【技术实现步骤摘要】
本专利技术涉及图像处理和计算机视觉领域，特别是指一种用于低算力前端实时跟踪的模板匹配目标检测方法。
技术介绍
1、目前在输电线路视频监控领域，已经大量应用前端算力进行视频分析，但由于前端芯片的算力低、性能差，基于深度学习的目标检测无法达到实时检测，基于预测及匹配的计算复杂度高无法达到实时目标跟踪分析，因此一般只能通过跳帧检测进行处理，使得监控分析录像中的目标标记出现时有时无、或者标记框滞后的现象。
2、多目标跟踪方案中通常需要对每帧图像进行实时检测，然后根据前一帧的目标检测结果利用卡尔曼滤波给出当前帧目标的预测目标框信息，再根据预测目标框的特征信息与检测框的特征信息进行匈牙利匹配，从而得到同一目标的运动轨迹。可以看出这需要对每帧图像都进行实时检测，才能够将目标匹配起来，既要进行目标检测，又要进行目标预测，需要耗费大量的计算资源，在低算力前端芯片上难以达到应用要求。
技术实现思路
1、本专利技术提供一种用于低算力前端实时跟踪的模板匹配目标检测方法，既能提升匹配准确率又能提高匹配速度，保证了前端视频分析的实时性。
2、本专利技术提供技术方案如下：
3、一种用于低算力前端实时跟踪的模板匹配目标检测方法，所述方法包括：
4、s10：获取视频采集的每一帧图像，并将每一帧图像按照时间先后顺序缓存到图像队列中；
5、s20：通过匹配线程进行模板匹配操作，所述模板匹配操作包括：
6、s21：从所述图像队列中取出最先缓存的一帧图
7、s22：获取当前帧图像的前一帧图像的目标检测结果，其中，所述前一帧图像的目标检测结果包括若干目标框；
8、s23：对每一个所述目标框，计算所述目标框的搜索距离searchroi，并在当前帧图像上以所述前一帧图像的目标框的中心点为中心，向上、下、左、右分别扩展searchroi个像素，得到所述目标框的搜索范围；
9、searchroi＝[(1+2*ratio)boxw，(1+2*ratio)boxh]
10、
11、其中，boxw和boxh分别为所述目标框的宽度和高度，ih为所述前一帧图像的高度，boxcentery为所述目标框的中心点的y坐标；
12、s24：对每一个所述目标框，采用与所述目标框大小相同的滑动窗口在所述目标框的搜索范围内按照设定的滑动策略进行滑动窗口匹配，并计算所述目标框与每个滑动窗口的相似度r(x，y)；
13、s25：将各个相似度r(x，y)分别与设置的相似度阈值进行比较，将大于所述相似度阈值的所有相似度r(x，y)记为相似度集合；
14、s26：利用相似度最大值与相似度集合的分布共同确定每一个所述目标框在当前帧图像上的位置，得到当前帧图像的目标框组成的当前帧图像的目标检测结果，并返回所述s21。
15、进一步的，所述s26包括：
16、s261：若相似度最大值与相似度集合内其他相似度的值是相邻的、非孤立的，且相似度集合呈现高斯分布，则将相似度最大值对应的滑动窗口作为目标窗口；
17、s262：若相似度最大值孤立存在，与相似度集合内其他相似度的值是不相邻的，则将相似度集合的中心点对应的滑动窗口作为目标窗口；
18、s263：根据所述目标窗口，确定所述目标框在当前帧图像上的位置，得到当前帧图像的目标框组成的当前帧图像的目标检测结果。
19、进一步的，所述s23之后，所述s24之前还包括：
20、s231：判断所述目标框的宽度和高度是否分别大于设定的宽度阈值和高度阈值，若是，则将所述目标框进行空洞下采样，使得空洞下采样后的目标框的宽度和高度分别不大于所述宽度阈值和所述高度阈值；
21、所述s24中，进行滑动窗口匹配时，对所述滑动窗口进行与所述目标框相同的空洞下采样，并计算空洞下采样后的目标框与空洞下采样后的每个滑动窗口的相似度r(x，y)；
22、所述s263包括：
23、对所述目标窗口进行与所述空洞下采样相对应的上采样，在所述当前帧图像上确定上采样后的目标窗口的位置，将上采样后的目标窗口作为当前帧图像的目标框，得到当前帧图像的目标检测结果。
24、进一步的，通过如下公式进行上采样：
25、curboxcenterx＝boxcenterx′*step+(boxw-boxw′*step)/2
26、curboxcentery＝boxcentery′*step+(boxh-boxh′*step)/2
27、其中，(curboxcenterx，curboxcentery)为上采样后的目标窗口的中心点位置坐标，(boxcenterx′，boxcentery′)为上采样前的目标窗口的中心点位置坐标，step为空洞下采样和上采样的采样率。
28、进一步的，所述采样率step通过如下公式确定：
29、
30、所述相似度阈值的取值为0.65*max(r[x，y])。
31、进一步的，通过如下公式计算所述相似度r(x，y)：
32、
33、其中，t(x′，y′)为前一帧图像的目标框的(x′，y′)处的像素值，i(x+x′，y+y′)为当前帧图像的滑动窗口内相对滑动窗口的中心点(x，y)坐标处的(x′，y′)的像素值，δx，δy分别为当前帧图像的滑动窗口的中心点相对于前一帧图像的目标框的中心点的x坐标变化量和y坐标变化量。
34、进一步的，返回所述s21之前，所述方法还包括：
35、s27：计算当前帧图像的目标框与前一帧图像的相对应的目标框的中心点的x坐标变化量δx′和y坐标变化量δy′，并以δx′和δy′作为当前帧图像的目标框的运动方向，将当前帧图像的目标框的运动方向记录在当前帧图像的目标检测结果中；
36、所述s24之前还包括：判断前一帧图像的目标检测结果是否包括前一帧图像的目标框的运动方向，若是，则所述s24中进行滑动窗口匹配时，以所述搜索范围的中心点为初始点，首先在靠近运动方向[x+δx，y+δy]的集合范围内进行滑动窗口匹配，若在所述集合范围内存在通过s261所述的方法确定的目标窗口，则将该目标窗口作为最终的目标窗口，否则，再在集合范围之外的搜索范围内进行滑动窗口匹配。
37、进一步的，所述方法还包括：
38、s30：通过与所述匹配线程并行执行的目标检测线程进行目标检测操作，所述目标检测操作包括：
39、s31：对视频采集的第一帧图像采用深度学习的目标检测方法进行目标检测，得到第一帧图像的目标检测结果；
40、s32：当第一帧图像进行目标检测完成后，对所述图像队列中最后缓存的一帧图像采用深度学习的目标检测方法进行目标检测，得到其目标检测结果，并返回所述s32。
41、进一步的，所述s22之前还包括：...
【技术保护点】
1.一种用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，所述S26包括：
3.根据权利要求2所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，所述S23之后，所述S24之前还包括：
4.根据权利要求3所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，通过如下公式进行上采样：
5.根据权利要求4所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，所述采样率step通过如下公式确定：
6.根据权利要求1所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，通过如下公式计算所述相似度R(x,y)：
7.根据权利要求6所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，返回所述S21之前，所述方法还包括：
8.根据权利要求1-7任一所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，所述方法还包括：
9.根据权利要
10.根据权利要求9所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，所述S24之前还包括：对所述前一帧图像的目标框和所述当前帧图像的搜索范围进行归一化。
...【技术特征摘要】
1.一种用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，所述s26包括：
3.根据权利要求2所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，所述s23之后，所述s24之前还包括：
4.根据权利要求3所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，通过如下公式进行上采样：
5.根据权利要求4所述的用于低算力前端实时跟踪的模板匹配目标检测方法，其特征在于，所述采样率step通过如下公式确定：
6.根据权利要求1所述的用于低算力前端实时...
【专利技术属性】
技术研发人员：丁健配，蔡富东，吕昌峰，刘焕云，郭国信，帅民伟，
申请(专利权)人：山东信通电子股份有限公司，
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。