目标跟踪方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及计算机技术领域，特别涉及一种目标跟踪方法、装置、计算机设备和存储介质。所述方法包括：获取历史图像以及当前图像；提取各所述历史图像的外观特征以及各所述历史图像与所述当前图像之间的运动矢量特征；利用所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征；提取所述当前图像对应的外观特征；计算所述当前图像的外观特征与所述融合特征之间的相关度，将所述相关度的数值最大的位置提取为目标位置，根据所述目标位置对目标进行跟踪。采用本方法能够提高对目标识别的能力以及对目标跟踪的准确性。

Target tracking methods, devices, computer equipment and storage media

【技术实现步骤摘要】
目标跟踪方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种目标跟踪方法、装置、计算机设备和存储介质。
技术介绍
视觉目标跟踪是在连续的视频帧中自动定位某一目标物体，是视觉分析、自动驾驶和姿态估计等领域的一个基本问题。跟踪的核心难点是如何在变化的场景中(比如存在遮挡、形变和光照变化)准确地检测和定位到目标物体。传统技术中的目标跟踪算法主要分为两类：生成模型方法和判别模型方法。但是上述方法都仅考虑了当前帧图像的静态的外观特征，使得跟踪方法的识别能力显著降低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高目标跟踪识别能力的目标跟踪方法、装置、计算机设备和存储介质。一种目标跟踪方法，所述方法包括：获取历史图像以及当前图像；提取各所述历史图像的外观特征以及各所述历史图像与所述当前图像之间的运动矢量特征；利用所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征；提取所述当前图像对应的外观特征；计算所述当前图像的外观特征与所述融合特征之间的相关度，将所述相关度的数值最大的位置提取为目标位置，根据所述目标位置对目标进行跟踪。在一个实施例中，所述利用所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征，包括：计算各所述历史图像与所述当前图像的前一帧图像之间的翘曲特征；获取所述当前图像的前一帧图像对应的外观特征；计算所述翘曲特征与所述当前图像的前一帧图像的外观特征的第一相似度；根据所述第一相似度的数值得到各位置对应的位置权重；利用所述位置权重以及所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征。在一个实施例中，所述计算所述翘曲特征与所述当前图像的前一帧图像的外观特征的第一相似度，包括：计算所述翘曲特征与所述当前图像前一帧图像的外观特征的余弦距离；根据所述余弦距离的数值大小得到所述翘曲特征与所述当前图像前一帧图像的外观特征的第一相似度。在一个实施例中，所述利用所述位置权重以及所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征，包括：计算所述当前图像与各所述历史图像的第二相似度；根据所述第二相似度的数值得到各所述历史图像对应的时间权重；利用所述位置权重、所述时间权重以及所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征。在一个实施例中，所述利用所述位置权重以及所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征，包括：计算各所述历史图像的图像质量；按照图像质量的高低对各所述历史图像进行排序；根据排序结果对各所述历史图像分配时间权重；利用所述位置权重、所述时间权重以及所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征。在一个实施例中，所述计算所述外观特征与所述融合特征之间的相关度，将所述相关度的数值最大的位置提取为目标位置，根据所述目标位置对目标进行跟踪，包括：对所述外观特征以及所述融合特征进行相关滤波处理，得到所述外观特征与所述融合特征之间的相关度；将所述相关度的数值最大的位置提取为目标位置；获取目标区域的尺寸信息，根据所述尺寸信息以及所述目标位置对所述目标进行跟踪。在一个实施例中，所述将所述相关度的数值最大的位置提取为目标位置，根据所述目标位置对目标进行跟踪，包括：计算所述外观特征与所述融合特征之间的峰值信噪比值；当所述峰值信噪比值和所述相关度的数值同时满足预设阈值时，将所述相关度的数值最大的位置提取为目标位置；根据所述目标位置对目标进行跟踪。一种目标跟踪装置，其特征在于，所述装置包括：图像获取模块，用于获取历史图像以及当前图像；矢量特征提取模块，用于提取各所述历史图像的外观特征以及各所述历史图像与所述当前图像之间的运动矢量特征；融合特征获取模块，用于利用所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征；外观特征提取模块，用于提取所述当前图像对应的外观特征；跟踪模块，用于计算所述当前图像的外观特征与所述融合特征之间的相关度，将所述相关度的数值最大的位置提取为目标位置，根据所述目标位置对目标进行跟踪。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。上述目标跟踪方法、装置、计算机设备和存储介质，获取历史图像以及当前图像；提取各历史图像的外观特征以及各历史图像与当前图像之间的运动矢量特征；利用运动矢量特征对各历史图像对应的外观特征进行融合得到融合特征，由于融合特征中考虑了目标物体的动态的运动矢量特征，提高了对目标的识别能力；提取当前图像对应的外观特征；计算当前图像的外观特征与融合特征之间的相关度，将相关度的数值最大的位置提取为目标位置，根据目标位置对目标进行跟踪。利用当前图像的外观特征与融合了运动矢量特征的融合特征进行匹配，利用更多的动态特征而非仅仅是静态的外观特征进行目标跟踪，提高了对目标识别的能力以及对目标跟踪的准确性。附图说明图1为一个实施例中目标跟踪方法的应用场景图；图2为一个实施例中目标跟踪方法的流程示意图；图3为一个实施例中的光流网络的光流提取模型；图4为一个实施例中融合特征获取方法流程示意图；图5为一个实施例中多信息融合跟踪网络结构图；图6为一个实施例中目标跟踪装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的目标跟踪方法，可以应用于如图1所示的应用环境中。其中，用户终端102通过网络与服务器104进行通信。服务器104获取历史图像以及当前图像；服务器104提取各所述历史图像的外观特征以及各所述历史图像与所述当前图像之间的运动矢量特征；服务器104利用所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征；提取所述当前图像对应的外观特征；计算所述当前图像的外观特征与所述融合特征之间的相关度，将所述相关度的数值最大的位置提取为目标位置，根据所述目标位置对目标进行跟踪。进一步地，服务器104将目标跟踪结果推送至用户终端102。其中，用户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。当服务器104为独立的服务器时，服务器104中可以部署多个数据库，每个数据库中可以存储本文档来自技高网...

【技术保护点】
1.一种目标跟踪方法，所述方法包括：/n获取历史图像以及当前图像；/n提取各所述历史图像的外观特征以及各所述历史图像与所述当前图像之间的运动矢量特征；/n利用所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征；/n提取所述当前图像对应的外观特征；/n计算所述当前图像的外观特征与所述融合特征之间的相关度，将所述相关度的数值最大的位置提取为目标位置，根据所述目标位置对目标进行跟踪。/n

【技术特征摘要】
1.一种目标跟踪方法，所述方法包括：
获取历史图像以及当前图像；
提取各所述历史图像的外观特征以及各所述历史图像与所述当前图像之间的运动矢量特征；
利用所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征；
提取所述当前图像对应的外观特征；
计算所述当前图像的外观特征与所述融合特征之间的相关度，将所述相关度的数值最大的位置提取为目标位置，根据所述目标位置对目标进行跟踪。


2.根据权利要求1所述的方法，其特征在于，所述利用所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征，包括：
计算各所述历史图像与所述当前图像的前一帧图像之间的翘曲特征；
获取所述当前图像前一帧图像对应的外观特征；
计算所述翘曲特征与所述当前图像前一帧图像的外观特征的第一相似度；
根据所述第一相似度的数值得到各位置对应的位置权重；
利用所述位置权重以及所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征。


3.根据权利要求2所述的方法，其特征在于，所述计算所述翘曲特征与所述当前图像前一帧图像的外观特征的第一相似度，包括：
计算所述翘曲特征与所述当前图像前一帧图像的外观特征的余弦距离；
根据所述余弦距离的数值大小，得到所述翘曲特征与所述当前图像前一帧图像的外观特征的第一相似度。


4.根据权利要求2所述的方法，其特征在于，所述利用所述位置权重以及所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征，包括：
计算所述当前图像与各所述历史图像的第二相似度；
根据所述第二相似度的数值得到各所述历史图像对应的时间权重；
利用所述位置权重、所述时间权重以及所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征。


5.根据权利要求2或4所述的方法，其特征在于，所述利用所述位置权重以及所述运动矢量特征对各所述历史图像对应的外观特征进行融合得到融合特征，包括：
计算各所述历史图像的图像质量；
按照图像质量的高低对各所述历史图像进行排序；
...

【专利技术属性】
技术研发人员：周康明，杨昭，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31