一种目标跟踪方法和装置制造方法及图纸

本发明专利技术提供了一种目标跟踪方法和装置，所述方法包括：获取当前帧图像中跟踪目标的多个当前目标特征；根据历史图像获取所述跟踪目标的识别特征；分别计算多个所述当前目标特征与所述识别特征的特征距离；选取最小的所述特征距离对应的所述当前目标特征作为所述跟踪目标的当前特征；根据所述当前特征跟踪所述跟踪目标。该方案不仅考虑当前帧图像对跟踪目标的影响，而且充分考虑历史跟踪图像对跟踪目标的影响，使得跟踪目标具有历史一致性，从而保持目标跟踪的稳定性，并且，由当前帧确定的跟踪目标的当前特征去更新历史目标特征池，避免了误差叠加，提高了跟踪结果的准确性。

Target tracking method and device

The invention provides a target tracking method and device. The method comprises: obtaining a plurality of the target feature tracking the current frame image; according to the recognition feature to obtain the target tracking history image; feature distance were calculated for the plurality of the target features and the recognition feature selection; the characteristic distance corresponding to the minimum of the current target feature as the feature of current tracking; according to the current characteristics of the tracking target tracking. This scheme not only influences the image of target tracking, and considering the influence of history tracking image target tracking, the tracking target with historical consistency, so as to maintain the stability of target tracking and determined by the current frame tracking feature to update the history before when the target feature pool, avoiding error superposition to improve the accuracy of the tracking results.

【技术实现步骤摘要】
一种目标跟踪方法和装置
本专利技术涉及视觉跟踪领域，具体涉及一种目标跟踪方法和装置。
技术介绍
目标跟踪是指对跟踪图像中指定目标区域进行实时自动跟踪，实时计算出目标在图像场景中的精确位置。目标跟踪是近年来计算机视觉领域中备受关注的前沿方向，它从包含运动目标的图像序列中检测、识别并跟踪目标，并对其行为进行理解和描述。目标分析的研究涉及到模型识别、图像处理、计算机视觉、人工智能等学科的内容。随着现代信息技术的发展，目标跟踪在军用、民用以及医学等方面具有重要意义。比如，目标跟踪在视频监控、智能导航、互动游戏、机器人技术以及增强现实等领域有着至关重要的应用。通常在进行目标跟踪时，目标的特征都是采用固定维度的特征，而且这些固定维度的特征所组成的目标外观模型是根据在每帧图像中确定的跟踪目标附近采集的正负样本来进行更新。然而，由于跟踪图像中景物的多样性和复杂性，目标跟踪技术在工程应用中仍然有许多问题有待解决。比如，在目标跟踪过程中，由于光线变化、目标外观变化、复杂背景影响等因素导致目标外观模型中的一些特征的判别能力和描述能力下降，而随着每次目标外观模型的更新，判别误差也会逐渐增大，进而容易造成跟踪目标判别不准确，出现跟踪错误等现象。因此，如何提高目标跟踪的准确度，成为一个亟待解决的技术问题。
技术实现思路
因此，本专利技术要解决的技术问题在于现有技术中在目标跟踪过程中，跟踪结果准确度低。从而提供一种目标跟踪方法和装置。有鉴于此，本专利技术实施例的第一方面提供了一种目标跟踪方法，包括：获取当前帧图像中跟踪目标的多个当前目标特征；根据历史图像获取所述跟踪目标的识别特征；所述根据多个所述当前目标特征和所述识别特征跟踪所述跟踪目标包括：分别计算多个所述当前目标特征与所述识别特征的特征距离；选取最小的所述特征距离对应的所述当前目标特征作为所述跟踪目标的当前特征；根据所述当前特征跟踪所述跟踪目标。优选地，所述根据历史图像获取所述跟踪目标的识别特征包括：获取历史图像中所述跟踪目标的历史目标特征池；获取所述历史图像的最后一帧图像中所述跟踪目标的背景特征；根据所述历史目标特征池和所述背景特征确定所述识别特征。优选地，所述获取历史图像中所述跟踪目标的历史目标特征池包括：分别提取每一帧图像中所述跟踪目标的压缩特征；对所述压缩特征进行低秩一致性分析，得到所述压缩特征的稀疏矩阵；根据所述稀疏矩阵选取预设个数的所述压缩特征生成所述历史目标特征池。优选地，所述根据所述历史目标特征池和所述背景特征确定所述识别特征包括：将所述历史目标特征池作为正样本、所述背景特征作为负样本训练分类器得到分类特征向量；按照元素的系数从大到小依次从所述分类向量中选取目标元素生成所述识别特征。优选地，还包括：将所述当前特征替换所述历史目标特征池中具有最小稀疏值的稀疏矩阵对应的压缩特征，生成新的历史目标特征池。本专利技术实施例的第二方面提供了一种目标跟踪装置，包括：第一获取模块，用于获取当前帧图像中跟踪目标的多个当前目标特征；第二获取模块，用于根据历史图像获取所述跟踪目标的识别特征；计算模块，用于分别计算多个所述当前目标特征与所述识别特征的特征距离；选取模块，用于选取最小的所述特征距离对应的所述当前目标特征作为所述跟踪目标的当前特征；跟踪模块，用于根据所述当前特征跟踪所述跟踪目标。优选地，所述第二获取模块包括：第一获取单元，用于获取历史图像中所述跟踪目标的历史目标特征池；第二获取单元，用于获取所述历史图像的最后一帧图像中所述跟踪目标的背景特征；确定单元，用于根据所述历史目标特征池和所述背景特征确定所述识别特征。优选地，所述第一获取单元包括：提取子单元，用于分别提取每一帧图像中所述跟踪目标的压缩特征；分析子单元，用于对所述压缩特征进行低秩一致性分析，得到所述压缩特征的稀疏矩阵；第一选取子单元，用于根据所述稀疏矩阵选取预设个数的所述压缩特征生成所述历史目标特征池。优选地，所述确定单元包括：训练子单元，用于将所述历史目标特征池作为正样本、所述背景特征作为负样本训练SVM分类器得到分类特征向量；第二选取子单元，用于按照元素的系数从大到小依次从所述分类向量中选取目标元素生成所述识别特征。优选地，还包括：替换模块，用于将所述当前特征替换所述历史目标特征池中具有最小稀疏值的稀疏矩阵对应的压缩特征，生成新的历史目标特征池。本专利技术的技术方案具有以下优点：本专利技术实施例提供的目标跟踪方法和装置，通过综合考虑当前帧图像确定的多个当前目标特征和历史图像确定的识别特征对跟踪目标的影响，实现对当前帧图像中目标的跟踪，与现有技术相比，不仅考虑当前帧图像对跟踪目标的影响，而且充分考虑历史跟踪图像对跟踪目标的影响，使得跟踪目标具有历史一致性，从而保持目标跟踪的稳定性，并且，由当前帧确定的跟踪目标的当前特征去更新历史目标特征池，避免了误差叠加，提高了跟踪结果的准确性。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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的附图。图1为本专利技术实施例1的目标跟踪方法的一个流程图；图2为本专利技术实施例2的目标跟踪装置的一个框图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，下面所描述的本专利技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。实施例1本实施例提供一种目标跟踪方法，如图1所示，包括如下步骤：S11：获取当前帧图像中跟踪目标的多个当前目标特征。此处当前帧图像是跟踪目标所在的当前图像，通过将当前帧图像中跟踪目标的当前目标特征作为判别参考，以保证跟踪目标的稳定性，具体地，上一帧图像所确定的跟踪目标对应一个位置信息，可以将该位置信息对应到当前帧图像中，得到该位置信息在当前帧图像中的目标位置，然后再该目标位置附近随机选取多个候选样本，提取多个候选样本的压缩特征作为当前目标特征，其中当前目标特征可以采用向量的形式表示，其维数可以根据实际情况选择，比如本实施例中可以设定当前目标特征为50维，如此不仅可以提高当前目标特征的准确性，而且保持了跟踪目标的连续性。S12：根据历史图像获取跟踪目标的识别特征。此处历史图像是相对于跟踪目标所在的当前帧图像来说得，识别特征可以用矩阵的方式表示，其维数与当前目标特征保持一致，比如设定为50维。历史图像可以是跟踪目标所在的视觉文件，比如视频、图片等。由历史图像确定的跟踪目标的识别特征作为跟踪依据，不仅可以避免跟踪目标与历史图像脱离，从而保持历史一致性，而且避免了这仅仅依靠上一帧图像进行判别出现的误差叠加，进一步提高了跟踪结果的稳定性。S13：分别计算多个当前目标特征与识别特征的特征距离。当前目标特征的个数可以根据实际需要选取，识别特征中包含多个元素特征，可以通过分别计本文档来自技高网...

【技术保护点】
一种目标跟踪方法，其特征在于，包括：获取当前帧图像中跟踪目标的多个当前目标特征；根据历史图像获取所述跟踪目标的识别特征；分别计算多个所述当前目标特征与所述识别特征的特征距离；选取最小的所述特征距离对应的所述当前目标特征作为所述跟踪目标的当前特征；根据所述当前特征跟踪所述跟踪目标。

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括：获取当前帧图像中跟踪目标的多个当前目标特征；根据历史图像获取所述跟踪目标的识别特征；分别计算多个所述当前目标特征与所述识别特征的特征距离；选取最小的所述特征距离对应的所述当前目标特征作为所述跟踪目标的当前特征；根据所述当前特征跟踪所述跟踪目标。2.根据权利要求1所述的目标跟踪方法，其特征在于，所述根据历史图像获取所述跟踪目标的识别特征包括：获取历史图像中所述跟踪目标的历史目标特征池；获取所述历史图像的最后一帧图像中所述跟踪目标的背景特征；根据所述历史目标特征池和所述背景特征确定所述识别特征。3.根据权利要求2所述的目标跟踪方法，其特征在于，所述获取历史图像中所述跟踪目标的历史目标特征池包括：分别提取每一帧图像中所述跟踪目标的压缩特征；对所述压缩特征进行低秩一致性分析，得到所述压缩特征的稀疏矩阵；根据所述稀疏矩阵选取预设个数的所述压缩特征生成所述历史目标特征池。4.根据权利要求2所述的目标跟踪方法，其特征在于，所述根据所述历史目标特征池和所述背景特征确定所述识别特征包括：将所述历史目标特征池作为正样本、所述背景特征作为负样本训练分类器得到分类特征向量；按照元素的系数从大到小依次从所述分类向量中选取目标元素生成所述识别特征。5.根据权利要求2至4中任一项所述的目标跟踪方法，其特征在于，还包括：将所述当前特征替换所述历史目标特征池中具有最小稀疏值的稀疏矩阵对应的压缩特征，生成新的历史目标特征池。6.一种目标跟踪装置，其特征在于，包括：第一获取模块，用于获取当前...

【专利技术属性】
技术研发人员：张雷，谯帅，张如高，
申请(专利权)人：上海博康智能信息技术有限公司，
类型：发明
国别省市：上海,31