[发明专利]一种在视频中针对快速移动物体跟踪的位置补偿方法

说明书

本发明涉及一种在视频中针对快速移动物体跟踪的位置补偿方法，利用连续帧视频中的多帧物体检测结果作为参考，计算当前输入帧物体检测结果与上一帧和多帧的物体检测结果之间的关系，当物体快速移动时，通过计算加入补偿的方式使得对应的最终检测位置信息更为精准。本发明使用简单的数学运算对视频中的物体检测进行上下帧之间的结果关联计算，使得在检测追踪的过程中不会因为速度快而导致检测框跟不上的情况；利用权重和保存FPS数量的物体为基础计算偏移量，比直接取平均值可以获得更佳的过度平滑性；无需对输入图像进行复杂的降噪等处理，对物体检测器也无特殊需求，可以大大提升检测的速率；可以在低端的嵌入式设备中保证足够的计算效率。

技术领域

本发明涉及一种在视频中针对快速移动物体跟踪的位置补偿方法。

背景技术

随着计算机硬件和软件技术的发展，计算机视觉技术受到了人们越来越多的关注。尤其在军事、航空航天、计算机辅助设计、智能机器人等邻域，计算机视觉技术得到了广泛的应用。在计算机视觉技术中，基于视频图像序列的视觉技术是最为重要的，因此也成为人们研究的重点和难点。视频序列中运动目标的检测与跟踪，又是基于视频序列的计算机视觉技术的基础和关键。首先，能否将运动目标从视频图像序列中准确地检测出来，是运动估计、目标识别及行为理解等后续处理成功与否的关键。为了实现运动目标的检测，很多学者进行了相关的研究，并提出了大量的运动目标检测算法。

在连续帧的视频中，上一帧的物体检测结果对于下一帧具有极大的参考价值，基于此原理文献《Learning to Track at 100FPS with Deep Regression Networks》中提出了一种视频人脸追踪的方法，借鉴于其进行人脸追踪的方法，移植到物体追踪的应用中。但是在此方法法的追踪中，当物体快速运动的时候，物体的位置信息框会出现跟不上的情况。

发明内容

为了能够达到更加完美的追踪效果，本发明提供了一种在视频中针对快速移动物体跟踪的位置补偿方法，将根据当前帧的物体位置信息根据上一帧的位置信息为基准，通过计算优化来使得物体追踪框能够很好地进行帧与帧之间的过渡，得到更为精准的位置检测结果。这种方法充分的利用了视频中帧与帧之间的相关性，大大的提升了物体检测的效率和准确性。

为了实现上述目的，本发明采用的技术方案如下：

一种在视频中针对快速移动物体跟踪的位置补偿方法，利用连续帧视频中的多帧物体检测结果作为参考，计算当前输入帧物体检测结果与上一帧和多帧的物体检测结果之间的关系，当物体快速移动时，通过计算加入补偿的方式使得对应的最终检测位置信息更为精准。

本发明提供的在视频中针对快速移动物体跟踪的位置补偿方法使用简单的数学运算对视频中的物体检测进行上下帧之间的结果关联计算，使得在检测追踪的过程中不会因为速度快而导致检测框跟不上的情况；利用权重和保存FPS数量的物体为基础计算偏移量，比直接取平均值可以获得更佳的过度平滑性；无需对输入图像进行复杂的降噪等处理，对物体检测器也无特殊需求，可以大大提升检测的速率；适用性广，可以在低端的嵌入式设备中保证足够的计算效率。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例流程图；

图2为本发明中Sigmoid函数曲线。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例