【技术实现步骤摘要】
一种目标跟踪方法及装置、计算机可读存储介质
[0001]本专利技术涉及图像处理
,尤其涉及一种目标跟踪方法及装置、计算机可读存储介质。
技术介绍
[0002]目标跟踪是指利用图像处理技术和计算机视觉技术对视频图像中的目标进行实时跟踪的过程,在视频监控、行为识别以及智能驾驶等领域有着重要的应用。基于跟踪学习检测(Tracking-Learning-Detection,TLD)的目标跟踪方法是一种性能较为优越的目标跟踪方法,在该方法中,检测模块与跟踪模块同步运行,能够将传统的跟踪方法和检测方法相结合,同时引入在线学习机制,对检测模块中的参数进行更新,从而保证了目标跟踪的准确性。
[0003]在基于TLD进行目标跟踪时,需要先对视频图像进行分块,检测模块按照全局扫描策略,将所有图像块录入到检测模块中。然而,由于绝大多数的图像块仅包含了图像的背景区域,当检测模块按照全局扫描策略录入待分类图像块时,会将硬件资源浪费在不包含前景目标的冗余图像块中,严重影响目标跟踪的实时性。
技术实现思路
[0004]本专利技术实施例提供一种目标跟踪方法及装置、计算机可读存储介质,能够减少冗余待分类图像块,提高目标跟踪的实时性。
[0005]本专利技术的技术方案是这样实现的:
[0006]第一方面,本专利技术实施例提供了一种目标跟踪方法,包括:
[0007]载入第i帧视频,获取第i-1帧视频的目标跟踪结果,以及第i-1帧视频对应的检测分类模型;其中,i不等于1;
[0008]根据所述第 ...
【技术保护点】
【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:载入第i帧视频,获取第i-1帧视频的目标跟踪结果,以及第i-1帧视频对应的检测分类模型;其中,i不等于1;根据所述第i-1帧视频的目标跟踪结果,对所述第i帧视频进行跟踪处理,得到临时跟踪结果;利用区域预测算法,从所述第i帧视频中得到预测区域,并根据所述第i-1帧视频对应的检测分类模型,检测所述预测区域,得到临时检测结果;其中,所述预测区域用于表征所述第i帧视频中剔除冗余部分后的区域;整合所述临时跟踪结果和所述临时检测结果,确定出所述第i帧视频的目标跟踪结果;继续载入第i+1帧视频进行目标跟踪,直至i=N时,完成目标跟踪;其中,N为视频的总帧数。2.根据权利要求1所述的方法,其特征在于,在所述载入第i帧视频,获取第i-1帧视频的目标跟踪结果,以及第i-1帧视频对应的检测分类模型之前,所述方法还包括:载入初始视频帧;其中,所述初始视频帧用于表征视频的首帧;接收初始化操作,根据所述初始化操作确定所述初始视频帧的目标跟踪结果,以及所述初始视频帧对应的检测分类模型。3.根据权利要求1所述的方法,其特征在于,所述根据所述第i-1帧视频的目标跟踪结果,对所述第i帧视频进行跟踪处理,得到临时跟踪结果,包括:根据所述第i-1帧视频的目标跟踪结果,确定跟踪特征点;在所述第i帧视频中,寻找所述跟踪特征点的位置信息;利用所述位置信息,确定出所述临时跟踪结果。4.根据权利要求1所述的方法,其特征在于,所述利用区域预测算法,从所述第i帧视频中得到预测区域,并根据所述第i-1帧视频对应的检测分类模型,检测所述预测区域,得到临时检测结果,包括:确定所述第i-1帧视频的目标跟踪结果对应的第一区域;利用所述区域预测算法,从所述第i帧视频中确定出至少一个运动物体,并根据所述至少一个运动物体,确定出至少一个第二区域;从所述至少一个第二区域中,剔除与所述第一区域满足预设区域筛选关系的第二区域,确定出候选区域;按照预设区域扩大规则,对所述候选区域进行扩大操作,得到所述预测区域;其中,所述预设区域扩大规则用于表征将所述候选区域的宽和高按照比例扩大;按照预设图像块生成策略,将所述预测区域划分为多个图像块;利用所述第i-1帧视频对应的检测分类模型,对所述多个图像块进行检测,得到所述临时检测结果。5.根据权利要求4所述的方法,其特征在于,所述从所述至少一个第二区域中,剔除与所述第一区域满足预设区域筛选关系的第二区域,确定出候选区域,包括:获取所述第一区域对应的第一尺寸;获取所述至少一个第二区域对应的至少一个第二尺寸;从所述至少一个第二区域中,剔除与所述第一尺寸满足所述预设区域筛选关系的第二
尺寸所对应的第二区域,将剩余的第二区域确定为候选区域。6.根据权利要求1所述的方法,其特征在于,所述整合所述临时跟踪结果和所述临时检测结果,确定出所述第i帧视频的目标跟踪结果,包括:当存在所述临时跟踪结果,且存在所述临时检测结果时,对所述临时检测结果进行聚类,得到聚类结果,...
【专利技术属性】
技术研发人员:杜奎,
申请(专利权)人:中国移动通信集团有限公司,
类型:发明
国别省市:
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。