速度和良好的跟踪效果，在相关滤波跟踪方向受到了广泛的应用。KCF算法主要包括训练、检测、更新三个部分，首先通过提取首帧目标的HOG特征(HistogramofOrientedGradient，方向梯度直方图)训练一个滤波器，然后在当前帧通过循环移位的方式得到多个待测样本，将这些待测样本与滤波器进行卷积操作得到响应图，取最大响应值对应的样本位置作为最终跟踪结果，该最终跟踪结果即为当前帧的目标位置，最后更新滤波器与模板图像。在整个跟踪过程中，滤波器的鲁棒性决定了跟踪结果的可靠与否，而目标的特征选取对滤波器的训练有着重要的影响。但是，跟踪本文档来自技高网...

【技术保护点】
1.一种基于KCF的跟踪方法，其特征在于，包括：对所述目标图像进行分块处理得到若干特征块；根据处于所述特征块对角线上的像素点得到所述特征块的得分值；根据每个所述特征块的得分值得到得分值均值；根据所述得分值和所述得分值均值得到强特征块；根据每个所述强特征块的峰值信噪比得到所述目标图像的最终跟踪位置。

【技术特征摘要】
1.一种基于KCF的跟踪方法，其特征在于，包括：对所述目标图像进行分块处理得到若干特征块；根据处于所述特征块对角线上的像素点得到所述特征块的得分值；根据每个所述特征块的得分值得到得分值均值；根据所述得分值和所述得分值均值得到强特征块；根据每个所述强特征块的峰值信噪比得到所述目标图像的最终跟踪位置。2.根据权利要求1所述的跟踪方法，其特征在于，根据处于所述特征块对角线上的像素点得到所述特征块的得分值，包括：获取处于所述特征块对角线上的像素点；计算所述特征块对角线上的每个像素点与所述特征块的中心点像素点的灰度值差值的绝对值；计算每个所述特征块的所有所述绝对值之和，得到所述特征块的得分值。3.根据权利要求1所述的跟踪方法，其特征在于，根据每个所述特征块的得分值得到得分值均值，包括：计算所有所述特征块的得分值的平均值，得到所述得分值均值。4.根据权利要求1所述的跟踪方法，其特征在于，根据所述得分值和所述得分值均值得到强特征块，包括：判断每个所述特征块的所述得分值和所述得分值均值的大小，若所述特征块的所述得分值小于所述得分值均值，则所述特征块为弱特征块，丢弃所述弱特征块，若所述特征块的所述得分值大于所述得分值均值，则所述特征块为强特征块，并保留所述强特征块。5.根据权利要求1所述的跟踪方法，其特征在于，根据每个所述强特征块的峰值信噪比得到跟踪目标的最终位置，包括：根据当前响应图和模板响应图得到每个所述强特征块的峰值信噪比；根据所述强特征块的峰值信噪比得到平均峰值信噪比；根据所述强特征块的峰值信噪比和所述平均峰值信噪比得到待跟踪特征块；根据所述强特征块的峰值信噪比得到所述待跟踪特征块的权重；根据所述...

【专利技术属性】
技术研发人员：邵晓鹏，赵小明，李翠，张佳欢，高苗，白杨，宗靖国，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61