[发明专利]一种跟踪球机的目标跟踪方法及跟踪球机

说明书

技术领域

本发明涉及视频监控技术领域，尤其是涉及一种跟踪球机的目标跟踪方法及跟踪球机。

背景技术

智能视频监控是利用计算机视觉技术对视频信号进行处理、分析和理解，在不需要人为干预的情况下，通过对序列图像自动分析，对监控场景中的变化进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，能在异常情况发生时及时发出警报或提供有用信息，有效地协助安全人员处理危机，并最大限度地降低误报和漏报现象。

智能跟踪球机是一种常见的监控设备，该设备可以自动选择待跟踪的目标，并实现长时间的变倍放大跟踪，广泛应用于车站、地铁、小区以及学校等众多监控场所。在视频分析领域中，主动跟踪用于在动态场景中跟踪指定目标。其中，目标跟踪方法一般包括下述几种：

第一种方法：基于模型匹配的目标跟踪方法，如粒子滤波法、均值偏移(mean-shift)法等。具体为：首先提取目标的特征作为模板，然后根据该特征模板，在下一帧中确定出最接近该特征的位置信息，再次将该确定出的位置信息作为目标的所在的位置信息，并更新特征模板。

第二种方法：卢卡斯奏托马西特征跟踪(klt，Kanade-Lucas-Tomasi Feature Tracker)方法。其具体处理流程为：首先提取出目标上的特征像素点，然后跟踪每一个特征像素点(也可以称之为特征像素点)。较佳地，可以采用卢卡斯(lk，Lucas-Kanade)光流法计算特征像素点的速度，但是由于特征像素点无法长期跟踪，当特征像素点丢失的数量达到一定数值之后，会重新检测特征像素点并进行目标跟踪。

第三种方法：跟踪学习检测(TLD，Track-Learn-Detect)跟踪方法，该方法是一个以检测来改进目标跟踪的策略。具体为：首先需要设置一个短时跟踪器，以设置的短时跟踪器持续跟踪目标，并且生成一个在线检测器，该在线检测器以短时跟踪器的跟踪结果作为训练器的输出生成，并根据输出生成的结果更新短时跟踪器的跟踪目标。当短时跟踪器跟丢目标后，可以通过在线检测器重新找回目标，从而实现延长跟踪时间和抗遮挡的目的。

但是在现有视频跟踪技术中，可能会存在目标被遮挡，包括局部遮挡、完全遮挡等。以及目标的表观发生突变，例如强光照环境变化等等，此外，环境的复杂度也会对跟踪效果造成较大的影响。因此，上述方法主要缺陷在于：

第一种方法的缺陷：基于模型匹配的方法需要建立的模型和背景之间的差异度要足够大。一般的模型都使用了目标的颜色或者纹理或者轮廓信息。例如对于颜色信息，要求目标存在的每一帧，目标和背景之间都存在较大的颜色差异，而具体实施中，只有在有限的实验环境中才能达到。同样对于纹理信息，一般也只用了目标纹理的有限采样，因此也只有有限的实验环境中，才存在符合要求的环境。而当目标进出阴影时，目标的颜色即会发生改变，此时往往会导致目标跟踪失败。此外，短时的光照改变也会导致目标跟踪失败。因此该种方法进行目标跟踪时，准确性较差。

第二种方法的缺陷：klt方法是一种基于运动分析的方法，该方法可以直接估计出目标在两帧之间的运动速度，从而为跟踪提供了有效地速度、位置预估。但是klt采用了特征像素点来进行跟踪，对于较小的人体，和对比度较低的场景，在这类环境中，人体上的特征像素点数量较少，且跟踪的可靠性不高，由于人体不是刚体，对特征像素点进行光流计算结果不太可靠，一般偏差较大。此外，当存在多目标时，由于只利用了运动信息，不同运动目标之间难以区分，容易跟踪错误目标，此外，场景中存在的各种随机摆动的树叶等也会导致跟踪失败。因此该种方法进行目标跟踪时，准确性较差，可靠性较低。

第三种方法的缺陷：TLD方法，即跟踪-学习-检测的目标跟踪方法，如果设置的短时跟踪器效果不理想，不能在其跟踪期间提供有效地样本供学习，则无法生成可靠的检测器。因此，该方法进行目标跟踪时，准确性较差，并未本质上解决如何可靠跟踪目标的问题。

综上所述，现有技术中提出的目标跟踪方法，使得自动跟踪球机进行目标跟踪时的准确性较差。

发明内容

本发明实施例提供了一种跟踪球机的目标跟踪方法及跟踪球机，能够较好地提高自动跟踪球机跟踪目标的准确性。

一种跟踪球机的目标跟踪方法，包括：针对获取的待检测图像，确定跟踪球机的当前状态信息；根据所述当前状态信息，确定跟踪球机的转动速度；以及基于确定出的转动速度，确定预设时间段内运动目标在目标跟踪区域内的目标位置信息，其中所述目标跟踪区域是跟踪球机对待检测图像进行初始化处理得到的；根据所述目标位置信息，跟踪球机对所述跟踪目标进行跟踪。