目标追踪方法、装置、终端、系统及可读存储介质制造方法及图纸

本申请公开了一种目标追踪方法、装置、终端、系统及可读存储介质，其方法包括：获取目标图像集，所述目标图像集包括相机拍摄的连续多帧深度图；根据历史追踪结果、以及各帧图像的深度信息，确定当前帧的目标追踪结果，其中，所述历史追踪结果为上一帧确定的目标追踪结果；根据当前帧的目标追踪结果更新所述历史跟踪结果。本申请请逻辑简单、计算量小、计算速度快；实时性强，精细度高、适用范围广；且本申请可用于摄像头移动的场景，显著扩展了目标检测的应用场景。的应用场景。的应用场景。

【技术实现步骤摘要】
目标追踪方法、装置、终端、系统及可读存储介质


[0001]本申请涉及图像处理
，具体涉及一种目标追踪方法、装置、终端、系统及可读存储介质。

技术介绍

[0002]移动目标的追踪被应用于多种场景，如客流统计场景、活体姿态识别场景等等。目前目标追踪有两种方式，其一是采用深度学习算法，但是深度学习算法只能做到学什么识别什么，因此需要大量的学习训练；其二是采用背景建模方法，但是应用背景建模算法对目标检测时，场景必须是固定的，比如人、车，如果静止不动，那么背景建模时无法检测出来的，且目标的背景建模方法计算量大、准确度也低。

技术实现思路

[0003]为解决上述问题，本申请实施例提供了一种目标追踪方法、装置、终端、系统及可读存储介质，以提供一种快速、高效、且可用于移动场景的目标追踪方法。
[0004]第一方面，本申请实施例提供了一种目标追踪方法，包括：
[0005]获取目标图像集，所述目标图像集包括相机拍摄的连续多帧深度图；
[0006]根据历史追踪结果、以及各帧图像的深度信息，确定当前帧的目标追踪结果，其中，所述历史追踪结果为上一帧确定的目标追踪结果；
[0007]根据当前帧的目标追踪结果更新所述历史跟踪结果。
[0008]可选的，在上述方法中，所述历史追踪结果包括历史运动区域、历史连通区域和历史目标身份信息；
[0009]所述根据历史追踪结果、以及各帧图像的深度信息，确定当前帧的目标追踪结果，包括：
[0010]根据所述目标图像集中的多帧历史图像构建背景模型；
[0011]根据所述当前帧各像素点的深度值、所述背景模型、所述历史运动区域、以及所述历史连通区域，确定当前帧的运动区域；
[0012]根据所述当前帧的运动区域，确定当前帧的至少一个连通区域；
[0013]根据所述连通区域、所述历史连通区域和所述历史目标身份信息，确定当前帧的目标追踪结果。
[0014]可选的，在上述方法中，所述根据所述目标图像集中的多帧历史图像构建背景模型，包括：
[0015]构建初始背景模型；
[0016]确定各帧历史图像对应像素点的平均值；
[0017]将各像素点的平均值赋值给所述初始背景模型的对应像素点，得到所述背景模型。
[0018]可选的，在上述方法中，所述根据所述当前帧各像素点的深度值、所述背景模型、
所述历史运动区域、以及所述历史连通区域，确定当前帧的运动区域，包括：
[0019]确定所述当前帧各像素点的深度值与所述背景模型对应像素点的深度值的差值；
[0020]根据所述差值的正负、以及与多个预设阈值的相对大小，将所述当前帧划分为第一运动区域、历史痕迹区域；
[0021]对所述历史运动区域和所述历史痕迹区域作差，得到公共区域；
[0022]根据所述第一运动区域和所述公共区域，确定所述当前帧的运动区域；
[0023]将所述当前帧的运动区域作为模板，与所述当前帧的各像素相乘，确定所述当前帧的运动像素。
[0024]可选的，在上述方法中，所述多个预设阈值包括第一阈值和第二阈值；
[0025]所述根据所述差值的正负、以及与多个预设阈值的相对大小，将所述当前帧划分为第一运动区域、历史痕迹区域，包括：
[0026]若确定一个像素点对应的差值为负值且大于等于所述第一阈值，则确定所述当前帧中对应像素点属于所述第一运动区域；
[0027]若确定一个像素点对应的差值为正值且大于等于所述第二阈值，则确定所述当前帧中对应像素点属于所述历史痕迹区域。
[0028]可选的，在上述方法中，所述根据所述第一运动区域和所述公共区域，确定所述当前帧的运动区域，包括：
[0029]对所述第一运动区域和所述公共区域作和，得到高噪运动区域；
[0030]对所述高噪运动区域进行中值滤波处理，得到所述当前帧的运动区域。
[0031]可选的，上述方法还包括：
[0032]根据预设的运动区域传递模型，确定传递阈值；
[0033]确定所述传递阈值与所述历史运动区域的乘积，作为最终的历史运动区域；其中，所述运动区域传递模型为：
[0034][0035]其中，thr表示传递阈值，N表示上一帧图像的像素数，n表示上一帧图像的运动物体区域的像素数，t为一个待定的常数(t>0)。
[0036]可选的，在上述方法中，所述根据所述连通区域、所述历史连通区域和所述历史目标身份信息，确定当前帧的目标追踪结果，包括：
[0037]若所述连通区域与所述历史连通区域存在交集，则将所述历史目标身份信息传递至所述连通区域；
[0038]若所述连通区域与所述历史连通区域不存在交集，则对所述连通区域赋予新的身份信息。
[0039]第二方面，本申请实施例还提供了一种目标追踪装置，所述装置包括：
[0040]获取单元，用于获取目标图像集，所述目标图像集包括相机拍摄的连续多帧深度图；
[0041]追踪单元，用于根据历史追踪结果、以及各帧图像的深度信息，确定当前帧的目标追踪结果，其中，所述历史追踪结果为上一帧确定的目标追踪结果；
[0042]更新单元，用于根据当前帧的目标追踪结果更新所述历史跟踪结果。
[0043]第三方面，本申请实施例还提供了一种目标追踪终端，所述目标追踪终端部署有前述的目标追踪装置。
[0044]第四方面，本申请实施例还提供了一种目标追踪系统，所述系统包括追踪服务器和若干个采集终端，各所述采集终端分别与所述追踪服务器通信连接；其中，所述追踪服务器部署有前述的目标追踪装置；
[0045]所述采集终端，用于采集目标图像集，并将所述目标图像集发送至所述追踪服务器。
[0046]第五方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的目标追踪方法。
[0047]第六方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，计算机程序被处理器指令时实现上述的目标追踪方法。
[0048]本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0049]本申请将目标图像集中各帧图像的深度信息与上一帧形成的历史追踪结果相结合，从而确定出当前帧的目标追踪结果。本申请请逻辑简单、计算量小、计算速度快；实时性强，精细度高、适用范围广；且本申请可用于摄像头移动的场景，显著扩展了目标检测的应用场景。
附图说明
[0050]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0051]图1示出根据本申请的一个实施例的目标追踪方法的流程示意图；
[0052]图2示出了根据本申请的一个实施例的目标移动的示意图；
[0053]图3示出了根据本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标追踪方法，其特征在于，包括：获取目标图像集，所述目标图像集包括相机拍摄的连续多帧深度图；根据历史追踪结果、以及各帧图像的深度信息，确定当前帧的目标追踪结果，其中，所述历史追踪结果为上一帧确定的目标追踪结果；根据当前帧的目标追踪结果更新所述历史跟踪结果。2.根据权利要求1所述的方法，其特征在于，所述历史追踪结果包括历史运动区域、历史连通区域和历史目标身份信息；所述根据历史追踪结果、以及各帧图像的深度信息，确定当前帧的目标追踪结果，包括：根据所述目标图像集中的多帧历史图像构建背景模型；根据所述当前帧各像素点的深度值、所述背景模型、所述历史运动区域、以及所述历史连通区域，确定当前帧的运动区域；根据所述当前帧的运动区域，确定当前帧的至少一个连通区域；根据所述连通区域、所述历史连通区域和所述历史目标身份信息，确定当前帧的目标追踪结果。3.根据权利要求2所述的方法，其特征在于，所述根据所述目标图像集中的多帧历史图像构建背景模型，包括：构建初始背景模型；确定各帧历史图像对应像素点的平均值；将各像素点的平均值赋值给所述初始背景模型的对应像素点，得到所述背景模型。4.根据权利要求2所述的方法，其特征在于，所述根据所述当前帧各像素点的深度值、所述背景模型、所述历史运动区域、以及所述历史连通区域，确定当前帧的运动区域，包括：确定所述当前帧各像素点的深度值与所述背景模型对应像素点的深度值的差值；根据所述差值的正负、以及与多个预设阈值的相对大小，将所述当前帧划分为第一运动区域、历史痕迹区域；对所述历史运动区域和所述历史痕迹区域作差，得到公共区域；根据所述第一运动区域和所述公共区域，确定所述当前帧的运动区域；将所述当前帧的运动区域作为模板，与所述当前...

【专利技术属性】
技术研发人员：潘颢文，张勇，
申请(专利权)人：珠海视熙科技有限公司，
类型：发明
国别省市：