[发明专利]基于特征图匹配和超像素图排序的目标跟踪方法及装置

说明书

本发明公开了基于特征图匹配和超像素图排序的目标跟踪方法及装置，所述方法包括：提取连续两帧的图像对的特征并进行特征点匹配；对前一帧图像进行超像素以及对当前帧图像进行超像素分割；确定超像素图排序的指示向量，使用半监督的图排序技术得到当前帧图像的排序结果，进而获得当前帧图像的二进制分割掩码；根据当前帧图像的二进制分割掩码对目标进行定位和跟踪；本发明的优点在于：目标跟踪过程中将分割和跟踪一体化，实现更便捷的分割与跟踪功能。

技术领域

本发明涉及特征图匹配技术、超像素图排序技术、视频跟踪技术领域，更具体涉及基于特征图匹配和超像素图排序的目标跟踪方法及装置。

背景技术

当前，随着虚拟现实医学图像分类和活动分析、图像分割与视频跟踪等作为人工智能领域的关键技术，精确实现分割或者跟踪的技术是计算机视觉更可靠、更可用的保障，但是往往人们把分割和跟踪作为两个任务来解决，没有考虑将分割和跟踪一体化，视频序列无法实现更便捷的分割与跟踪的功能。

特征图匹配可以很好的获取图与图之间关系的重要方式，江等人在2015年发表文献《A Local Sparse Model for Matching Problem》，进行特征图匹配方面的研究，通过结构化的特征表示，可以准确的建立两帧之间关系，从而很好的为后续的半监督分割提供准确的查询节点。但是其仅仅提出用于解决特征图匹配问题的模型，没有考虑将分割和跟踪一体化，视频序列无法实现更便捷的分割与跟踪的功能。

流形排序的目标是以半监督的方式学习一个排序函数，该函数定义了未标记的节点和查询之间的相关性。现有技术主要使用这种排序方式来预测节点之间的相关性来实现图像的显著性检测，将流形排序用在对分割结果进行排序进而实现目标跟踪，对于实现分割和跟踪一体化十分有意义，但是现有技术鲜少考虑将流形排序用在目标跟踪上，更没有考虑将分割和跟踪一体化。

综上所述，现有目标跟踪技术大多是把分割和跟踪作为两个任务来解决，没有考虑将分割和跟踪一体化，视频序列无法实现更便捷的分割与跟踪的功能。

发明内容

本发明所要解决的技术问题在于现有技术目标跟踪是把分割和跟踪作为两个任务来解决，没有考虑将分割和跟踪一体化，因此视频序列无法实现更便捷的分割与跟踪的功能。

本发明通过以下技术手段实现解决上述技术问题：基于特征图匹配和超像素图排序的目标跟踪方法，所述方法包括：

步骤a：提取连续两帧的图像对的特征并进行特征点匹配；

步骤b：对前一帧图像进行超像素分割得到前一帧的超像素块，对当前帧图像进行超像素分割得到当前帧的超像素块，将前一帧图像的特征点按超像素块的分割结果映射到前一帧的二进制分割掩码上，若前一帧图像的特征点在前一帧中所占用的超像素块与前一帧的二进制分割掩码相对应为前景时，则当前帧图像的对应特征点在当前帧中所占用的超像素块为前景，反之为背景；

步骤c：确定超像素图排序的指示向量，使用半监督的图排序技术得到当前帧图像的排序结果，进而获得当前帧图像的二进制分割掩码；

步骤d：根据当前帧图像的二进制分割掩码对目标进行定位和跟踪。

本发明提取图像对特征并进行特征点匹配；对每帧图像进行超像素分割并将匹配结果在前一帧的分割结果上进行映射；根据映射结果得到特征点所属超像素为前景还是背景，由此确定超像素图排序的指示向量；使用半监督的图排序技术得到当前帧目标的分割结果；根据分割结果对目标进行定位和跟踪，将分割和跟踪一体化，实现更便捷的分割与跟踪功能，提高跟踪效果。

在本文同样依靠这种方式建立两帧节点之间的联系，利用背景或者前景种子节点进行预测，从而将目标从背景中分割出来。

进一步地，所述步骤a，包括：