[发明专利]运动目标的视觉跟踪方法、装置、电子设备及存储介质

说明书

本发明实施例提供了一种运动目标视觉跟踪方法、装置、电子设备及存储介质，包括：确定第一视频帧中待跟踪的运动目标，确定运动目标在第一视频帧中的位置信息，并提取运动目标在第一视频帧中的第一特征；获取运动目标在第二视频帧中的加速度信息和角速度信息；计算运动目标在第二视频帧中的位置，并提取第二视频帧中位置处运动目标的第二特征；将第一特征和第二特征进行匹配，得到匹配特征；将匹配特征通过光流算法得到第一特征在第二视频帧中的位置特征信息。本发明实施例可以提高跟踪算法的实时性，提高跟踪效率。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种运动目标的视觉跟踪方法、装置、电子设备及存储介质。

背景技术

在图像处理技术领域中，视觉跟踪是指对视频序列中的运动目标进行检测、提取特征、识别、定位和滤波，并获得运动目标的运动参数，如位置、速度和运动轨迹等。视觉跟踪技术是计算机视觉领域的热门研究方向之一，在视频监控、机器人定位、环境感知等领域有着广泛的应用，并且通过视觉跟踪技术可以对研究目标进一步的进行行为理解、分析和决策等高级任务提供必要的技术手段。

视觉跟踪技术得到了广泛的关注与研究，发展比较迅速，出现了很多成熟的算法，这些算法大体可以分为三类：基于局部信息的跟踪算法、基于检测的跟踪算法、基于特征点的跟踪算法。其中，基于局部信息的跟踪算法，将目标的初始区域作为目标模板，将目标模板与图像中的所有区域进行模板匹配，将匹配度最高的地方作为目标的位置。常用的方法有Lucas-Kanade光流跟踪算法等。基于局部信息的跟踪算法采用目标的全局信息，就有较高的可信度，但当目标的遮挡或者形变较大时，很容易使得跟踪失败。基于检测的跟踪算法将跟踪问题简化为背景和目标的二分类问题。通过在线学习方式进行模型更新，能够适应目标较大的变化，如经典的跟踪学习(Tracking-Learning-Detection，简称TLD)算法。基于特征点的跟踪算法主要是将目标表示为一系列的显著特征，并通过特征匹配来获得视频帧之间目标特征的对应关系，以实现目标跟踪。基于特征点的跟踪算法只考虑目标的显著特征，因此能够在存在部分遮挡和变形的条件下，实现跟踪。基于一致性匹配和跟踪特征点的目标跟踪(Clustering of Static-Adaptive Correspondences for Deformable ObjectTracking，简称CMT)算法是一种基于特征点的跟踪算法，可以跟踪任何具有显著特征的物体。CMT算法将通过计算前后图像帧之间的前向和后向光流来得到特征和通过匹配特征算子得到的特征，采用聚类的方法进行筛选，以获得一致的鲁棒的特征。此外CMT算法以框的中心来计算特征点的相对位置，对于不形变的目标，其特征相对于中心的距离在缩放比例下是不变的，所以算法能够跟踪旋转的目标。

现有技术中的这三种算法各有优势，但同时又各有不足。基于局部信息的跟踪算法对在目标存在变形或者遮挡的时候，比较容易跟踪失败，且一般需要滑窗匹配，计算量较大；基于检测的跟踪算法，通过进行模型更新，可以跟踪具有逐步变化的目标，但基于检测的跟踪算法一般只能给出目标的位置信息，而无法得到目标的姿态信息(旋转角度等)；基于特征点的跟踪算法可以得到对应的匹配特征点，并通过最小二乘法估计出目标的位置和姿态等信息，且能适应一定的遮挡和变形，但CMT算法虽然跟踪性能好，算法效率高，但对要求计算效率和耗电量的移动端设备而言，不能完全的满足跟踪要求，而且CMT算法对特征点准确性要求较高，在实际应用中提取的特征点通常存在小范围的误差，难以满足需要比较稳定的目标跟踪应用，如增强技术(Augmented Reality，简称AR)贴图等。

发明内容

本发明实施例的目的在于提供一种运动目标的视觉跟踪方法、装置、电子设备及存储介质，以提高跟踪算法的实时性和稳定性。具体技术方案如下：

本发明实施例提供了一种运动目标视觉跟踪方法，所述方法包括：

确定第一视频帧中待跟踪的运动目标，确定所述运动目标在所述第一视频帧中的位置信息，并提取所述运动目标在所述第一视频帧中的第一特征；