[发明专利]目标跟踪方法和目标跟踪设备

说明书

技术领域

本申请总体上涉及图像处理，具体地，涉及一种例如应用于移动设备、智能电视和其他设备的目标跟踪方法和目标跟踪设备。

背景技术

实际中，存在多种可变形的非刚性可视对象，这种可视对象的视觉外观和形状可能变化较大。因此，尤其在某些复杂环境中，难以实现这种非刚性目标的视觉跟踪。

已经提出了一些技术方案来进行目标跟踪。

例如，文献1(CN103325126A)公开了一种在尺度变化和遮挡情况下的视频目标跟踪方法。该方法为解决局部二值模式(LBP，Local Binary Pattern)跟踪算法在尺度变化和遮挡情况下跟踪效果不理想的问题，提出了一种基于LBP算法、归一化转动惯量(NMI，Normalized Moment ofInertia)特征和卡尔曼滤波相结合的优化目标跟踪方法。

例如，文献2(CN103413312A)公开了一种基于邻里成分分析和尺寸空间理论的视频目标跟踪方法。根据这种目标跟踪方法，能够更准确地定位目标的位置和尺寸大小，更有效的适应目标光照、色彩变化问题，同时鲁棒的处理目标遮挡。

例如，文献3(CN104318590A)公开了一种视频中的目标跟踪方法，包括：预先设定视频中的当前帧的目标位置，初始化稀疏矩阵；获取目标位置周围样本的高维特征向量，并使用稀疏矩阵将该高维向量投影到低维向量；更新分类器参数，得到用于下一帧的新的分类器，选择分类值最大的样本位置作为下一帧的目标位置。该方法提高了目标跟踪方法的速度。

再例如，文献4(AU20140253687)公开了一种跟踪目标的系统和方法，用于检测和跟踪图像序列中的对象。首先，基于第一图像产生用于参数化形状模型的第一参数集合。然后，通过将参数化形状模型拟合到多个图像中的第二图像中的对象来产生第二参数集合。尤其在具有遮挡的情况下，不易实现针对任意非刚性对象的参数化形状模型。

然而，上述技术方案均存在缺陷。例如，文献1主要针对尺度变化和遮挡情况下的视频目标跟踪，不能用于处理非刚性目标；文献2针对目标跟踪中的目标光照、色彩变化问题，同时改进跟踪位置，不适于尤其具有遮挡的非刚性目标；文献3针对提供跟踪速度，同样不适于非刚性目标；文献4不易实现针对任意非刚性对象的参数化形状模型，尤其在具有遮挡的情况下。

发明内容

本发明提出了一种目标跟踪方法和目标跟踪设备，以便在具有遮挡的情况下进行非刚性对象的目标跟踪。根据本发明的一方面，提出了一种目标跟踪方法，可以包括：在图像帧序列的首帧中指定要跟踪目标；利用局部区域模型确定当前帧中是否存在至少一个候选局部区域；在存在至少一个候选局部区域的情况下，将所述候选局部区域分别与在前帧中的对应局部区域进行主匹配；

如果根据主匹配的结果确定当前帧中存在至少一个深度匹配区域，则针对所述至少一个深度匹配区域执行邻域生长，得到目标跟踪结果。

在实施例中，所述目标跟踪方法还可以包括使用目标跟踪结果更新所述局部区域模型。

在实施例中，使用目标跟踪结果更新所述局部区域模型可以包括：分别使用初始指定的要跟踪目标的信息和当前帧的目标跟踪结果来在线训练多个分类器；合并学习结果；以及利用合并的学习结果来更新局部区域模型，以便使用更新的局部区域模型来进行下一帧的目标跟踪操作。

在实施例中，确定当前帧中是否存在至少一个候选局部区域可以包括：对当前帧执行基于超像素的图像分割以得到多个局部区域；利用局部区域模型确定所述多个局部区域中是否存在符合预定条件的候选局部区域。

在实施例中，确定是否存在符合预定条件的候选局部区域可以包括：利用以下公式估计多个局部区域中的每个局部区域属于被跟踪目标的概率

其中，w_i是系数，p_i利用第i种学习方法估计的对应局部区域属于被跟踪目标的概率，p是对应局部区域属于被跟踪目标的集成概率，N是大于2的自然数；

将集成概率p大于第三阈值的对应局部区域确定为候选局部区域；以及如果不存在集成概率p大于第三阈值的对应局部区域，则确定目标丢失。其中，

在实施例中，主匹配可以包括：分别计算候选局部区域中的每一个与在前帧的对应局部区域之间的第一相似度，如果第一相似度大于第一阈值，则将当前候选局部区域设置为深度匹配区域。