[发明专利]基于核相关滤波的目标跟踪方法及系统

说明书

本公开的实施例提供了基于核相关滤波的目标跟踪方法、系统、设备和计算机可读存储介质。所述方法包括在第一帧中得到目标的检测边界框，将目标分配为活跃状态；根据检测边界框进行核相关滤波训练；在后续帧中进行核相关滤波检测，得到核相关滤波跟踪候选框；与后续帧中检测边界框进行匹配；若匹配成功，保持为跟踪状态，利用核相关滤波跟踪候选框与检测边界框得到最终跟踪边界框，更新目标的核相关滤波追踪器；若匹配失败，将后续帧检测到的目标分配为跟丢状态，从过去帧中找出丢失的目标并计算相似距离；若小于阈值，分配为跟踪状态；否则分配为活跃状态。以此方式，鲁棒性更强；充分利用了单目标跟踪中相关滤波技术产生的高效跟踪框。

技术领域

本公开的实施例一般涉及计算机视觉领域，并且更具体地，涉及基于核相关滤波的目标跟踪方法、系统、设备和计算机可读存储介质。

背景技术

在线多目标跟踪是计算机视觉领域的一个重要内容，在无人驾驶、运动分析、机器人导航和军事打击等方向具有非常广泛的应用。在线多目标跟踪的目的是在视频序列中估计不同目标的位置，并且保持他们身份的一致性，进而形成各自具有较高准确率的轨迹。

在线多目标跟踪中面临的问题主要有成像质量下降、噪声和背景干扰、频繁遮挡、不同目标之间的相似外观、光照变化、同一目标的外观变化、目标运动模式的变化、被跟踪目标数目的不确定性等等；因此，在线多目标跟踪是计算机视觉领域中的一个极富有挑战性的任务。

数据关联是在线多目标跟踪中中非常重要的环节，关于数据关联，目前也存在着诸多方法，如强化学习、局部数据关联、全局数据关联和局部与全局相结合的数据关联等。为了提高多目标跟踪系统中数据关联的实时性，现有技术往往使用较为简单的外观特征，这是现有技术的第一大缺点。事实上，外观模型对于进行鲁棒的多目标跟踪非常重要。相关滤波在单目标跟踪领域发展迅速，但终究是只能跟踪一个目标，而不能用于跟踪多个目标。这是现有技术的第二大缺点。

发明内容

根据本公开的实施例，提供了一种基于核相关滤波的目标跟踪方案。

在本公开的第一方面，提供了一种基于核相关滤波的目标跟踪方法。该方法包括在视频序列的第一帧中进行目标检测，得到目标的检测边界框，将检测得到的目标分配为活跃状态；根据目标的检测边界框进行核相关滤波训练，得到目标的核相关滤波追踪器；在后续帧中进行核相关滤波检测，得到目标的核相关滤波跟踪候选框；将目标的核相关滤波跟踪候选框与后续帧中进行目标检测得到的目标的检测边界框进行匹配；若匹配成功，将匹配成功的目标保持为跟踪状态；对跟踪状态的目标，利用核相关滤波跟踪候选框与检测边界框得到最终跟踪边界框，更新目标的核相关滤波追踪器；若匹配失败，将后续帧检测到的目标分配为跟丢状态；对跟丢状态的目标，从过去帧中找出丢失的目标并计算相似距离；若小于阈值，则认为是目标重现，分配为跟踪状态；否则标记为新的目标，分配为活跃状态。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述目标检测包括根据预先训练的Faster-RCNN模型进行目标检测。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，在后续帧中进行核相关滤波检测，得到目标的核相关滤波跟踪候选框包括：

基于当前帧的检测结果的位置获取核相关滤波的跟踪结果，作为候选跟踪框。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，将目标的核相关滤波跟踪候选框与后续帧中进行目标检测得到的目标的检测边界框进行匹配包括：

将目标的核相关滤波跟踪候选框与后续帧中进行光流检测得到的光流跟踪框通过加权平均产生跟踪融合框；将所述跟踪融合框与后续帧中进行目标检测得到的目标的检测边界框进行匹配。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，利用核相关滤波跟踪候选框与检测边界框得到最终跟踪边界框，更新目标的核相关滤波追踪器包括：