[发明专利]实时动态目标跟踪方法及装置

说明书

本发明提供了一种实时动态目标跟踪方法及装置，涉及图像处理的技术领域，其中，一种实时动态目标跟踪方法，包括：采集目标的三维图像；对三维图像进行图像通道分割处理，生成二维图像和图像深度矩阵；对二维图像进行图像预处理；对预处理后的二维图像和图像深度矩阵进行帧差分处理；对帧差分处理后的二维图像进行凸包检测并计算凸包的质心；对帧差分处理后的图像深度矩阵进行滤波；将帧差分处理后的二维图像和滤波后的图像深度矩阵进行坐标融合生成目标团块矫正矩阵；根据凸包的质心对目标团块矫正矩阵进行目标标记和路径跟踪。解决了现有动态目标追踪在鲁棒性或实时性存在不足的技术问题，达到了提高动态目标追踪的鲁棒性或实时性的技术效果。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种实时动态目标跟踪方法及装置。

背景技术

现有技术的目标跟踪主要通过两种方式实现，一种方式是运用生成的模型描述子描述目标的特征，通过搜索待定目标的特征实现目标的跟踪，有代表性的算法有稀疏编码，在线密度估计等。稀疏编码和在线密度估计等算法着眼于对目标本身的描述，忽略了背景信息，在目标为非刚体或被遮挡的情况下会产生漂移；另一种方式是通过训练分类器来实现跟踪目标。代表性的算法有MeanShift和典型的DLT深度学习算法。MeanShift采用目标的颜色直方图作为搜索特征，不断迭代MeanShift向量使得算法收敛于目标的真实位置，从而达到区分目标和跟踪的目的，MeanShift算法对边缘遮挡、目标旋转、变形和背景运动不敏感。典型的DLT深度学习算法采用辅助训练数据进行预训练，获取目标初略特征，实际跟踪时微调整预训练模型，增强其分类性能。这些算法在鲁棒性和实时性方面都或多或少存在不尽人意的地方。

发明内容

有鉴于此，本发明的目的在于提供一种实时动态目标跟踪方法及装置，以缓解现有技术的目标跟踪在鲁棒性和实时性较差的技术问题。

第一方面，本发明实施例提供了一种实时动态目标跟踪方法，包括以下步骤：

采集目标的三维图像；

对三维图像进行图像通道分割处理，生成二维图像和图像深度矩阵；

对二维图像进行图像预处理，生成预处理后的二维图像；

对预处理后的二维图像和图像深度矩阵分别进行帧差分处理，得到帧差分处理后的二维图像和帧差分处理后的图像深度矩阵；

对帧差分处理后的二维图像进行凸包检测并计算凸包的质心；

对帧差分处理后的图像深度矩阵进行滤波，得到滤波后的图像深度矩阵；

将帧差分处理后的二维图像和滤波后的图像深度矩阵进行坐标融合，得到目标团块矫正矩阵；

根据质心对目标团块矫正矩阵进行目标标记和路径跟踪。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，在图像通道分割处理前或帧差分处理前还包括帧分割处理，具体方法为：

在图像通道分割处理之前对三维图像进行等帧数分组；

或在帧差分处理前对二维图像或预处理后的二维图像进行等帧数分组。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，帧差分处理为三帧差分处理。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，三帧差分处理为帧间差分法、索贝尔算子或背景差分算法。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，预处理方法包括全局阈值化、局部自适应阈值化、高斯模糊、高斯金字塔和拉普拉斯金字塔中的一种或多种。