[发明专利]对象跟踪方法及对象跟踪装置有效

专利信息
申请号: 201610597193.2 申请日: 2016-07-26
公开(公告)号: CN107665495B 公开(公告)日: 2021-03-16
发明(设计)人: 胡琦;王世婷;温东超 申请(专利权)人: 佳能株式会社
主分类号: G06T7/246 分类号: G06T7/246
代理公司: 北京怡丰知识产权代理有限公司 11293 代理人: 迟军
地址: 日本东京都*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 对象 跟踪 方法 装置
【说明书】:

发明提供一种对象跟踪方法及对象跟踪装置。本发明的各个方面中的一个方面公开了所述对象跟踪方法。所述对象跟踪方法包括以下步骤:从当前图像的至少一个先前图像中,确定第一对象与第二对象之间的运动差异;针对各第二对象,根据所述第一对象与该第二对象之间的相应运动差异,来计算这两个对象之间的参数;其中,所述参数表示这两个对象的运动一致性;基于相应参数,将所述第一对象和相应的第二对象确定为移动组;通过将相应参数与预定义阈值进行比较,来确定所述移动组的类型;以及根据与所述移动组的所述类型相对应的预定义跟踪方法,来确定所述第一对象在所述当前图像中的位置。根据本发明,将提高对象跟踪精度。

技术领域

本发明涉及图像处理,特别是涉及例如对象跟踪。

背景技术

对象(例如,面部、行人)跟踪是在视频的每个帧(即,每个图像)中确定对象位置。在交通安全、监控或顾客行为分析领域中,对象跟踪变得日益重要。并且,在动态、复杂的真实世界场景中,尤其是在拥挤的情景中,鲁棒地对人进行检测和跟踪是至关重要的。传统方法是单独基于各对象自身过去的轨迹,而不考虑其他对象,来确定该对象的位置。然而,实际上,一个对象很少被孤立并与整个场景无关。因此,可能存在具有与该对象的短期或长期的运动相关性的其他一些对象。

在“Multi-Target Tracking by Online Learning of Non-linear MotionPatterns and Robust Appearance Models”(基于非线性运动模式及鲁棒外观模型的在线学习的多目标跟踪)(Bo Yang and Ram Nevatia,Institute for Robotics andIntelligent Systems,University of Southern California,Los Angeles,CA 90089,USA,in CVPR2012)(Bo Yang,Ram Nevatia,机器人与智能系统协会,南加利福尼亚大学,洛杉矶,CA 90089,USA,CVPR2012)中,公开了一种在确定一个被跟踪对象(object to betracked)的位置时考虑其他对象的示例性技术。上述技术引入了一种移动组(movinggroup)方法来提高对象跟踪精度,其中,所述移动组是如下的一组人,这些人以相近的速度和相近的方向移动,而且保持彼此接近。在上述技术中,在某一时间内、一个被跟踪对象和该被跟踪对象周围的对象的位置保持足够接近的情况下,该被跟踪对象与其周围的对象将被视为同属于移动组;否则,该被跟踪对象将被视为单个对象。而后,对于单个对象,将由对象检测器来确定被跟踪对象在当前图像中的位置。对于移动组中的被跟踪对象,将先由对象检测器,来确定被跟踪对象在当前图像中的位置。并且,在未能由对象检测器确定出位置的情况下,将根据移动组中的对象在当前图像的先前图像当中的移动轨迹,来估计位置。

如上所述,对于移动组中的被跟踪对象,在对象检测器未能确定出位置的情况下,将根据移动组中的对象在当前图像的先前图像当中的移动轨迹,来估计位置。然而,在移动组中的对象之间存在严重遮挡的情况下,所估计的被跟踪对象的位置将是错误的。例如,如图1A所示,人A是被跟踪对象,并且人A被人B严重遮挡。如上所述,人A和人B将被视为同属于移动组。当在当前图像的搜索区域中确定人A的位置时,根据上述技术确定的人A的位置(即,图1B中所示的矩形框)将包含人B的许多信息。换言之,所确定的人A的位置是不准确的。因此,对象跟踪精度不理想。

发明内容

因此,鉴于上面在背景技术中的叙述,本公开旨在解决如上所述的问题。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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佳能株式会社,未经佳能株式会社许可,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/201610597193.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top