[发明专利]目标追踪系统

说明书

本发明提出了一种目标追踪系统，包括：目标特征训练模块，在傅里叶域训练当前视频图像帧中目标区域的图像信息以获取当前训练特征；候选特征训练模块，在傅里叶域训练下一视频图像帧中多个候选目标区域的图像信息以获取多个候选训练特征；目标区域计算模块，根据所述当前训练特征和所述多个候选训练特征从多个候选目标区域中选择预测的下一目标区域；其中，所述目标特征训练模块和所述候选特征训练模块使用同一个由逻辑硬件实现的傅里叶变换模块进行傅里叶域的训练。傅里叶域内的特征训练能够在包含大量样本以提升追踪准确性的同时保证极低的计算量，而复用的FFT硬件单元的实现则进一步确保了极低的功耗和硬件资源使用量。

技术领域

本申请涉及图像处理，尤其涉及一种通过图像处理实现的目标追踪系统。

背景技术

目标检测和追踪一直是学术界和工业界的一个重要研究方向。例如，基于计算机视觉的行人检测由于其在车辆辅助驾驶系统中的重要应用价值而成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。不仅如此，目标检测和追踪还在诸如安防、交通和游戏等领域内有着巨大的实用空间和潜在意义。

近年来，目标追踪研究的一大突破是判别学习方法的广泛采用。目标跟踪任务可被认为是一个在线学习问题，针对给定包含目标的初始图像区域，训练出一个能够分辨目标外观和环境的分类器。对于判别学习方法而言，对负样本(背景环境)的学习与对正样本(追踪目标)的相同重要。

为了进行准确追踪，希望包括更多的负样本以学习更多的环境特征，但目标追踪的实时性又需要将计算量维持在一个较低的水平。传统的目标追踪实现方法通过将图片信息上传服务器端，由服务器端完成计算后再将追踪结果传回本地进行显示。但这种方法通常有以下两个缺点，一是花费了大量的时间用于数据传输上，导致跟踪性能很差，难以实现跟踪的实时性；二是由于跟踪算法的计算量很大，小型的处理器通常难以担任跟踪计算的结果，因此目标追踪很难在小型嵌入式设备上达到很好的效果。由此此，目标检测和跟踪系统如何在诸如无人机、汽车、机器人和手机等移动端获得广泛应用仍然是业内的一个研究热点。

发明内容

鉴于上述的至少一个问题，本发明提出了一种目标追踪方案，其采用逻辑硬件实现在傅里叶域进行的追踪算法，该算法本身能在确保包含大量样本特征的情况下进行快速追踪，而使用并行度高的逻辑硬件实现傅里叶变换则能够以极小的存储和功耗实现极高的计算效率，从而进一步为系统小型化应用奠定基础。

根据本发明的一个方面，提出了一种目标追踪系统，包括：目标特征训练模块，在傅里叶域训练当前视频图像帧中目标区域的图像信息以获取当前训练特征；候选特征训练模块，在傅里叶域训练下一视频图像帧中多个候选目标区域的图像信息以获取多个候选训练特征；目标区域计算模块，根据所述当前训练特征和所述多个候选训练特征从多个候选目标区域中选择预测的下一目标区域；其中，所述目标特征训练模块和所述候选特征训练模块使用同一个由逻辑硬件实现的傅里叶变换模块进行傅里叶域的训练。

优选地，傅里叶域的训练包括二维快速傅里叶变换(FFT)的计算，并且傅里叶变换模块包括两个，更优选地，仅包括一个快速傅里叶变换(FFT) 模块单元来执行所述二维FFT的计算。该FFT模块单元还能够执行所述傅里叶域训练所需的IFFT计算。

目标追踪系统的处理对象优选的是矩阵，所述训练模块可以基于输入的图像矩阵获取特征训练矩阵，并通过针对特征训练矩阵的运算从候选区域中确定最适目标区域。可以基于多个候选训练特征矩阵与所述当前训练特征矩阵求得的多个区域计算结果矩阵，并通过结果矩阵中最大元素的选取来实现最适目标区域的选择。还可以获取最大元素的相邻元素信息，以进一步优化选择的最适区域。最大元素的确定以及上述信息获取可以优选地仅由容纳结果矩阵两行元素信息的容量的移位寄存器实现，由此在确保计算效率的同时进一步减小存储需求。另外，IFFT计算可以将进行逆向运算的同时将在二次FFT计算中转置的矩阵再转置回原来的方向，以进一步优化操作提升计算效率。

附图说明