System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种目标物跟踪方法及数据处理设备技术_技高网

一种目标物跟踪方法及数据处理设备技术

技术编号:39987520 阅读:4 留言:0更新日期:2024-01-09 02:00
本发明专利技术提供了一种目标物跟踪方法,目标物跟踪方法包括图像获取步骤、骨骼点获取步骤、位姿计算步骤、滤波步骤以及跟踪框计算步骤。在滤波步骤中使用自适应滤波算法调整目标物的位姿,相比于现有技术中的1€滤波算法,自适应滤波算法能够根据跟踪系统的状态,具体为骨骼点置信度的大小,动态调整滤波参数,能够避免针对实时系统的不同情况的大量变换调参。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域,特别涉及一种目标物跟踪方法。


技术介绍

1、随着虚拟现实(virtual reality简称vr)技术的迅速发展,虚拟现实一体机(即vr眼镜)使用计算机视觉算法实现虚拟现实技术。对目标的实时跟踪是虚拟现实技术中的重要部分,跟踪过程即给同一个视频中不同帧的跟踪目标分配相一致的标签。跟踪过程的稳定性和实时性依赖于滤波算法对目标姿势的调整。

2、滤波方法常用于过滤信号噪声,提升系统稳定性以及各种分析数据处理中,应用广泛且有效,随着计算机视觉的逐步发展,各种跟踪系统初步成形且越来越稳定其中滤波算法发挥了非常重要的作用,其涉及广泛包括人体、人脸、人手、物体角点以及信号等对实时性要求较高的系统对滤波算法的要求越来越高。

3、现有技术中1€滤波算法通过截止频率fcmin和beta来控制滤波数据的抖动性和时延,但是在复杂的跟踪系统中优化参数会因为骨骼点预测的准确度变化而产生变化。传统的1€滤波算法会将同一套参数应用于多种不同的情况,或者针对不同情况设置多组滤波算法,而不同的参数需要大量的统计分析获取,不能做到自适应的改变滤波参数,影响3d姿势的滤波效果,从而影响到跟踪方法的稳定性以及实时性。


技术实现思路

1、本专利技术提供了一种目标物跟踪方法,解决现有的计算机视觉技术中目标物跟踪方法存在的稳定性较差以及延迟明显的技术问题。

2、进一步地,所述目标物跟踪方法具体包括如下步骤:图像获取步骤,通过多目相机实时采集环境图像,所述环境图像能够包括目标物图像;骨骼点获取步骤,采用第一跟踪框标注所述环境图像,获得所述第一跟踪框内的目标物图像,将多个目标物图像录入至基于深度学习的骨骼点预测模型,获取所述目标物的骨骼点信息,并计算所述目标物每一个骨骼点对应的置信度;位姿计算步骤,使用基于反向运动学的优化算法计算所述目标物的位姿pose3d,使用所述目标物的骨骼点信息参与所述目标物的位姿的优化;位姿预测步骤,使用t-1时刻下所述目标物的位姿以及t-2时刻下所述目标物的位姿预测t时刻下所述目标物的位姿,t为大于2的自然数;滤波步骤,使用自适应滤波算法对所述t时刻下目标物的位姿进行滤波处理,得到滤波后的目标物位姿;跟踪框计算步骤,将t时刻附近多帧被滤波处理后的目标物位姿的插值结果投影至所述多目相机,生成所述目标物在t时刻的第二跟踪框。

3、进一步地,在所述位姿计算步骤中,优化误差e的计算公式如下:

4、

5、其中,insi记为第i目相机的内参,ti记为第i目相机的外参,h andskei表示第i目相机获取的包含所述目标物图像坐标系下的多个骨骼点的坐标。

6、进一步地,在所述滤波步骤中,所述自适应滤波算法的截止频率fc,fc的计算公式如下:

7、fc=fcmin+w*beta*|parami,t-|

8、其中,fcmin为最小截止频率,w为自适应权重,beta为速度系数,parami,t-为t时刻参数i的变化率;

9、parami构成表述了所述目标物的位姿。

10、进一步地,当所述相机的数量为一个时,骨骼点置信度越大,自适应权重w的数值越接近于1,滤波衰减率越小,因为相机数量为一个时,跟踪的目标不存在其其余相机的跟踪干扰,因此可采用类高斯函数平滑衰减;当所述相机的数量为多个时,目标物体在不同的相机中存在骨骼点置信度的差异,差异越大反向运动学优化的误差越大,导致跟踪的抖动性和稳定性都会变差,因此需计算多个骨骼点中置信度最大的值与最小的值的差值,当差值越大时滤波越大,反之越小,使得w的分布曲线更加陡峭,长尾值更小。

11、进一步地,所述自适应权重w的计算公式如下:

12、

13、其中x=scorei;i=1,2,3,4;

14、scorei为骨骼点置信度;

15、view为所述相机的数量。

16、进一步地,在t时刻,当相机的数量由多个切换为一个时,或者,

17、当相机的数量由一个切换为多个时,所述自适应权重w计算公式如下:

18、w-t=awt+b*wt-1

19、其中,w-t为t时刻最终的自适应权重w的值,wt为t时刻自适应权重公式计算的w的值,wt-1为t-1时刻自适应权重w的值。

20、进一步地,当所述对象的一个骨骼点在多个相机之间的置信度具有差异时,所述目标物跟踪方法还包括如下步骤:算法调整步骤,调整所述滤波算法的参数,降低所述滤波算法的变化率,增大所述滤波算法的时延。

21、进一步地,在所述跟踪框计算步骤中,在将t时刻附近多帧被滤波处理后的目标物位姿的插值结果投影至所述多目相机后,能够得到各目相机的2d重投影骨骼点handproj,i,将handproj,i输入至计算框体函数cal获取所述第二跟踪框,所述第二跟踪框的计算公式如下:

22、trackboxj=cal(handproj,i),i=1,2,3,..21;j=1,2,3,4

23、进一步地,在所述跟踪框计算步骤中,在获取所述目标物t时刻的第二跟踪框后,还包括筛选步骤,采用跟踪框筛选函数对所述第二跟踪框做出筛选;所述跟踪框筛选函数为select函数,其公式如下:

24、trackboxres=select(trackboxj)i=1,2,3,4;res=1,2,3,4;

25、第一原则,排除存在部分骨骼点不在图像范围内的跟踪框;第二原则,排除出现离群的骨骼点的跟踪框;第三原则,排除骨骼点的中心距离图像中心远的跟踪框。

26、本专利技术还提供一种数据处理设备,所述数据处理设备包括存储器以及处理器。所述存储器用以存储可执行程序代码;所述处理器用以读取所述可执行程序代码,以运行与所述可执行程序代码对应的计算机程序,以执行上文所述的目标物跟踪方法中的至少一步骤。

27、本专利技术还提供一种头戴设备,所述头戴设备包括如上文所述的数据处理设备以及多目相机,所述多目相机电连接至所述数据处理设备。

28、本专利技术的优点在于,提供一种目标物跟踪方法,目标物跟踪方法包括滤波步骤,在滤波步骤中使用自适应滤波算法调整目标物的位姿,相比于现有技术中的1€滤波算法,自适应滤波算法能够根据跟踪系统的状态,具体为骨骼点置信度的大小,动态调整滤波参数,能够避免针对实时系统的不同情况的大量变换调参。

本文档来自技高网...

【技术保护点】

1.一种目标物跟踪方法,其特征在于,包括:

2.如权利要求1所述的目标物跟踪方法,其特征在于,

3.如权利要求1所述的目标物跟踪方法,其特征在于,

4.如权利要求3所述的目标物跟踪方法,其特征在于,

5.如权利要求3所述的目标物跟踪方法,其特征在于,

6.如权利要求3所述的目标物跟踪方法,其特征在于,

7.如权利要求3所述的目标物跟踪方法,其特征在于,

8.如权利要求1所述的目标物跟踪方法,其特征在于,

9.如权利要求1所述的目标物跟踪方法,其特征在于,

10.一种数据处理设备,其特征在于,包括:

11.一种头戴设备,其特征在于,包括:

【技术特征摘要】

1.一种目标物跟踪方法,其特征在于,包括:

2.如权利要求1所述的目标物跟踪方法,其特征在于,

3.如权利要求1所述的目标物跟踪方法,其特征在于,

4.如权利要求3所述的目标物跟踪方法,其特征在于,

5.如权利要求3所述的目标物跟踪方法,其特征在于,

6.如权利要求3所述...

【专利技术属性】
技术研发人员:冯辉
申请(专利权)人:玩出梦想上海科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1