本发明专利技术实施例涉及图像处理技术领域，公开了一种目标跟踪方法、装置、图像处理设备及计算机可读存储介质。该方法包括：获取图像序列中当前帧图像；通过基于上一帧图像训练后的目标相关滤波模型对当前帧图像进行处理，得到当前帧图像对应的待跟踪目标的目标位置，目标相关滤波模型是基于相关滤波模型的梯度特征构建的目标函数进行训练的；获取图像序列中下一帧图像，将当前帧图像当做上一帧图像，以及下一帧图像当做当前帧图像，并重新执行通过基于上一帧图像训练后的目标相关滤波模型对当前帧图像进行处理，得到当前帧图像对应的待跟踪目标的目标位置。通过上述方式，本发明专利技术实施例实现了从复杂环境中获取待跟踪目标更加准确的位置信息。的位置信息。的位置信息。
【技术实现步骤摘要】
目标跟踪方法、装置、设备及介质
[0001]本专利技术实施例涉及图像处理
，具体涉及一种目标跟踪方法、装置、图像处理设备及计算机可读存储介质。
技术介绍
[0002]目前，视频序列的图像中包含两种图像信息：目标图像和背景图像。在跟踪建模过程中，目标跟踪算法根据目标外观建模过程中是否采用背景信息可以分成两大类：生成式目标跟踪算法和判别式目标跟踪算法。目前，判别式目标跟踪算法是目标跟踪领域的主流方法。然而，判别式目标跟踪算法在诸如形变，背景混乱等复杂场景中难以保证足够精度。
技术实现思路
[0003]鉴于上述问题，本专利技术实施例提供了一种目标跟踪方法、装置、图像处理设备及计算机可读存储介质，用于解决现有技术中存在的在诸如形变，背景混乱等复杂场景中难以保证足够精度问题。
[0004]根据本专利技术实施例的一个方面，提供了一种目标跟踪方法，所述方法包括：
[0005]获取图像序列中当前帧图像；
[0006]通过基于上一帧图像训练后的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置，所述目标相关滤波模型是基于相关滤波模型的梯度特征构建的目标函数进行训练的；
[0007]获取所述图像序列中下一帧图像，将所述当前帧图像当做上一帧图像，以及所述下一帧图像当做当前帧图像，并重新执行所述通过基于上一帧图像训练后的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置。
[0008]在一种可选的方式中，在所述通过基于上一帧图像训练后的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置之前，所述方法还包括：
[0009]提取当前帧图像的多通道特征；
[0010]通过基于上一帧图像训练后的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置，包括：
[0011]通过基于上一帧图像训练后的目标相关滤波模型对所述多通道特征进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置。
[0012]在一种可选的方式中，在所述获取所述图像序列中下一帧图像之前，所述方法还包括：
[0013]根据基于时间一致性的空间特征选择项、以及当前帧对应的滤波模型梯度特征与前一帧对应的滤波模型梯度特征之差的相关项构建目标函数；
[0014]对所述目标函数进行求解，确定所述当前帧图像训练后的相关滤波模型。
[0015]在一种可选的方式中，所述根据基于时间一致性的空间特征选择项、以及当前帧
对应的滤波模型梯度特征与前一帧对应的滤波模型梯度特征之差的相关项构建目标函数，包括：
[0016]所述目标函数的表达式为：
[0017][0018]其中，ξ、λ和τ为常数参数，f
i
表示当前帧第i通道特征的相关滤波模型，表示第前一帧第i通道特征的相关滤波模型，z
i
表示当前帧的第i通道特征，m表示回归目标标签，表示当前帧第i通道特征的滤波器梯度特征，表示前一帧第i通道特征的滤波模型梯度特征，L表示总通道。
[0019]在一种可选的方式中，所述根据基于时间一致性的空间特征选择项、以及当前帧对应的滤波模型梯度特征与前一帧对应的滤波模型梯度特征之差的相关项构建目标函数，包括：
[0020]将根据基于时间一致性的空间特征选择项、当前帧对应的滤波模型梯度特征与前一帧对应的滤波模型梯度特征之差的相关项作为标准函数；
[0021]根据基于松弛变量的约束条件以及所述标准函数，构建凸优化的目标函数。
[0022]在一种可选的方式中，所述对所述目标函数进行求解，确定所述当前帧图像训练后的相关滤波模型，包括：
[0023]利用增广拉格朗日乘子将约束条件与所述标准函数合并，得到最小化拉格朗日函数；
[0024]通过交替方向乘子算法对最小化拉格朗日函数进行迭代求解，确定所述当前帧图像训练后的相关滤波模型。
[0025]在一种可选的方式中，在所述通过基于上一帧图像训练后的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置之后，所述方法还包括：
[0026]基于预设更新策略，对所述当前帧图像训练后的相关滤波模型以及与其对应的滤波梯度特征进行更新。
[0027]根据本专利技术实施例的另一方面，提供了一种目标跟踪装置，包括：
[0028]第一获取模块，用于获取图像序列中当前帧图像；
[0029]位置得到模块，用于通过基于上一帧图像训练后的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置，所述目标相关滤波模型是基于相关滤波模型的梯度特征构建的目标函数进行训练的；
[0030]重新执行模块，用于获取所述图像序列中下一帧图像，将所述当前帧图像当做上一帧图像，以及所述下一帧图像当做当前帧图像，并重新执行所述基于通过上一帧图像训
练后的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置。
[0031]在一种可选的方式中，所述装置还包括：
[0032]提取模块，用于在所述通过基于上一帧图像训练后的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置之前，提取当前帧图像的多通道特征；
[0033]位置得到模块，具体用于通过基于上一帧图像训练后的目标相关滤波模型对所述多通道特征进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置。
[0034]在一种可选的方式中，所述装置还包括：
[0035]函数构建模块，用于在所述获取所述图像序列中下一帧图像之前，根据基于时间一致性的空间特征选择项、以及当前帧对应的滤波模型梯度特征与前一帧对应的滤波模型梯度特征之差的相关项构建目标函数；
[0036]模型确定模块，用于对所述目标函数进行求解，确定所述当前帧图像训练后的相关滤波模型。
[0037]在一种可选的方式中，目标函数的表达式为：
[0038][0039]其中，ξ、λ和τ为常数参数，f
i
表示当前帧第i通道特征的相关滤波模型，表示第前一帧第i通道特征的相关滤波模型，z
i
表示当前帧的第i通道特征，m表示回归目标标签，表示当前帧第i通道特征的滤波器梯度特征，表示前一帧第i通道特征的滤波模型梯度特征，L表示总通道。
[0040]在一种可选的方式中，函数构建模块包括：
[0041]标准作为子模块，用于将根据基于时间一致性的空间特征选择项、当前帧对应的滤波模型梯度特征与前一帧对应的滤波模型梯度特征之差的相关项作为标准函数；
[0042]优化函数构建子模块，用于根据基于松弛变量的约束条件以及所述标准函数，构建凸优化的目标函数。
[0043]在一个可选的方式中，模型确定模块包括：
[0044]拉格朗日函数得到子模本文档来自技高网...
【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：获取图像序列中当前帧图像；通过基于上一帧图像训练后确定的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置，所述目标相关滤波模型是基于相关滤波模型的梯度特征构建的目标函数进行训练的；获取所述图像序列中下一帧图像，将所述当前帧图像当做上一帧图像，以及所述下一帧图像当做当前帧图像，并重新执行所述通过基于上一帧图像训练后的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置。2.根据权利要求1所述的方法，其特征在于，在所述通过基于上一帧图像训练后的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置之前，所述方法还包括：提取当前帧图像的多通道特征；通过基于上一帧图像训练后的目标相关滤波模型对所述当前帧图像进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置，包括：通过基于上一帧图像训练后的目标相关滤波模型对所述多通道特征进行处理，得到所述当前帧图像对应的待跟踪目标的目标位置。3.根据权利要求2所述的方法，其特征在于，在所述获取所述图像序列中下一帧图像之前，所述方法还包括：根据基于时间一致性的空间特征选择项、以及当前帧对应的滤波模型梯度特征与前一帧对应的滤波模型梯度特征之差的相关项构建目标函数；对所述目标函数进行求解，确定所述当前帧图像训练后的相关滤波模型。4.根据权利要求3所述的方法，其特征在于，所述根据基于时间一致性的空间特征选择项、以及当前帧对应的滤波模型梯度特征与前一帧对应的滤波模型梯度特征之差的相关项构建目标函数，包括：所述目标函数的表达式为：其中，ξ、λ和τ为常数参数，f
i
表示当前帧第i通道特征的相关滤波模型，表示第前一帧第i通道特征的相关滤波模型，z
i
表示当前帧的第i通道特征，m表示回归目标标签，表示当前帧第i通道特征的滤波器梯度特征，表示前一帧第i通道特征的滤波模型梯度特征，L表示总通道。5.根据权利要求3或4所述的方法，其特征在于，所述根据基于时间一致性的空间特征
选择项、以及当前帧对应的滤波模型梯度特征...
【专利技术属性】
技术研发人员：程月英，
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。