[发明专利]一种目标跟踪方法和装置

说明书

技术领域

本发明涉及视觉跟踪领域，具体涉及一种目标跟踪方法和装置。

背景技术

目标跟踪是指对跟踪图像中指定目标区域进行实时自动跟踪，实时计算出目标在图像场景中的精确位置。目标跟踪是近年来计算机视觉领域中备受关注的前沿方向，它从包含运动目标的图像序列中检测、识别并跟踪目标，并对其行为进行理解和描述。目标分析的研究涉及到模型识别、图像处理、计算机视觉、人工智能等学科的内容。随着现代信息技术的发展，目标跟踪在军用、民用以及医学等方面具有重要意义。比如，目标跟踪在视频监控、智能导航、互动游戏、机器人技术以及增强现实等领域有着至关重要的应用。通常在进行目标跟踪时，目标的特征都是采用固定维度的特征，而且这些固定维度的特征所组成的目标外观模型是根据在每帧图像中确定的跟踪目标附近采集的正负样本来进行更新。

然而，由于跟踪图像中景物的多样性和复杂性，目标跟踪技术在工程应用中仍然有许多问题有待解决。比如，在目标跟踪过程中，由于光线变化、目标外观变化、复杂背景影响等因素导致目标外观模型中的一些特征的判别能力和描述能力下降，而随着每次目标外观模型的更新，判别误差也会逐渐增大，进而容易造成跟踪目标判别不准确，出现跟踪错误等现象。

因此，如何提高目标跟踪的准确度，成为一个亟待解决的技术问题。

发明内容

因此，本发明要解决的技术问题在于现有技术中在目标跟踪过程中，跟踪结果准确度低。

从而提供一种目标跟踪方法和装置。

有鉴于此，本发明实施例的第一方面提供了一种目标跟踪方法，包括：获取当前帧图像中跟踪目标的多个当前目标特征；根据历史图像获取所述跟踪目标的识别特征；所述根据多个所述当前目标特征和所述识别特征跟踪所述跟踪目标包括：分别计算多个所述当前目标特征与所述识别特征的特征距离；选取最小的所述特征距离对应的所述当前目标特征作为所述跟踪目标的当前特征；根据所述当前特征跟踪所述跟踪目标。

优选地，所述根据历史图像获取所述跟踪目标的识别特征包括：获取历史图像中所述跟踪目标的历史目标特征池；获取所述历史图像的最后一帧图像中所述跟踪目标的背景特征；根据所述历史目标特征池和所述背景特征确定所述识别特征。

优选地，所述获取历史图像中所述跟踪目标的历史目标特征池包括：分别提取每一帧图像中所述跟踪目标的压缩特征；对所述压缩特征进行低秩一致性分析，得到所述压缩特征的稀疏矩阵；根据所述稀疏矩阵选取预设个数的所述压缩特征生成所述历史目标特征池。

优选地，所述根据所述历史目标特征池和所述背景特征确定所述识别特征包括：将所述历史目标特征池作为正样本、所述背景特征作为负样本训练分类器得到分类特征向量；按照元素的系数从大到小依次从所述分类向量中选取目标元素生成所述识别特征。

优选地，还包括：将所述当前特征替换所述历史目标特征池中具有最小稀疏值的稀疏矩阵对应的压缩特征，生成新的历史目标特征池。

本发明实施例的第二方面提供了一种目标跟踪装置，包括：第一获取模块，用于获取当前帧图像中跟踪目标的多个当前目标特征；第二获取模块，用于根据历史图像获取所述跟踪目标的识别特征；计算模块，用于分别计算多个所述当前目标特征与所述识别特征的特征距离；选取模块，用于选取最小的所述特征距离对应的所述当前目标特征作为所述跟踪目标的当前特征；跟踪模块，用于根据所述当前特征跟踪所述跟踪目标。

优选地，所述第二获取模块包括：第一获取单元，用于获取历史图像中所述跟踪目标的历史目标特征池；第二获取单元，用于获取所述历史图像的最后一帧图像中所述跟踪目标的背景特征；确定单元，用于根据所述历史目标特征池和所述背景特征确定所述识别特征。

优选地，所述第一获取单元包括：提取子单元，用于分别提取每一帧图像中所述跟踪目标的压缩特征；分析子单元，用于对所述压缩特征进行低秩一致性分析，得到所述压缩特征的稀疏矩阵；第一选取子单元，用于根据所述稀疏矩阵选取预设个数的所述压缩特征生成所述历史目标特征池。

优选地，所述确定单元包括：训练子单元，用于将所述历史目标特征池作为正样本、所述背景特征作为负样本训练SVM分类器得到分类特征向量；第二选取子单元，用于按照元素的系数从大到小依次从所述分类向量中选取目标元素生成所述识别特征。

优选地，还包括：替换模块，用于将所述当前特征替换所述历史目标特征池中具有最小稀疏值的稀疏矩阵对应的压缩特征，生成新的历史目标特征池。

本发明的技术方案具有以下优点：