[发明专利]高速物体的图像实时跟踪方法与系统

说明书

本发明提供一种高速物体的图像实时跟踪方法与系统，采集目标图像，预计目标在下一帧图片中的位置，并根据目标图像当前帧和下一帧图片中的位置，生成目标框，再根据图像采集窗口尺寸生成大小不同的第一类扫描框，计算第一类扫描框与目标框的重合率，选取超过预设重合率的扫描框，作为第二类扫描框，将第二类扫描框中的图像区域输入分类器，确定含有目标的扫描框，作为第三类扫描框，对目标框和第三类扫描框进行加权整合，得出最终的目标框，根据所述最终的目标框对高速物体进行实时跟踪。采用预计目标框附近区域产生检测框的方式，来缩小TLD的目标检测区域，提高最终目标框选定效率，实时跟踪时准确率高，能够对高速目标进行实施跟踪。

技术领域

本发明涉及图像跟踪算法技术领域，特别是涉及高速物体的图像实时跟踪方法与系统。

背景技术

视频跟踪是计算机视觉的最重要的应用之一。TLD(Tracking-Learning-Detection)算法将跟踪分成了3个子任务：跟踪器、学习器、检测器。它可以实现对目标的长期在线跟踪。学习器同时检测检测器的正负结果，可以找出错误的正负图块，作为新的目标和背景的特征，生成样本添加到模型中。跟踪器采用估计运动轨迹，再用前后向误差计算每个轨迹的可靠性，最后再抛弃可靠性偏低的50％的跟踪点，得到最终的估计轨迹。检测器采用了三个分类器在当前帧中确定目标的位置，同时纠正跟踪器的错误。整合部分从跟踪器和检测器处取来各自输出的目标框，取两者的加权整合作为最后的目标框，显示到图像上。

但是，TLD中检测器对每一帧图片都要产生大量的子窗口进行全局扫描，以及学习器采集样本的方式，TLD的计算量巨大，运行速度非常缓慢。因为帧与帧之间间隔的时间太久，来不及学习目标的新的变化，故很容易丢失一些高速运动、形状快速变化的目标。比如，快速运动的汽车、摩托车。所以它在实时跟踪时准确率低，这使得它不能适应对实时性要求高的场合。

发明内容

基于此，有必要针对现有图像实时跟踪方式无法适用于实时性要求高的场合的问题，提供一种效率高且适应对实时性要求高的场合的高速物体的图像实时跟踪方法与系统。

一种高速物体的图像实时跟踪方法，包括步骤：

划设图像采集窗口，采集目标图像；

根据采集的目标图像，预计目标在下一帧图片中的位置，并根据目标图像当前帧图片中的位置和下一帧图片中的位置，生成目标框；

根据图像采集窗口尺寸生成大小不同的第一类扫描框；

分别计算第一类扫描框与目标框的重合率，从所述第一类扫描框中选取超过预设重合率的扫描框，作为第二类扫描框；

将第二类扫描框中的图像区域输入分类器，确定含有目标的扫描框，作为第三类扫描框；

对目标框和第三类扫描框进行加权整合，得出最终的目标框；

根据所述最终的目标框对高速物体进行实时跟踪。

一种高速物体的图像实时跟踪系统，包括：

采集模块，用于划设图像采集窗口，采集目标图像；

预计模块，用于根据采集的目标图像，预计目标在下一帧图片中的位置，并根据目标图像当前帧图片中的位置和下一帧图片中的位置，生成目标框；

第一类扫描框生成模块，用于根据图像采集窗口尺寸生成大小不同的第一类扫描框；

第二类扫描框生成模块，用于分别计算第一类扫描框与目标框的重合率，从所述第一类扫描框中选取超过预设重合率的扫描框，作为第二类扫描框；

第三类扫描框生成模块，用于将第二类扫描框中的图像区域输入分类器，确定含有目标的扫描框，作为第三类扫描框；

整合模块，用于对目标框和第三类扫描框进行加权整合，得出最终的目标框；