[发明专利]一种移动目标检测并追踪系统及其方法

说明书

技术领域

本发明属于计算机视觉技术领域，具体涉及一种移动目标检测并追踪系统及其方法，尤其涉及一种通过计算机视觉实现的移动目标追踪系统。

背景技术

目标检测与跟踪是近年来学术界和工业界研究的一个重要方向。尤其在车辆辅助驾驶系统中的应用，因为其有重要应用价值而成为当前计算机视觉和自动驾驶领域最为活跃的研究课题。除此之外，目标检测和追踪在安防、交通和游戏等领域有着较大的可用空间和潜在意义。

由于在目标检测过程中受具体个体间差异的影响(例如，移动检测中姿态和服装变化显著的移动)、而且检测目标所在背景也在持续变化(例如，追踪快速奔跑的移动)，因此这就对检测与追踪算法的鲁棒性要求很高。其次，目标检测/追踪系统通常需要对目标动作即刻作出反应，这就需要对系统的尺寸和功耗加以考虑。

虽然经过多年的研究与积累，视觉目标检测与追踪算法已经有了很大的进步，但在已有的技术中还是缺少一种实现检测算法的鲁棒性与实时性的同时，还能够满足小型性和低功耗要求的目标检测/追踪系统。因此，目标检测和跟踪系统如何在诸如移动装置、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

发明目的：为了克服现有技术中存在的不足，本发明提供一种移动目标检测并追踪系统及其方法，采用能够在逻辑硬件上高效实现的算法来构造移动目标检测与追踪模块的至少一部分，由此在满足算法鲁棒性的同时提升计算效率，还能够进一步地减少系统功耗，为系统的小型化应用奠定基础。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种移动目标检测并追踪系统，包括依次连接的摄像头采集模块、移动目标检测模块、移动目标跟踪模块以及控制模块，所述摄像头采集模块还与移动目标跟踪模块连接；其中，所述移动目标检测模块和移动目标跟踪模块这两部分是通过逻辑硬件实现的，所述逻辑硬件为GPU；首先摄像头采集模块获取摄像头的每一帧图片，然后将该帧图片传到目标检测模块，目标检测模块通过之前基于GPU训练的网络检测这一帧图片中的目标物体，并将检测结果发送给移动目标跟踪模块，移动目标跟踪模块根据检测结果确定追踪目标，并将追踪目标信息发送给控制模块，由控制模块控制追踪。

进一步的，所述移动目标检测模块包括移动目标检测算法模块，所述检测算法采用基于深度学习的目标检测算法SSD来检测当前视频图像帧中包括移动目标的图像。

进一步的，所述移动目标检测模块的移动检测前期需要基于深度学习目标检测算法SSD，在caffe架构下训练相关移动目标数据集，将训练好的网络模型直接用于移动检测模块，在训练过程中通过逻辑硬件GPU加速训练。逻辑硬件GPU加速训练，提升了训练速度，在实时检测中，准确度也有提高。

进一步的，所述基于深度学习的目标检测算法SSD模块的对目标数据的神经网络训练通过逻辑硬件实现。

进一步的，所述移动目标追踪模块包括傅里叶变换单元、傅里叶逆变换单元、点乘单元和点除单元，其中至少所述傅里叶变换单元、傅里叶逆变换单元和点乘单元中通过逻辑硬件实现。

进一步的，所述移动目标跟踪模块采取核心化相关滤波器即KCF算法进行目标追踪；所述移动目标追踪模块基于当前视频图像帧中的移动目标以及移动目标在当前视频图像帧中的坐标追踪目标，获取移动目标信息，包括移动目标的位置和尺寸。

进一步的，KCF算法构成追踪算法模块，在所述追踪算法模块之前设置图像特征提取模块，所述图像特征提取模块从局部图中提取与目标相关的图像特征，并且将这些图像特征输入追踪算法模块。

进一步的，所述摄像头采集模块通过基于opencv函数库相关程序完成视频的采集，并对图像进行包括降噪在内的预处理，以25帧/秒的速度将每一帧图像送到移动目标检测模块。

进一步的，所述摄像头采集模块通过通用处理器的嵌入式系统实现，所述移动目标检测模块、移动目标追踪模块均通过通用处理器的嵌入式系统和逻辑硬件实现，所述嵌入式系统为英伟达的Jerson TX2开发系统；各个模块之间的通信通过机器人操作系统ROS以节点的形式来实现，每一个模块就是一个节点，通过发送消息和订阅消息来完成信息的发送和接受。

一种移动目标检测并追踪系统的方法，基于当前视频图像帧中包含目标的图像以及当前视频图像帧中的坐标，预测下一视频图像帧中包含所述目标的坐标，具体包括以下步骤：

1)摄像头采集模块实现实时采集摄像头的每一帧图片，作为移动目标检测模块和移动目标跟踪模块的实时图像数据输入；