[发明专利]基于视觉的目标跟踪方法及装置有效
申请号: | 201310343826.3 | 申请日: | 2013-08-08 |
公开(公告)号: | CN103426172A | 公开(公告)日: | 2013-12-04 |
发明(设计)人: | 张显志 | 申请(专利权)人: | 深圳一电科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人: | 胡海国;赵爱蓉 |
地址: | 518108 广东省深*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 视觉 目标 跟踪 方法 装置 | ||
技术领域
本发明涉及图像处理技术领域,特别涉及一种基于视觉的目标跟踪方法及装置。
背景技术
现有技术中,基于视频监控或基于车载视觉对目标对象进行检测进而对目标对象进行跟踪,均需要对所采集的大量图片信息进行处理以获取目标对象,即在视觉系统的目标跟踪时,数据速度处理的快慢直接关系到跟踪的及时性,而对于跟踪来说跟踪的及时性非常重要,所以如何提高跟踪的及时性是亟需解决的问题。
发明内容
本发明的主要目的在于提供一种基于视觉的目标跟踪方法,旨在提高数据处理的速度,保证目标跟踪的及时性。
为了实现发明目的,本发明一实施例提供了一种基于视觉的目标跟踪方法,所述基于视觉的目标跟踪方法包括以下步骤:
采集航拍区域内的图像信息;
根据预先训练好的定点分类器对所采集的图像信息进行分类以获取目标对象群信息,其中所述目标对象群信息包括各目标对象在图像中的二维坐标及尺寸;
根据所获取的目标对象群信息,并按照金字塔光流算法(L-K)对所述目标对象进行跟踪。
优选地,训练所述定点分类器的具体步骤为:
采集包含目标对象群的正样本图像及非目标对象群的负样本图像以制作分类器图像样本库;
分别提取所述正样本图像及负样本图像中的各个haar特征;
根据所提取的haar特征,按照adaboost算法训练浮点分类器;
按照预置的数据结构将所训练出的浮点分类器转换为定点分类器,并按照所述预置的数据结构储存所述定点分类器。
优选地,所述按照所述预置的数据结构储存所述定点分类器具体为:按照所述预置的数据结构以C语言或C++语言的方式存储所述定点分类器。
优选地,所述预置的数据结构为分类器数据结构,所述分类器数据结构包括Haar特征结构、整型弱分类器阈值及整型权值系数,用于描述和保存训练出来的定点分类器数据。
优选地,所述根据所获取的目标对象群信息,并按照金字塔光流算法(L-K)对所述目标对象进行跟踪具体包括:
标示各所述目标对象;
根据所获取的目标对象群信息,并按照金字塔光流算法(L-K)获取各标示的各目标对象的运动轨迹信息;
或者所述根据所获取的目标对象群信息,并按照金字塔光流算法(L-K)对所述目标对象进行跟踪具体包括:
接收跟踪特定目标对象的指令;
根据所获取的目标对象群信息,并按照金字塔光流算法(L-K)获取所述特定目标对象的运动轨迹信息。
本发明实施例还提供一种基于视觉的目标跟踪装置,所述基于视觉的目标跟踪装置包括:
获取模块,用于采集航拍区域内的图像信息;
处理模块,用于根据预先训练好的定点分类器对所采集的图像信息进行分类以获取目标对象群信息,其中所述目标对象群信息包括各目标对象在图像中的二维坐标及尺寸;
跟踪模块,用于根据所获取的目标对象群信息,并按照金字塔光流算法(L-K)对所述目标对象进行跟踪。
优选地,所述基于视觉的目标跟踪装置还包括:
采集模块,用于采集包含目标对象群的正样本图像及非目标对象群的负样本图像以制作分类器图像样本库;
特征提取模块,用于分别提取所述正样本图像及负样本图像中的各个haar特征;
训练模块,用于根据所提取的haar特征,按照adaboost算法训练浮点分类器;
数据转换模块,用于按照预置的数据结构将所训练出的浮点分类器转换为定点分类器;
储存模块,用于按照所述预置的数据结构储存所述定点分类器。
优选地,所述储存模块具体用于按照所述预置的数据结构以C语言或C++语言的方式存储所述定点分类器。
优选地,所述跟踪模块包括:
标示单元,用于标示各所述目标对象;
获取单元,用于根据所获取的目标对象群信息,并按照金字塔光流算法(L-K)获取标示的各目标对象的运动轨迹信息。
优选地,所述跟踪模块包括:
接收单元,用于接收跟踪特定目标对象的指令;
获取单元,用于根据所获取的目标对象群信息,并按照金字塔光流算法(L-K)获取所述特定目标对象的运动轨迹信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳一电科技有限公司,未经深圳一电科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310343826.3/2.html,转载请声明来源钻瓜专利网。