[发明专利]一种目标跟踪方法和装置

说明书

本发明实施例公开了一种目标跟踪方法和装置，用于减少目标跟踪的计算复杂度，具有更强的泛化能力。该方法可包括：从摄像机采集到的视频数据中获取到待处理的第一帧图像；对第一帧图像进行目标检测，生成目标检测结果，目标检测结果包括：从第一帧图像中检测出的第一目标；采用卡尔曼运动模型对所述第一目标进行运动估计，生成目标跟踪结果，目标跟踪结果包括：相对于第一帧图像的下一帧图像中第一目标的预测位置；根据目标检测结果和目标跟踪结果对第一目标进行运动状态的估计。

技术领域

本发明涉及计算机技术领域，尤其涉及一种目标跟踪方法和装置。

背景技术

在目标的视觉跟踪技术中，通过单路摄像机可以对目标的运动状态进行实时跟踪。现有技术中采用的目标跟踪算法多分为两个过程，第一步是在每帧的图像中独立检测出视觉目标，例如视觉目标可以是行人、车辆等，常用的目标检测算法有可形变部件模型、卷积神经网络区域(Regions with Convolutional Neural Network、RCNN)、快速卷积神经网络区域(Faster Regions with Convolutional Neural Network、Faster RCNN)等。第二步是关联连续帧图像中检测到的视觉目标，根据目标特征间的相似度计算可以得到一个相似度矩阵或损失矩阵，基于该矩阵生成目标匹配结果。

现有技术中，目标检测算法采用的都是复杂运动模型，复杂运动模型导致计算复杂度过高，使得目标跟踪算法的处理速度在1赫兹(Hz)左右甚至更低，即目标跟踪算法处理帧率只能达到1秒处理一次，远无法满足实时使用场景的需求。又如，现有技术中基于可形变部件模型、RNN、Faster RCNN等算法，其泛化能力弱，容易过拟合到某类运动模式，难以推广为更稳定通用的运动模式。因此，现有技术中目标跟踪算法的主要缺点在于计算复杂度太高和泛化能力弱。

发明内容

本发明实施例提供了一种目标跟踪方法和装置，用于减少目标跟踪的计算复杂度，具有更强的泛化能力。

为解决上述技术问题，本发明实施例提供以下技术方案：

第一方面，本发明实施例提供一种目标跟踪方法，包括：

从摄像机采集到的视频数据中获取到待处理的第一帧图像；

对所述第一帧图像进行目标检测，生成目标检测结果，所述目标检测结果包括：从所述第一帧图像中检测出的第一目标；

采用卡尔曼运动模型对所述第一目标进行运动估计，生成目标跟踪结果，所述目标跟踪结果包括：相对于所述第一帧图像的下一帧图像中所述第一目标的预测位置；

根据所述目标检测结果和所述目标跟踪结果对所述第一目标进行运动状态的估计。

第二方面，本发明实施例还提供一种目标跟踪装置，包括：

帧图像获取模块，用于从摄像机采集到的视频数据中获取到待处理的第一帧图像；

目标预测模块，用于对所述第一帧图像进行目标检测，生成目标检测结果，所述目标检测结果包括：从所述第一帧图像中检测出的第一目标；

预测模块，用于采用卡尔曼运动模型对所述第一目标进行运动估计，生成目标跟踪结果，所述目标跟踪结果包括：相对于所述第一帧图像的下一帧图像中所述第一目标的预测位置；

运动估计模块，用于根据所述目标检测结果和所述目标跟踪结果对所述第一目标进行运动状态的估计。

本申请的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。

从以上技术方案可以看出，本发明实施例具有以下优点：