[发明专利]对象跟踪方法和装置

说明书

技术领域

本发明涉及对象跟踪方法和装置，更具体地，涉及基于双层弹性图进行对象跟踪的方法和装置。

背景技术

当前，对象跟踪技术广泛应用于各种领域中，比如可以应用于智能交通系统、图像捕捉系统、智能监控系统等等。简单来说，对象跟踪就是检测场景中的目标对象在所拍摄的场景的视频图像中的每帧中的位置。

现有技术中存在一些对象跟踪方法。例如，美国专利申请公开US20120070034A1中公开了用于检测和跟踪车辆的方法，该方法包括：运动对象检测阶段，在一系列输入的视频帧中检测候选对象；轨迹关联阶段，使用联合概率匹配框架将现有轨迹与候选对象相关联。

另外，美国专利US6295367B1公开了使用第一和第二对应性图跟踪对象在场景中的运动的方法，第一对应性图又称为对象对应性图，其包括表示要跟踪的对象在场景中的区域的多个节点。每条轨迹包括每个节点在连续的视频帧中的排序的序列。第二对应性图又称为轨迹对应性图，其包括多个节点，每个节点对应于第一对应性图中的至少一条轨迹。基于第一对应性图和第二对应性图累计对象的跟踪信息，从而跟踪对象。

在以上专利文献所公开的方法中，都以检测多个对象中的每个对象在场景中的轨迹为基础来进行跟踪。然而，在实际的运动场景中，常常由于噪声、遮挡、光照等等的影响（下文中统称为噪声影响），改变了运动对象的成像特征。举例而言，在前一场景中，有行人在路上行走，然而在下一场景中，由于行人行走到树木旁很可能被树木遮挡，导致难以在拍摄的场景图像中识别行人。或者，在强光的照射下，由于行进中的车辆产生的反光，可能难以在某些场景中识别出车辆，导致对象跟踪结果不准确或者速度较慢

发明内容

鉴于以上问题，提出了本发明。

本发明的目的之一是以高准确度进行对象跟踪。本发明的另一目的是提高对象跟踪的处理速度。

根据本发明的一个方面，提供了一种对象跟踪方法，该方法可以包括：建立对象图，其中在连续预定数量帧内具有相似运动特征的一组对象被包括在一个对象图中，每个对象作为该对象图的顶点，基于每个对象的代表性运动特征计算对象图中每个顶点的弹性；建立对象组图，其中每个对象图中的每个对象组作为所述对象组图中的顶点，基于每个对象组的代表性运动特征计算对象组图中每个顶点的弹性；基于当前帧中的每个对象组的位置以及对象组图的顶点的弹性，预测每个对象组在下一帧中的位置范围；基于当前帧中每个对象的位置以及对象图的顶点的弹性，预测每个对象在下一帧中的位置范围；以及在跟踪时段内，基于所预测的每个对象组和每个对象的位置范围，在下一帧中检测对象。

在一个实施例中，每个对象的代表性运动特征可以包括每个对象相对于同组中其他对象的相对位置和相对速度中的至少一个，计算对象图中每个顶点的弹性可以包括：统计在所述预定数量帧中每个对象的相对位置和相对速度中的至少一个，计算所述相对位置和相对速度中的至少一个的方差，作为对象图中的顶点的弹性；以及每个对象组的代表性运动特征可以包括每个对象组的中心位置和平均速度中的至少一个，计算对象组图中每个顶点的弹性可以包括：统计在所述预定数量帧中每个对象组的中心位置和平均速度中的至少一个，计算所述中心位置和平均速度中的至少一个的方差，作为对象组图中的顶点的弹性。

在一个实施例中，基于所预测的每个对象组和每个对象的位置范围检测对象可以包括：统计在所述预定数量帧中每个对象组中的每个对象与该对象组的中心位置的相对位置关系；以所预测的对象组的位置范围作为对象组的中心位置的范围，根据所述相对位置关系，计算出对象组中的每个对象相对于该对象组的中心位置的相对位置范围，在下一帧中，以所计算的每个对象的相对位置范围中的每一点为中心，在所预测的每个对象的在下一帧中的位置范围内搜索对象。

在一个实施例中，该对象跟踪方法还可以包括：在检测时段内，在整个帧图像的范围内检测对象。

在一个实施例中，该对象跟踪方法还可以包括：基于检测对象的检测结果，以预定更新频率更新所述对象图和所述对象组图。

在一个实施例中，更新对象图可以包括更新对象图中的顶点的弹性或者对象图的合并、分裂，更新对象组图可以包括更新对象组图中的顶点的弹性或者基于对象图的合并、分裂的结果更新对象组图。