一种目标跟踪方法和装置制造方法及图纸

本发明专利技术公开了一种目标跟踪方法和装置，涉及图像处理技术领域。其中，该方法包括：确定当前帧图像中目标各个分块的候选区域；将对分块候选区域进行压缩采样得到的图像特征输入训练好的分类器，以得到分块候选区域的类别预测得分；根据分块候选区域的类别预测得分筛选出该分块所在区域；在判断出存在被遮挡的分块的情况下，根据除被遮挡分块之外的其他分块的位置坐标计算目标在当前帧图像中的位置坐标。通过以上步骤，能够解决现有压缩跟踪算法所存在的由于遮挡和尺度变化导致跟踪效果较差、跟踪算法鲁棒性不强的问题。

【技术实现步骤摘要】
一种目标跟踪方法和装置
本专利技术涉及图像处理
，尤其涉及一种目标跟踪方法和装置。
技术介绍
在许多光电跟踪搜索系统中，由于目标运动较快、目标尺度变化较大，对于跟踪算法的实时性、准确性要求很高。因此，开发一种快速有效的跟踪算法就是光电跟踪搜索系统的基本需求。压缩跟踪算法是一种简单、快速的跟踪算法，一经提出便受到了许多人的关注。但是，这种算法有一定的局限性。首先，压缩跟踪对于遮挡不够鲁棒，在图像有遮挡时，其跟踪效果较差。另外，压缩跟踪算法的跟踪窗口是固定的，对于尺度变化鲁棒性不强。因此，针对以上不足，需要提供一种新的方案，以解决现有压缩跟踪算法所存在的由于遮挡和尺度变化导致跟踪效果较差、跟踪算法鲁棒性不强的问题。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是解决现有压缩跟踪算法所存在的由于遮挡和尺度变化导致跟踪效果较差、跟踪算法鲁棒性不强的问题。(二)技术方案为了解决上述技术问题，一方面，本专利技术提供了一种目标跟踪方法。本专利技术的目标跟踪方法包括：确定当前帧图像中目标的各个分块的候选区域；对所述分块的候选区域进行压缩采样，并将压缩采样得到的图像特征输入训练好的分类器，以得到所述分块的候选区域的类别预测得分；根据所述分块的候选区域的类别预测得分，从所述分块的候选区域中筛选出该分块所在区域；在判断出存在被遮挡的分块区域的情况下，根据除所述被遮挡的分块区域之外的其他分块所在区域的位置坐标计算目标在当前帧图像中的位置坐标。可选地，所述方法还包括：根据目标在当前帧图像中的位置坐标、以及目标在上一帧图像中的尺度，确定当前帧图像中所述目标的候选区域；对所述目标的候选区域进行压缩采样、以及归一化处理，并将处理得到的图像特征输入训练好的分类器，以得到所述目标的候选区域的类别预测得分；根据所述目标的候选区域的类别预测得分，从所述目标的候选区域中筛选出目标所在区域，并将目标所在区域的尺度作为所述目标在当前帧图像中的尺度。可选地，所述对所述分块的候选区域进行压缩采样，并将压缩采样得到的图像特征输入训练好的分类器，以得到所述分块的候选区域的类别预测得分包括：在所述分块的每个候选区域中提取多个Haar特征，并将所述多个Haar特征作为压缩采样得到的图像特征；将所述多个Haar特征输入训练好的第一贝叶斯分类器，以得到该候选区域的类别预测得分。可选地，所述训练好的第一贝叶斯分类器的响应满足：其中，Hi(yi)是第i个分块的候选区域的类别预测得分，i＝1，2，…，N，N为分块总数；p(yij|k＝1)表示特征yij为目标特征的预测概率值；p(yij|k＝0)表示特征yij为背景特征的预测概率值；yij是第i个分块的候选区域中的第j个Haar特征；l为每个分块的候选区域中的Haar特征的数量；wij是yij的权重，wij是由Haar特征的中心坐标决定的；(xc,yc)是整个目标的中心坐标；β是一个与目标区域对角线有关的常数。可选地，所述方法还包括：从上一帧图像中距离目标很近的区域提取出一些图像特征序列作为正样本，从上一帧图像中远离目标的区域提取出一些图像特征序列作为负样本，根据所述正样本和所述负样本对第一贝叶斯分类器进行训练，以得到所述训练好的第一贝叶斯分类器。可选地，根据如下方式判断是否存在被遮挡的分块区域：根据所述分块所在区域的位置坐标相比上一帧图像中对应分块所在区域的位置坐标的偏移量、以及所述分块所在区域的类别预测得分，构建聚类所用的分块特征向量；根据所述聚类所用的分块特征向量，对各个分块进行聚类处理，根据聚类处理结果判断是否存在被遮挡的分块区域。可选地，所述根据目标在当前帧图像中的位置坐标、以及目标在上一帧图像中的尺度，确定当前帧图像中所述目标的候选区域包括：以目标在当前帧图像中的位置坐标为基准区域的中心，以上一帧图像中目标的尺度为基准区域的尺度，构建基准区域；对所述基准区域进行放大、缩小处理，以得到目标的候选区域。可选地，所述对所述目标的候选区域进行压缩采样、以及归一化处理，并将处理得到的图像特征输入训练好的分类器，以得到所述目标的候选区域的类别预测得分包括：在所述目标的每个候选区域中提取多个Haar特征，然后对所述多个Haar特征进行归一化处理，并将处理得到的图像特征输入训练好的第二贝叶斯分类器，以得到该候选区域的类别预测得分。可选地，所述方法还包括：在判断出不存在被遮挡的分块区域的情况下，根据所述目标的各个分块所在区域的位置坐标计算目标在当前帧图像中的位置坐标。为了解决上述技术问题，另一方面，本专利技术提供了一种目标跟踪装置。本专利技术的目标跟踪装置包括：确定模块，用于确定当前帧图像中目标的各个分块的候选区域；筛选模块，用于对所述分块的候选区域进行压缩采样，并将压缩采样得到的图像特征输入训练好的分类器，以得到所述分块的候选区域的类别预测得分；根据所述分块的候选区域的类别预测得分，从所述分块的候选区域中筛选出该分块所在区域；位置计算模块，用于在判断出存在被遮挡的分块区域的情况下，根据除所述被遮挡的分块区域之外的其他分块所在区域的位置坐标确定目标在当前帧图像中的位置坐标。可选地，所述装置还包括：尺度计算模块，用于根据目标在当前帧图像中的位置坐标、以及目标在上一帧图像中的尺度，确定当前帧图像中所述目标的候选区域；所述尺度计算模块，还用于对所述目标的候选区域进行压缩采样、以及归一化处理，并将处理得到的图像特征输入训练好的分类器，以得到所述目标的候选区域的类别预测得分；所述尺度计算模块，还用于根据所述目标的候选区域的类别预测得分，从所述目标的候选区域中筛选出目标所在区域，并将目标所在区域的尺度作为所述目标在当前帧图像中的尺度。(三)有益效果本专利技术的上述技术方案具有如下优点：通过确定当前帧图像中目标的各个分块的候选区域，对所述分块的候选区域进行压缩采样，并将压缩采样得到的图像特征输入训练好的分类器，以得到所述分块的候选区域的类别预测得分，根据所述分块的候选区域的类别预测得分，从所述分块的候选区域中筛选出该分块所在区域，在判断出存在被遮挡的分块区域的情况下，根据除所述被遮挡的分块区域之外的其他分块所在区域的位置坐标计算目标在当前帧图像中的位置坐标这些步骤，能够解决现有压缩跟踪算法所存在的由于遮挡和尺度变化导致跟踪效果较差、跟踪算法鲁棒性不强的问题，提高目标跟踪效果、以及跟踪算法对遮挡和尺度变化的鲁棒性。附图说明图1是本专利技术实施例一中的目标跟踪方法的主要流程示意图；图2是本专利技术实施例二中的目标跟踪方法的主要流程示意图；图3是本专利技术实施例中的Haar特征的示意图；图4是本专利技术实施例三中的目标跟踪装置的主要模块示意图；图5是本专利技术实施例四中的目标跟踪装置的主要模块示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述本文档来自技高网...

【技术保护点】
1.一种目标跟踪方法，其特征在于，所述方法包括：/n确定当前帧图像中目标的各个分块的候选区域；/n对所述分块的候选区域进行压缩采样，并将压缩采样得到的图像特征输入训练好的分类器，以得到所述分块的候选区域的类别预测得分；根据所述分块的候选区域的类别预测得分，从所述分块的候选区域中筛选出该分块所在区域；/n在判断出存在被遮挡的分块区域的情况下，根据除所述被遮挡的分块区域之外的其他分块所在区域的位置坐标计算目标在当前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，所述方法包括：
确定当前帧图像中目标的各个分块的候选区域；
对所述分块的候选区域进行压缩采样，并将压缩采样得到的图像特征输入训练好的分类器，以得到所述分块的候选区域的类别预测得分；根据所述分块的候选区域的类别预测得分，从所述分块的候选区域中筛选出该分块所在区域；
在判断出存在被遮挡的分块区域的情况下，根据除所述被遮挡的分块区域之外的其他分块所在区域的位置坐标计算目标在当前帧图像中的位置坐标。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据目标在当前帧图像中的位置坐标、以及目标在上一帧图像中的尺度，确定当前帧图像中所述目标的候选区域；对所述目标的候选区域进行压缩采样、以及归一化处理，并将处理得到的图像特征输入训练好的分类器，以得到所述目标的候选区域的类别预测得分；根据所述目标的候选区域的类别预测得分，从所述目标的候选区域中筛选出目标所在区域，并将目标所在区域的尺度作为所述目标在当前帧图像中的尺度。


3.根据权利要求2所述的方法，其特征在于，所述对所述分块的候选区域进行压缩采样，并将压缩采样得到的图像特征输入训练好的分类器，以得到所述分块的候选区域的类别预测得分包括：
在所述分块的每个候选区域中提取多个Haar特征，并将所述多个Haar特征作为压缩采样得到的图像特征；将所述多个Haar特征输入训练好的第一贝叶斯分类器，以得到该候选区域的类别预测得分。


4.根据权利要求3所述的方法，其特征在于，所述训练好的第一贝叶斯分类器的响应满足：






其中，Hi(yi)是第i个分块的候选区域的类别预测得分，i＝1，2，…，N，N为分块总数；p(yij|k＝1)表示特征yij为目标特征的预测概率值；p(yij|k＝0)表示特征yij为背景特征的预测概率值；yij是第i个分块的候选区域中的第j个Haar特征；l为每个分块的候选区域中的Haar特征的数量；wij是yij的权重，wij是由Haar特征的中心坐标决定的；(xc,yc)是整个目标的中心坐标；β是一个与目标区域对角线有关的常数。


5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
从上一帧图像中距离目标很近的区域提取出一些图像特征序列作为正样本，从上一帧图像中远离目标的区域提取出一些图像特征序列作为负样本，根据所述正样本和所述负样本对第一贝叶斯分类器进行训练，以得到所述训练好的第一贝叶斯分类器。


6.根据权利要求1所述的方法，其特征在于，根据如...

【专利技术属性】
技术研发人员：侯棋文，张樯，崔洪，张蛟淏，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：北京;11