一种运动目标跟踪方法技术

本发明专利技术提供了一种运动目标跟踪方法，包括：步骤Step1:获取待测目标的视频图像信息，根据所述视频图像信息确定运动目标；步骤Step2:通过运动目标识别模块对确定的运动目标进行识别，根据用户输入的上行控制指令对不同的运动目标进行跟踪；步骤Step3:追踪控制模块根据上行控制指令获取运动目标基本信息和追踪时长参数；步骤Step4:根据获取的信息和参数控制摄像头对目标进行持续跟踪，并调节镜头倍数，保持跟踪目标在视场中心；步骤Step5:将采集图像输入跟踪模块，所述跟踪模块通过运动目标跟踪模型对目标进行跟踪，相应地，公开了一种运动目标跟踪装置，本发明专利技术检测精度和速率较高、稳定性好，且可根据用户需求对不同目标进行选择性跟踪和自动控制跟踪时长。进行选择性跟踪和自动控制跟踪时长。进行选择性跟踪和自动控制跟踪时长。

【技术实现步骤摘要】
一种运动目标跟踪方法


[0001]本专利技术涉及目标跟踪
，尤其涉及到一种运动目标跟踪方法。

技术介绍

[0002]随着科学技术和计算机水平的不断发展，基于计算机视觉识别的技术也开始备受关注，其涉及计算机视觉、人工智能、模式识别、图像处理等多个学科知识，目标跟踪识别在许多领域得到应用，例如，车辆检测，行人监控，企业、商场等公共场所安全防护监控，或者科研视频记录等等。因此，如何及时精确的对运动目标进行跟踪识别，并进行报警联动，避免发生损失或进行及时的资料记录，十分重要，目前的目标跟踪方法，大多适用于静止镜头的图像识别和跟踪，跟踪范围有限，或者在动镜头的图像识别时无法很好的匹配镜头运转速度，导致识别精确率不够等，基于此，本文提出运动目标跟踪方法和基于该方法的运动目标跟踪装置。
[0003]综上所述，提供一种检测精度和速率较高、稳定性好，且可根据用户需求对不同目标进行选择性跟踪和自动控制跟踪时长的运动目标跟踪方法，是本领域技术人员急需解决的问题。

技术实现思路

[0004]本方案针对上文提到的问题和需求，提出一种运动目标跟踪方法，其由于采取了如下技术方案而能够解决上述技术问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种运动目标跟踪方法，包括以下步骤：步骤Step1:获取待测目标的视频图像信息，根据所述视频图像信息确定运动目标；
[0006]步骤Step2:通过运动目标识别模块对确定的运动目标进行识别，根据用户输入的上行控制指令对不同的运动目标进行跟踪；/>[0007]步骤Step3:追踪控制模块接收所述用户输入的上行控制指令，并对所述上行控制指令进行解析，基于解析结果获取运动目标基本信息和追踪时长参数；
[0008]步骤Step4:根据获取的信息和参数控制摄像头对目标进行持续跟踪，并调节镜头倍数，保持跟踪目标在视场中心；
[0009]步骤Step5:将采集图像输入跟踪模块，所述跟踪模块通过运动目标跟踪模型对目标进行跟踪，并将运动目标的运动轨迹信息输出至跟踪管理平台进行管理存储。
[0010]进一步地，所述运动目标识别模块采用基于YOLOv3的目标识别算法对运动目标进行检测分类并标注，采用尺度金字塔结构将原始图片缩放到416
×
416的大小；采用DarkNet
‑
53特征提取网络将原始图像按照特征图的尺度大小划分为n*n个等大的单元格,对应的3个尺度的特征图大小为13
×
13、26
×
26、52
×
52；然后将浅层次特征和深层次特征进行融合获得更具有鉴别性的深层特征；最后在回归预测部分每一个单元格通过3个锚点框预测3个边框；在每一个单元格上为每一个边框预测边框左上角坐标、目标的宽、高4个值；利用K
‑
means聚类算法对训练集中目标边框的尺寸进行聚类,获取最佳锚点框的尺寸；
采用逻辑回归预测锚点框中包含物体的概率，若锚点框与真实目标边框的重叠率大于任何其他锚点框,则这个锚点框的概率为1；如果锚点框与真实目标的边框的重叠率大于0.5,但又不是最大的,则删除这个预测框，采用二元交叉熵损失和逻辑回归进行类别预测，得到目标识别结果。
[0011]更进一步地，在对运动目标进行检测分类并标注之前需要对图像进行增强预处理，所述增强预处理包括：先将待检测图像的颜色空间由RGB转为HSV；对转换后的图像进行分块,然后将每个分块在HSV颜色空间中的V分量进行直方图均衡化操作；最后将V分量和原先的H、S分量拼接再转到RGB颜色空间得到增强后的图像。
[0012]进一步地，所述根据获取的信息和参数控制摄像头对目标进行持续跟踪包括：在二维平面坐标系中确定视场中心在坐标系中的位置(x
o
,y
o
)和运动目标质心位置(x
i
,y
i
)；然后计算视场中心的位置(x
o
,y
o
)和运动目标质心位置(x
i
,y
i
)的坐标差值，并将所述坐标差值与设定的阈值进行比较，根据比较结果判断判断跟踪目标是否离开设定的视场中心范围，所述视场中心范围由所述阈值确定；当离开设定的视场中心范围时，则由运动目标图像获取模块控制智能云台转动，进而驱动摄像头的成像中心轴移向跟踪目标，否则保持原状态；最后比较所述阈值与对应的坐标差值大小，然后根据不同的比较结果确定摄像头的移动方向和移动速度等级，不同的移动速度等级对应不同坐标差值范围，并且在水平方向和垂直方向需要同时移动时，先向差值较大的方向移动。
[0013]进一步地，所述调节镜头倍数包括：获取当前目标跟踪框尺寸，计算当前目标跟踪框尺寸与标准跟踪框尺寸大小的差值，根据所述差值的绝对值与设定阈值的比较结果判断是否进行镜头变倍，当标准跟踪框的尺寸小于当前目标跟踪框尺寸时进行缩放，并缩放至标准跟踪框尺寸，否则扩大到标准跟踪框尺寸。
[0014]一种运动目标跟踪装置，包括：运动目标图像获取模块、追踪控制模块、运动目标识别模块和跟踪模块；
[0015]所述运动目标图像获取模块用于获取跟踪图像信息，所述运动目标图像获取模块包括装载有摄像头的图像采集设备和控制装置，所述追踪控制模块和所述跟踪模块均与所述运动目标图像获取模块电连接；
[0016]所述运动目标识别模块用于对检测到的动目标进行识别分类，并将识别分类结果发送给所述追踪控制模块；
[0017]所述追踪控制模块用于接收用户输入的上行控制指令，并对所述上行控制指令进行解析，基于解析结果获取运动目标基本信息和追踪时长参数；
[0018]所述跟踪模块用于通过运动目标跟踪模型对目标进行跟踪。
[0019]进一步地，所述控制装置包括智能云台、电机驱动器、驱动电机、解码器、视频存储模块、开关控制模块和镜头调整模块，所述驱动电机通过所述电机驱动器与所述智能云台电连接，所述智能云台用于控制摄像头进行水平和俯仰转动，所述摄像头通过所述解码器与所述视频存储模块电连接，所述视频存储模块包括存储卡和通信模块，所述存储卡用于存储视频数据，所述通信模块用于进行远程通信和将采集的视频信息发送至所述目标跟踪模块，所述开关控制模块用于接收所述智能云台的控制指令，并根据控制指令控制摄像头的工作时长，所述开关控制模块包括计时器、继电器、供电模块和第一控制器，所述计时器、所述继电器、所述供电模块均与所述第一控制器电连接，所述镜头调整模块与所述跟踪模
块相连接用于获取当前目标跟踪框尺寸和运动目标质心位置信息，并计算持续跟踪参数，将所述持续跟踪参数发送至智能云台，由智能云台控制摄像头移动和调节镜头倍数，保持跟踪目标在视场中心。
[0020]进一步地，所述运动目标跟踪模型采用基于TLD跟踪算法的跟踪模型。
[0021]进一步地，所述追踪控制模块包括控制模块和交互显示模块，所述交互显示模块与所述控制模块相连接，所述交互显示模块包括LCD本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动目标跟踪方法，其特征在于，包括以下步骤：步骤Step1:获取待测目标的视频图像信息，根据所述视频图像信息确定运动目标；步骤Step2:通过运动目标识别模块对确定的运动目标进行识别，根据用户输入的上行控制指令对不同的运动目标进行跟踪；步骤Step3:追踪控制模块接收所述用户输入的上行控制指令，并对所述上行控制指令进行解析，基于解析结果获取运动目标基本信息和追踪时长参数；步骤Step4:根据获取的信息和参数控制摄像头对目标进行持续跟踪，并调节镜头倍数，保持跟踪目标在视场中心；步骤Step5:将采集图像输入跟踪模块，所述跟踪模块通过运动目标跟踪模型对目标进行跟踪，并将运动目标的运动轨迹信息输出至跟踪管理平台进行管理存储。2.如权利要求1所述的运动目标跟踪方法，其特征在于，所述运动目标识别模块采用基于YOLOv3的目标识别算法对运动目标进行检测分类并标注，采用尺度金字塔结构将原始图片缩放到416
×
416的大小；采用DarkNet
‑
53特征提取网络将原始图像按照特征图的尺度大小划分为n*n个等大的单元格,对应的3个尺度的特征图大小为13
×
13、26
×
26、52
×
52；然后将浅层次特征和深层次特征进行融合获得更具有鉴别性的深层特征；最后在回归预测部分每一个单元格通过3个锚点框预测3个边框；在每一个单元格上为每一个边框预测边框左上角坐标、目标的宽、高4个值；利用K
‑
means聚类算法对训练集中目标边框的尺寸进行聚类,获取最佳锚点框的尺寸；采用逻辑回归预测锚点框中包含物体的概率，若锚点框与真实目标边框的重叠率大于任何其他锚点框,则这个锚点框的概率为1；如果锚点框与真实目标的边框的重叠率大于0.5,但又不是最大的,则删除这个预测框，采用二元交叉熵损失和逻辑回归进行类别预测，得到目标识别结果。3.如权利要求2所述的运动目标跟踪方法，其特征在于，在对运动目标进行检测分类并标注之前需要对图像进行增强预处理，所述增强预处理包括：先将待检测图像的颜色空间由RGB转为HSV；对转换后的图像进行分块,然后将每个分块在HSV颜色空间中的V分量进行直方图均衡化操作；最后将V分量和原先的H、S分量拼接再转到RGB颜色空间得到增强后的图像。4.如权利要求1所述的运动目标跟踪方法，其特征在于，所述根据获取的信息和参数控制摄像头对目标进行持续跟踪包括：在二维平面坐标系中确定视场中心在坐标系中的位置(x
o
,y
o
)和运动目标质心位置(x
i
,y
i
)；然后计算视场中心的位置(x
o
,y
o
)和运动目标质心位置(x
i
,y
i
)的坐标差值，并将所述坐标差值与设定的阈值进行比较，根据比较结果判断判断跟踪目标是否离开设定的视场中心范围，所述视场中心范围由所述阈值确定；当离开设定的视场中心范围时，则由运动目标图像获取模块控制智能云台转动，进而驱动摄像头的成像中心轴移向跟踪目标，否则保持原状态；最后比较所述阈值与对应的坐标差值大小，然后根据不同的比较结果确定摄像头的移动方向和...

【专利技术属性】
技术研发人员：张笑钦，
申请(专利权)人：温州大学大数据与信息技术研究院，
类型：发明
国别省市：