目标跟踪方法、装置、计算机可读存储介质及机器人制造方法及图纸

本申请属于机器人技术领域，尤其涉及一种目标跟踪方法、装置、计算机可读存储介质及机器人。所述方法包括：根据目标在第k‑1帧图像中的位置坐标，使用卡尔曼滤波器计算所述目标在第k帧图像中的预测位置坐标；根据所述预测位置坐标和第k‑1帧图像中的检测框，确定第k帧图像中的第一搜索区域；使用相关滤波器在所述第一搜索区域中对所述目标进行跟踪，得到第一最大响应值和第一位置坐标；根据所述目标在第k‑1帧图像中的位置坐标和检测框，确定第k帧图像中的第二搜索区域；使用相关滤波器在所述第二搜索区域中对所述目标进行跟踪，得到第二最大响应值和第二位置坐标；从两个位置坐标中选取目标在第k帧图像中的位置坐标。

【技术实现步骤摘要】
目标跟踪方法、装置、计算机可读存储介质及机器人
本申请属于机器人
，尤其涉及一种目标跟踪方法、装置、计算机可读存储介质及机器人。
技术介绍
安防机器人作为用于协助人类完成安全防护工作的机器人，需要具备对安防场所内可能出现的目标进行检测和跟踪的能力。然而检测算法的高复杂度/低实时性及容易受到遮挡影响的特性限制了安防机器人对安防场所内出现的目标的实时跟踪能力，因此，在检测到目标之后应当启用目标跟踪算法。目前，目标的跟踪算法具有高实时性/具备一定的抗遮挡能力等优点，但是由于跟踪算法本身的局限性，在对每一帧新的图像进行目标跟踪时，都只能跟踪目标可能出现的像素坐标附近是否存在目标，这导致当目标运动较快，到达跟踪范围之外或者边缘时，会出现跟踪失败的情况，这种情况一般称为“边界效应”。为了应对“边界效应”，最简单的方法是扩大跟踪范围，但这会导致目标跟踪器在学习的过程中学习到过多的背景信息，反而影响跟踪的效果。目前也已有相关文献尝试解决“边界效应”，包括SRDCF和CFLB算法，这些算法直接对目标跟踪器的优化目标函数进行了修改，导致目标跟踪器没有闭式解，在学习和更新的过程中只能通过迭代的方法来对目标跟踪器进行求解，这会导致目标跟踪算法的运行速度降低，达不到较高的实时性要求。
技术实现思路
有鉴于此，本申请实施例提供了一种目标跟踪方法、装置、计算机可读存储介质及机器人，以解决现有的目标跟踪方法实时性较差的问题。本申请实施例的第一方面提供了一种目标跟踪方法，可以包括：根据目标在第k-1帧图像中的位置坐标，使用卡尔曼滤波器计算所述目标在第k帧图像中的预测位置坐标，k为正整数；根据所述预测位置坐标和第k-1帧图像中的检测框，确定第k帧图像中的第一搜索区域；使用相关滤波器在所述第一搜索区域中对所述目标进行跟踪，得到第一最大响应值和第一位置坐标；根据所述目标在第k-1帧图像中的位置坐标和检测框，确定第k帧图像中的第二搜索区域；使用相关滤波器在所述第二搜索区域中对所述目标进行跟踪，得到第二最大响应值和第二位置坐标；根据所述第一最大响应值和所述第二最大响应值，从所述第一位置坐标和所述第二位置坐标中选取所述目标在第k帧图像中的位置坐标。进一步地，所述根据所述第一最大响应值和所述第二最大响应值，从所述第一位置坐标和所述第二位置坐标中选取所述目标在第k帧图像中的位置坐标，包括：若所述第一最大响应值大于所述第二最大响应值，则将所述第一位置坐标确定为所述目标在第k帧图像中的位置坐标；若所述第一最大响应值小于或等于所述第二最大响应值，则将所述第二位置坐标确定为所述目标在第k帧图像中的位置坐标。进一步地，在使用卡尔曼滤波器计算所述目标在第k帧图像中的预测位置坐标之前，还包括：在指定区域中进行目标检测，并确定检测到的目标的初始坐标和初始检测框；执行初始化过程，所述初始化过程包括：对k的取值进行初始化；对相关滤波器进行初始化；对卡尔曼滤波器进行初始化。进一步地，所述对相关滤波器进行初始化包括：根据下式初始化相关滤波器的参数：其中，x为以所述初始坐标为中心，取所述初始检测框的m倍大小区域的图像，m为预设的倍数参数，y为以所述初始坐标为中心，取所述初始检测框的m倍大小区域的高斯函数，作为训练相关滤波器的标签，σ2为高斯函数的方差，为傅里叶变换，傅里叶反变换，λ为训练的罚项常数，⊙表示矩阵逐项相乘操作，α为相关滤波器的参数；所述对卡尔曼滤波器进行初始化包括：将状态转移矩阵初始化为：将观测矩阵初始化为：将预测噪声协方差矩阵初始化为4行4列的对角阵，对角线元素为高斯白噪声的方差；将观测噪声协方差矩阵初始化为2行2列的对角阵，对角线元素为高斯白噪声的方差；将后验误差估计协方差矩阵初始化为4行4列的单位对角阵；将所述目标的状态初始化为：w＝[u0v0ΔuΔv]T其中，(u0,v0)为所述初始坐标，(Δu,Δv)为随机初始化得到的运动速度。进一步地，所述使用相关滤波器在所述第一搜索区域中对所述目标进行跟踪，得到第一最大响应值和第一位置坐标，包括：使用相关滤波器在所述第一搜索区域中对所述目标进行跟踪，得到如下所示的第一响应矩阵：其中，z1为所述第一搜索区域的图像，CF1为所述第一响应矩阵；将所述第一响应矩阵中最大的响应值确定为所述第一最大响应值，并将与所述第一最大响应值对应的位置坐标确定为所述第一位置坐标。进一步地，所述使用相关滤波器在所述第二搜索区域中对所述目标进行跟踪，得到第二最大响应值和第二位置坐标，包括：使用相关滤波器在所述第二搜索区域中对所述目标进行跟踪，得到如下所示的第二响应矩阵：其中，z2为所述第二搜索区域的图像，CF2为所述第二响应矩阵；将所述第二响应矩阵中最大的响应值确定为所述第二最大响应值，并将与所述第二最大响应值对应的位置坐标确定为所述第二位置坐标。进一步地，在选取所述目标在第k帧图像中的位置坐标之后，还包括：根据下式更新相关滤波器的参数：α＝(1-γ)α+γα′其中，x为以所述目标在第k帧图像中的位置坐标为中心，取第k帧图像中的检测框的m倍大小区域的图像，y为以所述目标在第k帧图像中的位置坐标为中心，取第k帧图像中的检测框的m倍大小区域的高斯函数，作为训练相关滤波器的标签，γ为参数更新的权重常数；根据下式更新所述目标的状态：w＝w′+K′(q-Hw′)其中，K′＝PHT(HPHT+R)-1，w′为所述目标在第k帧图像中的预测位置坐标，q为所述目标在第k帧图像中的位置坐标，H为观测矩阵，P为后验误差估计协方差矩阵，R为观测噪声协方差矩阵；根据下式更新后验误差估计协方差矩阵：P＝P′-K′HP其中，P′＝APAT+Q，Q为预测噪声协方差矩阵。本申请实施例的第二方面提供了一种目标跟踪装置，可以包括实现上述任一种目标跟踪方法的模块/单元。本申请实施例的第三方面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任一种目标跟踪方法的步骤。本申请实施例的第四方面提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一种目标跟踪方法的步骤。本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在机器人上运行时，使得机器人执行上述任一种目标跟踪方法的步骤。本申请实施例与现有技术相比存在的有益效果是：本申请实施例为了保证跟踪的有效性，不会由于目标运动过快或出现其他人物干扰而丢失对目标的跟踪，使用卡尔曼滤波器对下一帧中目标可能出现的位置坐标进行预测，再对上一帧中目标出现的位置坐标加以考虑，通过相关滤波器从中选取出目标在下一帧图像本文档来自技高网...

【技术保护点】
1.一种目标跟踪方法，其特征在于，包括：/n根据目标在第k-1帧图像中的位置坐标，使用卡尔曼滤波器计算所述目标在第k帧图像中的预测位置坐标，k为正整数；/n根据所述预测位置坐标和第k-1帧图像中的检测框，确定第k帧图像中的第一搜索区域；/n使用相关滤波器在所述第一搜索区域中对所述目标进行跟踪，得到第一最大响应值和第一位置坐标；/n根据所述目标在第k-1帧图像中的位置坐标和检测框，确定第k帧图像中的第二搜索区域；/n使用相关滤波器在所述第二搜索区域中对所述目标进行跟踪，得到第二最大响应值和第二位置坐标；/n根据所述第一最大响应值和所述第二最大响应值，从所述第一位置坐标和所述第二位置坐标中选取所述目标在第k帧图像中的位置坐标。/n

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括：
根据目标在第k-1帧图像中的位置坐标，使用卡尔曼滤波器计算所述目标在第k帧图像中的预测位置坐标，k为正整数；
根据所述预测位置坐标和第k-1帧图像中的检测框，确定第k帧图像中的第一搜索区域；
使用相关滤波器在所述第一搜索区域中对所述目标进行跟踪，得到第一最大响应值和第一位置坐标；
根据所述目标在第k-1帧图像中的位置坐标和检测框，确定第k帧图像中的第二搜索区域；
使用相关滤波器在所述第二搜索区域中对所述目标进行跟踪，得到第二最大响应值和第二位置坐标；
根据所述第一最大响应值和所述第二最大响应值，从所述第一位置坐标和所述第二位置坐标中选取所述目标在第k帧图像中的位置坐标。


2.根据权利要求1所述的目标跟踪方法，其特征在于，所述根据所述第一最大响应值和所述第二最大响应值，从所述第一位置坐标和所述第二位置坐标中选取所述目标在第k帧图像中的位置坐标，包括：
若所述第一最大响应值大于所述第二最大响应值，则将所述第一位置坐标确定为所述目标在第k帧图像中的位置坐标；
若所述第一最大响应值小于或等于所述第二最大响应值，则将所述第二位置坐标确定为所述目标在第k帧图像中的位置坐标。


3.根据权利要求1所述的目标跟踪方法，其特征在于，在使用卡尔曼滤波器计算所述目标在第k帧图像中的预测位置坐标之前，还包括：
在指定区域中进行目标检测，并确定检测到的目标的初始坐标和初始检测框；
执行初始化过程，所述初始化过程包括：对k的取值进行初始化；对相关滤波器进行初始化；对卡尔曼滤波器进行初始化。


4.根据权利要求3所述的目标跟踪方法，其特征在于，所述对相关滤波器进行初始化包括：
根据下式初始化相关滤波器的参数：



其中，x为以所述初始坐标为中心，取所述初始检测框的m倍大小区域的图像，m为预设的倍数参数，y为以所述初始坐标为中心，取所述初始检测框的m倍大小区域的高斯函数，作为训练相关滤波器的标签，σ2为高斯函数的方差，为傅里叶变换，傅里叶反变换，λ为训练的罚项常数，⊙表示矩阵逐项相乘操作，α为相关滤波器的参数；
所述对卡尔曼滤波器进行初始化包括：
将状态转移矩阵初始化为：



将观测矩阵初始化为：



将预测噪声协方差矩阵初始化为4行4列的对角阵，对角线元素为高斯白噪声的方差；
将观测噪声协方差矩阵初始化为2行2列的对角阵，对角线元素为高斯白噪声的方差；
将后验误差估计协方差矩阵初始化为4行4列的单位对角阵；
将所述目标的状态初始化为：
w＝[u0v0ΔuΔv]T
其中，(u0,v0)为所述初始坐标，(Δu,Δv)为随机初始化得到的运动速度。


5.根据权利要求1所述的目标跟踪方法，其特征在于，所述使用相关滤波器在所述第一搜索区域中对所述目标进行跟踪，得到第一最大响应值和第一位置坐标，包括：
使用相关滤波器在所述第一搜索区域中对所述目标进行跟踪，得到如下所示的第一响应矩阵：

【专利技术属性】
技术研发人员：胡淑萍，程骏，张惊涛，郭渺辰，王东，顾在旺，庞建新，熊友军，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：广东;44