【技术实现步骤摘要】
本申请涉及图像分析，更具体地说，本申请涉及一种基于模式识别的目标跟踪方法、系统、设备及存储介质。
技术介绍
1、随着计算机的发展，目标跟踪广泛应用于视频监控、自动驾驶、行为分析等领域，目标跟踪的核心任务是准确识别并跟踪视频或图像序列中的指定目标，传统的目标跟踪方法主要依赖于目标的颜色、形状、纹理等特征，但这些方法在复杂背景、遮挡和光照变化等情况下容易失效，为了提高目标跟踪的准确性和鲁棒性，近年来提出了基于深度学习的目标跟踪方法。
2、现有的目标跟踪方法通常依赖于单一的识别模式（如空间识别或光谱识别），只考虑目标的某一方面特征，在复杂环境下容易受到干扰，忽略了其它可能影响目标跟踪的信息，单一特征的使用会导致跟踪结果的鲁棒性不足，难以应对目标的形变、遮挡等问题，空间识别模式在处理目标形状变化时可能效果不佳，而光谱识别模式在光照变化时容易失效，而将空间识别模式和光谱识别模式结合以对目标跟踪图像的边缘耦合既能保证目标跟踪时对形状特征的敏感性，又能保证目标跟踪时对光谱特征的敏感性，进而可提高目标跟踪结果的可信度，因此，如何结合空间识别模式和光谱识别模式实现对目标跟踪图像的边缘耦合，从而提高目标跟踪结果的可信度是业界面临的难题。
技术实现思路
1、本申请提供一种基于模式识别的目标跟踪方法、系统、设备及存储介质，可结合空间识别模式和光谱识别模式实现对目标跟踪图像的边缘耦合，从而可提高目标跟踪结果的可信度。
2、第一方面，本申请提供一种基于模式识别的目标跟踪方法，包括：p>
3、采集目标在每次运动时的跟踪图像流，进而确定各个跟踪图像流中目标的边缘轮廓信息；
4、通过所有的边缘轮廓信息确定目标在运动时的多个运动姿态，根据目标的空间转换特征对各个运动姿态进行空间模式识别，得到目标在各个运动姿态下的边缘形状特征；
5、监测目标的当前图像流，基于跟踪图像流的帧间光谱信息对当前图像流中帧间目标图像的跟踪光斑执行光谱卷积操作，得到当前图像流每次帧间转换时的跟踪干扰量，进而通过各个跟踪干扰量和所有的边缘轮廓信息确定目标在当前图像流中边缘轮廓的光谱卷积信息；
6、将所述边缘形状特征与所述光谱卷积信息进行边缘耦合，得到目标在当前图像流中的边缘耦合特征；
7、根据所述边缘耦合特征确定目标在当前图像流中的跟踪框，进而基于所述跟踪框对目标进行跟踪。
8、在一些实施例中，确定各个跟踪图像流中目标的边缘轮廓信息具体包括：
9、对于各个跟踪图像流，获取跟踪图像流中每个跟踪图像中跟踪框内的位置锁定信息；
10、根据各个位置锁定信息确定跟踪框在跟踪图像流中每个跟踪图像中的姿态特征；
11、通过所有的姿态特征确定跟踪图像流中目标的边缘轮廓信息，进而得到各个跟踪图像流中目标的边缘轮廓信息。
12、在一些实施例中，通过所有的边缘轮廓信息确定目标在运动时的多个运动姿态具体包括：
13、确定各个边缘轮廓信息中的轮廓结构特征；
14、基于卷积神经网络将每个轮廓结构特征映射为运动轮廓；
15、确定各个运动轮廓之间的轮廓相似度；
16、通过各个轮廓相似度将所有的运动轮廓合并为多个运动姿态。
17、在一些实施例中，根据目标的空间转换特征对各个运动姿态进行空间模式识别，得到目标在各个运动姿态下的边缘形状特征具体包括：
18、对于每个运动姿态，从目标的空间转换特征内提取运动姿态的形态转换域；
19、对所述形态转换域进行边缘检测，得到运动姿态的边缘信息；
20、基于空间识别算法对运动姿态中的所有运动轮廓进行形状对齐，得到运动姿态的姿态形状信息；
21、通过所述边缘信息和所述姿态形状信息确定目标在运动姿态下的边缘形状特征，进而得到目标在各个运动姿态下的边缘形状特征。
22、在一些实施例中，基于跟踪图像流的帧间光谱信息对当前图像流中帧间目标图像的跟踪光斑执行光谱卷积操作，得到当前图像流每次帧间转换时的跟踪干扰量具体包括：
23、对于当前图像流的每次帧间转换，从跟踪图像流的帧间光谱信息获取帧间转换时的光谱变化量；
24、在当前图像流的帧间目标图像中获取帧间转换时的相邻目标图像；
25、基于所述光谱变化量对所述相邻目标图像的跟踪光斑执行卷积操作，得到卷积光斑；
26、通过所述卷积光斑确定当前图像流在帧间转换时的跟踪干扰量，进而得到当前图像流每次帧间转换时的跟踪干扰量。
27、在一些实施例中，通过各个跟踪干扰量和所有的边缘轮廓信息确定目标在当前图像流中边缘轮廓的光谱卷积信息具体包括：
28、对所有的边缘轮廓信息进行卷积耦合，得到目标中边缘轮廓的卷积耦合域；
29、通过各个跟踪干扰量对所述卷积耦合域中各个卷积耦合子块的帧间转换过程进行干扰校正，得到多个光谱卷积值；
30、根据所有的光谱卷积值确定目标在当前图像流中边缘轮廓的光谱卷积信息。
31、在一些实施例中，将所述边缘形状特征与所述光谱卷积信息进行边缘耦合，得到目标在当前图像流中的边缘耦合特征具体包括：
32、确定所述边缘形状特征与所述光谱卷积信息之间的边缘差异域；
33、对所述边缘差异域中的各个边缘区块进行耦合关联，得到多个耦合关联值；
34、通过所有的耦合关联值确定目标在当前图像流中的边缘耦合特征。
35、第二方面，本申请提供一种基于模式识别的目标跟踪系统，包括：
36、采集模块，用于采集目标在每次运动时的跟踪图像流，进而确定各个跟踪图像流中目标的边缘轮廓信息；
37、处理模块，用于通过所有的边缘轮廓信息确定目标在运动时的多个运动姿态，根据目标的空间转换特征对各个运动姿态进行空间模式识别，得到目标在各个运动姿态下的边缘形状特征；
38、所述处理模块还用于监测目标的当前图像流，基于跟踪图像流的帧间光谱信息对当前图像流中帧间目标图像的跟踪光斑执行光谱卷积操作，得到当前图像流每次帧间转换时的跟踪干扰量，进而通过各个跟踪干扰量和所有的边缘轮廓信息确定目标在当前图像流中边缘轮廓的光谱卷积信息；
39、所述处理模块还用于将所述边缘形状特征与所述光谱卷积信息进行边缘耦合，得到目标在当前图像流中的边缘耦合特征；
40、执行模块，用于根据所述边缘耦合特征确定目标在当前图像流中的跟踪框，进而基于所述跟踪框对目标进行跟踪。
41、第三方面，本申请提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行上述的基于模式识别的目标跟踪方法。
42、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当指令或代码在计算机上运行时，使得计算机执本文档来自技高网...
【技术保护点】
1.一种基于模式识别的目标跟踪方法，其特征在于，包括如下步骤：
2.如权利要求1所述的方法，其特征在于，确定各个跟踪图像流中目标的边缘轮廓信息具体包括：
3.如权利要求1所述的方法，其特征在于，通过所有的边缘轮廓信息确定目标在运动时的多个运动姿态具体包括：
4.如权利要求1所述的方法，其特征在于，根据目标的空间转换特征对各个运动姿态进行空间模式识别，得到目标在各个运动姿态下的边缘形状特征具体包括：
5.如权利要求1所述的方法，其特征在于，基于跟踪图像流的帧间光谱信息对当前图像流中帧间目标图像的跟踪光斑执行光谱卷积操作，得到当前图像流每次帧间转换时的跟踪干扰量具体包括：
6.如权利要求1所述的方法，其特征在于，通过各个跟踪干扰量和所有的边缘轮廓信息确定目标在当前图像流中边缘轮廓的光谱卷积信息具体包括：
7.如权利要求1所述的方法，其特征在于，将所述边缘形状特征与所述光谱卷积信息进行边缘耦合，得到目标在当前图像流中的边缘耦合特征具体包括：
8.一种基于模式识别的目标跟踪系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于模式识别的目标跟踪方法，其特征在于，包括如下步骤：
2.如权利要求1所述的方法，其特征在于，确定各个跟踪图像流中目标的边缘轮廓信息具体包括：
3.如权利要求1所述的方法，其特征在于，通过所有的边缘轮廓信息确定目标在运动时的多个运动姿态具体包括：
4.如权利要求1所述的方法，其特征在于，根据目标的空间转换特征对各个运动姿态进行空间模式识别，得到目标在各个运动姿态下的边缘形状特征具体包括：
5.如权利要求1所述的方法，其特征在于，基于跟踪图像流的帧间光谱信息对当前图像流中帧间目标图像的跟踪光斑执行光谱卷积操作，得到当前图像流每次帧间转换时的跟踪干扰量具体包括：
6.如权利要求1所述的方法，其特征在于，通过各个跟踪干扰量和所有的边缘轮廓信息确定...
【专利技术属性】
技术研发人员：党晓圆，邢阳阳，刘艳平，马冬梅，陈龙灿，
申请(专利权)人：重庆移通学院，
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。