【技术实现步骤摘要】
一种基于ARM平台的目标跟踪方法、介质和系统
本专利技术涉及图像处理领域，具体涉及一种基于ARM平台的目标跟踪方法、介质和系统。
技术介绍
对于目标跟踪算法领域，目前共有两种方向——基于深度学习方法的目标跟踪和基于相关滤波的目标跟踪。前者在目标跟踪算法领域正在爬坡阶段，研究成果仅仅停留在少数科研技术上，在工程化平台实现上暂无有效的解决方案；后者技术发展时间更长，在工程化平台上已经有了较为成熟的解决方案，特别是在低功耗的嵌入式平台上，相比于前者，具有更优的跟踪性能，运行的硬件平台要求更低。现有的相关滤波类目标跟踪算法虽已有可变尺度或多种特征的等方案的加入，但均是单一功能或性能的提高，远远不能满足于跟踪鲁棒性要求较高的工程项目，特别是对于嵌入式ARM等低功耗平台，如果算法没有针对平台进行算子加速，目标跟踪性能也会捉襟见肘。由此，在嵌入式工程化平台需要一种将多尺度，多特征，多跟踪策略融为一体的通用化目标跟踪算法。
技术实现思路
本专利技术所要解决的技术问题是：已有可变尺度或多种特征的等方案不能满足于跟踪...
【技术保护点】
1.一种基于ARM平台的目标跟踪方法，其特征在于，基于嵌入式ARM平台，提取感兴趣区域(ROI)的深度学习特征、梯度直方图特征(HOG)、颜色命名(CN)特征和灰度特征(GRAY)；/n组成128维特征向量进行目标跟踪，对跟踪目标的自适应尺度跟踪波门叠加。/n
【技术特征摘要】
1.一种基于ARM平台的目标跟踪方法，其特征在于，基于嵌入式ARM平台，提取感兴趣区域(ROI)的深度学习特征、梯度直方图特征(HOG)、颜色命名(CN)特征和灰度特征(GRAY)；
组成128维特征向量进行目标跟踪，对跟踪目标的自适应尺度跟踪波门叠加。
2.根据权利要求1所述的一种基于ARM平台的目标跟踪方法，其特征在于，还包括在嵌入式ARM平台，加入NEON指令集实现对ROI区域特征提取算子的加速。
3.根据权利要求2所述的一种基于ARM平台的目标跟踪方法，其特征在于，包括如下步骤：
(1)采集视频原始数据，读入算法外部接口；
(2)在视频第一帧或指定的某帧中选取目标作为模板ROI区域；
(3)对ROI区域作一定的图像预处理；
(4)对预处理后的ROI区域图像进行特征提取，包括传统特征和深度学习特征，即提取HOG，CN，GRAY特征以及深度学习特征，生成高维特征向量；
(5)对高维特征向量进行互相关运算，得到响应矩阵，并得出最大响应值及最大响应值位置，若选取目标为视频第一帧图像，则对高维特征向量进行自相关运算；
(6)对预设的目标尺度，在每个尺度下进行步骤(5)中的计算，并选取最大响应值对应的尺度，得到帧的跟踪尺度和跟踪目标位置；
(7)目标置信度判断，根据判断结果选取跟踪策略，并决定是否启用目标丢失预警机制；
(8)根据最大响应值位置更新ROI区域，获取新图像的特征；
(9)对新区域图像特征进行自相关运算，学习得到更新模板区域模型；
(10)获取下一帧图像，重复(3)及以后的步骤以循环处理整个视频帧图像，完成对整个视频的目标跟踪。
4.一种基于ARM平台的目标跟踪系统，其特征在于：
所述系统读入指定的本地视频文件或接入实时相机的视频流信息至算法外部接口；
所述系统基于嵌入式ARM平台，提取感兴趣区域(ROI)的深度学习特征、梯度直方图特征(HOG)、颜色命名(CN)特征和灰度特征(GRAY)并组成128维特征向量进行目标跟踪，跟踪波门随跟踪目标的尺度变化自适应调整并叠加在输出视频中；
所述系统循环处理整个视频帧图像，用于对整个视频的目标跟踪。
5.根据权利要求4所述的一种基于ARM平台的目标跟踪系统，其特征在于，所述系统的工作流程如下：
1)采集视频原始数据，读入算法外部接口：
主程序运行，读入指定的本地视频文件或接入实时相机的视频流信息至算法外部接口，数据被算法视频结构体所采集，形成视频原始数据；
2)在视频第一帧或指定的某帧中选取目标作为模板ROI区域：<...
【专利技术属性】
技术研发人员：刘议聪，田瑞娟，隋旭阳，向学辅，张振禹，李亚南，陈大鹏，
申请(专利权)人：中国兵器装备集团自动化研究所，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。