【技术实现步骤摘要】
一种目标跟踪方法、装置及存储介质
本专利技术涉及神经网络领域，具体涉及一种目标跟踪方法、装置及存储介质。
技术介绍
在进行目标跟踪的过程中，通常是通过各个图像采集设备采集目标移动画面，再将各个图像采集设备采集到的图像进行目标匹配，以完成对目标的跟踪。相关技术中，通常采用特征匹配的方式进行目标匹配，然而，在不同画面中进行目标跟踪时，通常会因为拍摄角度的问题，产生图像之间的形变。当两幅图像之间存在视角变化时，同一目标的同一特征在图像上呈现的相似性可能较小，导致目标跟踪效果差。
技术实现思路
有鉴于此，本专利技术实施例提供了一种目标跟踪方法、装置及存储介质，以解决现有技术中目标跟踪效果差的缺陷。根据第一方面，本专利技术实施例提供一种目标跟踪方法，包括如下步骤当跟踪目标由上一跟踪图像进入当前跟踪图像，则对上一跟踪图像和当前跟踪图像进行最大稳定极值区域检测，将所述最大稳定极值区域归一化为圆形区域，得到上一跟踪图像和当前跟踪图像中的跟踪目标区域；对上一跟踪图像和当前跟踪图像中的跟踪目标区域进行尺度不变性特征点检测；根...
【技术保护点】
1.一种目标跟踪方法，其特征在于，包括如下步骤：/n当跟踪目标由上一跟踪图像进入当前跟踪图像，则对上一跟踪图像和当前跟踪图像进行最大稳定极值区域检测，将所述最大稳定极值区域归一化为圆形区域，得到上一跟踪图像和当前跟踪图像中的跟踪目标区域；/n对上一跟踪图像和当前跟踪图像中的跟踪目标区域进行尺度不变性特征点检测；/n根据检测得到的尺度不变性特征点，得到跟踪目标区域的特征点描述；/n根据上一跟踪图像的跟踪目标区域特征点描述与所述当前跟踪图像的跟踪目标区域的特征点描述，对上一跟踪图像的跟踪目标与当前跟踪图像的跟踪目标进行匹配，得到上一跟踪图像与当前跟踪图像对同一跟踪目标的跟踪结果。/n
【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括如下步骤：
当跟踪目标由上一跟踪图像进入当前跟踪图像，则对上一跟踪图像和当前跟踪图像进行最大稳定极值区域检测，将所述最大稳定极值区域归一化为圆形区域，得到上一跟踪图像和当前跟踪图像中的跟踪目标区域；
对上一跟踪图像和当前跟踪图像中的跟踪目标区域进行尺度不变性特征点检测；
根据检测得到的尺度不变性特征点，得到跟踪目标区域的特征点描述；
根据上一跟踪图像的跟踪目标区域特征点描述与所述当前跟踪图像的跟踪目标区域的特征点描述，对上一跟踪图像的跟踪目标与当前跟踪图像的跟踪目标进行匹配，得到上一跟踪图像与当前跟踪图像对同一跟踪目标的跟踪结果。
2.根据权利要求1所述的方法，其特征在于，还包括：
当上一跟踪图像的跟踪目标与当前跟踪图像的任一跟踪目标无法匹配时，则判断当前跟踪图像的跟踪目标数量与上一跟踪图像的跟踪目标数量是否发生变化；
当跟踪目标数量未发生变化，则重复对上一跟踪图像和当前跟踪图像进行最大稳定极值区域检测，得到上一跟踪图像和当前跟踪图像中的跟踪目标区域到根据上一跟踪图像的跟踪目标区域特征点描述与所述当前跟踪图像的跟踪目标区域的特征点描述进行特征点匹配，得到上一跟踪图像与当前跟踪图像对同一跟踪目标的跟踪结果，直至上一跟踪图像的跟踪目标与当前跟踪图像的跟踪目标匹配。
3.根据权利要求1所述的方法，其特征在于，所述根据所述上一跟踪图像的跟踪目标特征点描述与所述当前跟踪图像的跟踪目标的特征点描述进行特征点匹配，得到上一跟踪图像与当前跟踪图像对同一跟踪目标的跟踪结果，包括：
根据上一跟踪图像的跟踪目标特征点描述与所述当前跟踪图像的跟踪目标的特征点描述，确定所述上一跟踪图像的跟踪目标特征点与所述当前跟踪图像的跟踪目标的特征点的欧式距离；
根据所述上一跟踪图像的跟踪目标特征点与所述当前跟踪图像的跟踪目标的特征点之间的欧氏距离，确定与所述特征点的最近邻特征点和次近邻特征点；
当所述最近邻特征点的欧式距离与所述次近邻特征点的欧式距离之比小于预设阈值，则完成所述特征点与最近邻特征点的匹配，得到上一跟踪图像与当前跟踪图像对同一跟踪目标的跟踪结果。
4.根据权利要求1所述的方法，其特征在于，所述对上一跟踪图像和当前跟踪图像中的跟踪目标区域进行尺度不变性特征点检测，包括：
对所述上一跟踪图像的目标跟踪区域与所述当前跟踪图像的目标跟踪区域对应的圆形区域进行高斯卷积处理，得到多尺度图像；
对所述多尺度图像进行高...
【专利技术属性】
技术研发人员：邓练兵，欧阳可佩，高妍，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44
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。