[发明专利]一种基于ECO算法和卡尔曼滤波的跟踪装置方法及装置

说明书

一种基于ECO算法和卡尔曼滤波的跟踪方法及装置，方法读取视频或图像序列的第一帧图像，确定跟踪目标；将当前帧跟踪目标作为样本放入ECO算法训练相关滤波器；读取下一帧图像，利用相关滤波器卷积图像候选区域获取目标位置；根据跟踪结果得到相邻两帧间目标相对运动信息；将目标运动状态转换为对第一帧的相对运动状态；将跟踪状态送入卡尔曼滤波器得到最优预测结果；使用样本融合更新策略，更新ECO算法的样本集；利用新样本集训练ECO算法，更新相关滤波器，利用相关滤波器卷积图像候选区域获取目标位置；循环执行上述步骤。本发明对于目标出现遮挡或形变或相似目标时，结合目标的运动信息辅助跟踪定位，并用最优框中的结果更新样本集，提升训练效果。

技术领域

本发明涉及计算机视觉应用目标跟踪领域，具体涉及一种基于ECO算法和卡尔曼滤波的跟踪方法及装置。

背景技术

视觉目标跟踪是计算机视觉中一个重要研究方向，在军事无人飞行器、精确制导以及空中预警和民用视频监控，无人驾驶等嵌入式监控领域有着极其广泛的应用，同时目标跟踪面临着目标尺度变换、重度遮挡、快速移动、超出视野和光照变化等众多挑战，因此提出一种可靠且结构轻巧的目标跟踪方法具有很重要的现实意义。

近期热门的跟踪器大多依赖深度网络，如Prdimp,以resnet50为主干网，在精度上达到了很高，然而在2080ti配置的服务器上也只能刚刚达到30FPS，一般小型的嵌入式跟踪器无法满足算法对设备体积和承重要求。追溯传统目标跟踪算法，他们通常由一个滤波卷积模块和回归修正模块构成。滤波卷积模块负责特征匹配并给出粗略位置估计，然后由回归修正模块迭代给出最终结果。在这个过程中，只有目标的外观特征相似度是被考虑在内的。然而，跟踪是一个连续的过程，其运动连续性在追踪过程中显然也是非常有用的信息。

发明内容

鉴于现有技术中存在的技术缺陷和技术弊端，本发明实施例提供克服上述问题或者至少部分地解决上述问题的一种基于ECO算法和卡尔曼滤波的跟踪方法及装置，将物体的运动信息也考虑进跟踪过程，根据外观信息得到初步结果，辅以融合历史运动信息的卡尔曼滤波预测结果，综合得到最优位置估计。本方法结合了空间上物体外观信息和时间上物体位移信息，同时满足在实际应用中的时空连续性，具体方案如下：

作为本发明的第一方面，提供一种基于ECO算法和卡尔曼滤波的跟踪方法，所述方法包括：

步骤1，读取视频或图像序列的第一帧图像，从所述第一帧图像中确定跟踪目标；

步骤2，将第一帧图像中跟踪目标的位置信息作为样本放入ECO算法训练相关滤波器；

步骤3，读取下一帧图像，利用训练好的相关滤波器卷积当前帧图像候选区域对应的特征，获取图像候选区域的置信度图，置信度图概率最大位置对应当前帧图像的目标位置及其置信度概率，即得到当前帧图像的目标跟踪结果；

重复执行步骤3，直至当前视频或图像序列处理完。

进一步地，步骤3之后还包括：

步骤4，用第一帧图像中跟踪目标的位置信息初始化卡尔曼滤波器；

步骤5，将跟踪结果转化为相对第一帧的位置信息[x1_t，y1_t]；

步骤6，将[x1_t，y1_t]送入初始化后的卡尔曼滤波器得到最优估计位置计算最优估计位置处的置信度，若该置信度大于预设阈值，返回最优估计位置处切片作为新样本；

步骤7，基于获取的新样本，使用样本融合更新策略，更新ECO算法的样本集，将获取的新样本集放入ECO算法训练相关滤波器，更新相关滤波器；

更新相关滤波器，步骤3中，利用更新后的相关滤波器卷积图像候选区域对应的特征，获取图像候选区域的置信度图，置信度图概率最大位置对应当前帧图像的目标位置及其置信度概率。