目标跟踪方法、目标跟踪系统及存储介质技术方案

本申请提供一种目标跟踪方法、目标跟踪系统及存储介质，属于计算机视觉技术领域。方法包括：获取由摄像头拍摄得到的待识别图像；当待识别图像中存在待测目标时，对待识别图像中的待测目标进行锚框标记；将具有锚框的待识别图像输入KCF跟踪模块，以在待识别图像中确定目标位置；通过KCF跟踪模块，确定待识别图像的中心点与目标位置的偏移量；根据偏移量，控制安装有摄像头的舵机转动，以使待识别图像的中心点与目标位置的偏移量在预设范围内。KCF跟踪模块在运算过程中无需占用大量资源，不依赖于大量样本，有利于提升运算速度。有利于提升运算速度。有利于提升运算速度。

【技术实现步骤摘要】
目标跟踪方法、目标跟踪系统及存储介质


[0001]本专利技术涉及计算机视觉
，具体而言，涉及一种目标跟踪方法、目标跟踪系统及存储介质。

技术介绍

[0002]目标跟踪技术一直是计算机视觉研究中的热点，近年来，随着计算机视觉技术越发成熟，目标跟踪技术在生活中有着广泛应用，如航拍的人物跟踪。目标跟踪的主要思路是在获取的视频图像中遍历寻找感兴趣区域，依靠视觉特征、统计特征、变换系数特征以及代数特征等多个特征将图像序列中的感兴趣区域进行匹配跟踪。目前，目标跟踪需要依赖于大量样本，运算量大。

技术实现思路

[0003]有鉴于此，本申请实施例的目的在于提供一种目标跟踪方法、目标跟踪系统及存储介质，能够改善目标跟踪需要依赖于大量样本，且运算量大的问题。
[0004]为实现上述技术目的，本申请采用的技术方案如下：
[0005]第一方面，本申请实施例提供了一种目标跟踪方法，所述方法包括：
[0006]获取由摄像头拍摄得到的待识别图像；
[0007]当所述待识别图像中存在待测目标时，对所述待识别图像中的所述待测目标进行锚框标记；
[0008]将具有所述锚框的所述待识别图像输入KCF跟踪模块，以在所述待识别图像中确定目标位置；
[0009]通过所述KCF跟踪模块，确定所述待识别图像的中心点与所述目标位置的偏移量；
[0010]根据所述偏移量，控制安装有所述摄像头的舵机转动，以使所述待识别图像的中心点与所述目标位置的偏移量在预设范围内。
[0011]结合第一方面，在一些可选的实施方式中，在获取由摄像头拍摄得到的待识别图像之前，所述方法还包括：
[0012]基于KCF算法，创建所述KCF跟踪模块。
[0013]结合第一方面，在一些可选的实施方式中，基于KCF算法，创建所述KCF跟踪模块，包括：
[0014]获取训练数据集，所述训练数据集包括图像块x
i
和对应的标签y
i
，i∈{0,
…
,m
‑
1}
×
{0,
…
,n
‑
1}，m和n为图像块x的大小；
[0015]根据所述训练数据集，构建最小代价函数，表示为：
[0016][0017]其中，w指使得x
i
和y
i
的最小平方和误差最小的参数；f(x)＝w
T
x，λ为正则项；
[0018]直接求解f(x)得到：
[0019]w＝(X
T X+λI)
‑1X
T
y
[0020]其中，X为基于图像块x所生成的循环矩阵；I为单位矩阵，y为标签值y
i
构成的列向量；
[0021]引入核函数以将目标跟踪表示为f(z)＝w
T
ψ(z)，其中，回归系数w用训练样本的非线性变换ψ(x
i
)和对偶空间α构成，表示为：
[0022][0023]则f(z)表示为：
[0024][0025]记k(x
i
,x
j
)＝ψ(x
i
)ψ(x
j
)，得到：
[0026][0027]其中，k为核函数；k(x
i
,z)为核矩阵K；f(z)为关于z的非线性函数，且为关于k(z)的线性函数；使用线性函数的优化方式求解得到：
[0028]α＝(K+λI)
‑1y
[0029]当K为循环矩阵，则训练过程对偶空间α的计算表示为：
[0030][0031]其中，Fdiag表示在傅氏空间内使用离散傅里叶矩阵进行对角化处理，F是离散傅里叶常量矩阵，F
H
是F的厄米特转置，H是厄米特矩阵，C表示循环矩阵，表示傅里叶逆变换，
⊙
是按元素相乘，是核函数矩阵K的第一行向量，为关于x向量的核相关向量；
[0032]简化得到：
[0033][0034]其中，运算符^表示复域的计算，复域计算的模块作为所述KCF跟踪模块，用于对所述待识别图像进行检测得到跟踪结果，公式表示为：
[0035][0036]其中，计算得到响应值最大的位置即为目标位置。
[0037]结合第一方面，在一些可选的实施方式中，将具有所述锚框的所述待识别图像输入KCF跟踪模块，以在所述待识别图像中确定目标位置，包括：
[0038]将具有所述锚框的所述待识别图像输入KCF跟踪模块，由所述KCF跟踪模块通过公式计算得到响应值最大的位置以作为所述目标位置。
[0039]结合第一方面，在一些可选的实施方式中，在对所述待识别图像中的所述待测目标进行锚框标记之前，所述方法还包括：
[0040]通过基于OpenCV搭建的目标检测模块，对所述待识别图像进行识别，以判断所述待识别图像中是否存在所述待测目标。
[0041]结合第一方面，在一些可选的实施方式中，根据所述偏移量，控制安装有所述摄像头的舵机转动，包括：
[0042]当所述偏移量超过预设阈值时，将所述偏移量进行归一化，得到经过归一化后的偏移量；
[0043]根据所述经过归一化后的偏移量，利用位置式PID算法控制安装有所述摄像头的所述舵机转动。
[0044]结合第一方面，在一些可选的实施方式中，所述待测目标包括人脸、车辆、指定种类的动物中的至少一种。
[0045]结合第一方面，在一些可选的实施方式中，所述待识别图像为经过预处理后的环境图像，所述预处理包括灰度化及直方图均衡化处理。
[0046]第二方面，本申请实施例还提供一种目标跟踪系统，所述目标跟踪系统包括相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述目标跟踪系统执行上述的方法。
[0047]第三方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
[0048]采用上述技术方案的专利技术，具有如下优点：
[0049]在本申请提供的技术方案中，当待识别图像中存在待测目标时，对待识别图像中的待测目标进行锚框标记；再将具有锚框的待识别图像输入KCF跟踪模块，以在待识别图像中确定目标位置；通过KCF跟踪模块，确定待识别图像的中心点与目标位置的偏移量；根据偏移量，控制安装有摄像头的舵机转动，以使待识别图像的中心点与目标位置的偏移量在预设范围内。其中，KCF跟踪模块在运算过程中无需占用大量资源，不依赖于大量样本，有利于提升运算速度。
附图说明
[0050]本申请可以通过附图给出的非限定性实施例进一步说明。应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。...

【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：获取由摄像头拍摄得到的待识别图像；当所述待识别图像中存在待测目标时，对所述待识别图像中的所述待测目标进行锚框标记；将具有所述锚框的所述待识别图像输入KCF跟踪模块，以在所述待识别图像中确定目标位置；通过所述KCF跟踪模块，确定所述待识别图像的中心点与所述目标位置的偏移量；根据所述偏移量，控制安装有所述摄像头的舵机转动，以使所述待识别图像的中心点与所述目标位置的偏移量在预设范围内。2.根据权利要求1所述的方法，其特征在于，在获取由摄像头拍摄得到的待识别图像之前，所述方法还包括：基于KCF算法，创建所述KCF跟踪模块。3.根据权利要求2所述的方法，其特征在于，基于KCF算法，创建所述KCF跟踪模块，包括：获取训练数据集，所述训练数据集包括图像块x
i
和对应的标签y
i
，i∈{0,
…
,m
‑
1}
×
{0,
…
,n
‑
1}，m和n为图像块x的大小；根据所述训练数据集，构建最小代价函数，表示为：其中，w指使得x
i
和y
i
的最小平方和误差最小的参数；f(x)＝w
T
x，λ为正则项；直接求解f(x)得到：w＝(X
T X+λI)
‑1X
T
y其中，X为基于图像块x所生成的循环矩阵；I为单位矩阵，y为标签值y
i
构成的列向量；引入核函数以将目标跟踪表示为f(z)＝w
T
ψ(z)，其中，回归系数w用训练样本的非线性变换ψ(x
i
)和对偶空间α构成，表示为：则f(z)表示为：记k(x
i
,x
j
)＝ψ(x
i
)ψ(x
j
)，得到：其中，k为核函数；k(x
i
,z)为核矩阵K；f(z)为关于z的非线性函数，且为关于k(z)的线性函数；使用线性函数的优化方式求解得到：α＝(K+λI)
‑1y当K为循环矩阵，则训练过...

【专利技术属性】
技术研发人员：孙少欣，蒋国然，苏晓杰，李睿，
申请(专利权)人：重庆大学，
类型：发明
国别省市：