[发明专利]一种运动物体跟踪的方法、装置、电子设备和存储介质

说明书

本发明公开了一种运动物体跟踪的方法、装置、电子设备和存储介质，用以解决在运动目标被遮挡时，跟踪不准确的问题。方法包括：根据目标物体在上一图像帧中的第一目标坐标，采用跟踪算法，确定目标物体在当前图像帧中的观测坐标；根据运动模型和第一目标坐标，确定目标物体在当前图像帧中的预测坐标；根据保存的目标物体在上一图像帧中第一区域的大小，以及第一区域中被遮挡物遮挡的第二区域的大小，确定观测坐标和预测坐标对应的权重值，第二区域占第一区域的比例越大，预测坐标的权重值越大；根据观测坐标、预测坐标，权重值，确定目标物体在当前图像帧中的第二目标坐标。根据遮挡物的遮挡情况，灵活地确定第二目标坐标，使跟踪结果更加准确。

技术领域

本发明涉及视觉目标跟踪技术领域，特别涉及一种运动物体跟踪的方法、装置、电子设备和存储介质。

背景技术

视觉目标跟踪是对人眼视觉系统中运动感知功能的一种模仿，通过对摄像头捕捉到的图像序列进行分析，计算出运动目标在每一帧图像上的二维坐标位置；然后将图像序列中连续帧间的同一运动目标关联起来，得到运动目标在每一帧图像上的运动参数以及相邻帧图像之间运动目标的对应关系。

近年来，基于相关滤波的视觉目标跟踪算法因其出色的算法效率成为视觉目标跟踪领域的研究热点。如判别尺度空间跟踪DSST(Discriminative Scale Space Tracking)算法，其进行目标跟踪的流程如图1所示，首先在图像帧中确定的目标区域中心点附近生成一个搜索框区域，通过循环移位生成多个训练样本图像区域，并对每一个训练样本图像区域进行多种视觉特征提取。针对每一种视觉特征，分别学习一个相对应的位置相关滤波器。同时，以目标区域中心点为中心提取多个不同尺寸的图像区域，并对图像区域中提取出的多种视觉特征分别学习一个尺度相关滤波器。在需定位跟踪的图像序列中，以当前保存的前一图像帧中的目标区域中心点为中心生成搜索框区域，将多种视觉特征相对应的位置相关滤波器响应最大值的坐标确定为当前图像帧中的定位坐标；在定位坐标确定之后，以定位坐标为中心提取多个不同尺寸的图像区域，并将尺度相关滤波器响应最大值对应的尺度确定为当前图像帧中的目标区域的尺寸。最后，该DSST算法基于最新获得的定位坐标、目标区域分别对位置相关滤波器、尺度相关滤波器进行参数更新。

DSST算法基于多种视觉特征对搜索框区域学习多个相关滤波器，并在获得最新的定位坐标、目标区域之后，对相关滤波器进行参数更新。考虑到在无人机场景中，跟踪目标常常会受到遮挡物的影响。当运动目标被遮挡较多时，相关滤波器根据遮挡物的视觉特征持续地进行学习；当目标移出遮挡物区域时，相关滤波器已经不再是运动目标的视觉特征的准确表示，导致在确定定位坐标时，偏离目标区域，即出现漂移，导致运动目标的跟踪结果不准确。

发明内容

本发明实施例公开了一种运动物体跟踪的方法、装置、电子设备和存储介质，用以解决现有技术中在运动目标被遮挡时，跟踪结果不准确的问题。

为达到上述目的，本发明实施例公开了一种运动物体跟踪的方法，所述方法包括：

根据当前保存的目标物体在上一图像帧中的第一目标坐标，采用预设的跟踪算法，确定所述目标物体在当前图像帧中的观测坐标；

根据预先确定的运动模型和所述第一目标坐标，确定所述目标物体在当前图像帧中的预测坐标；

根据保存的目标物体在上一图像帧中第一区域的大小，以及所述第一区域中被遮挡物遮挡的第二区域的大小，分别确定观测坐标和预测坐标对应的权重值，其中，所述第二区域占所述第一区域的比例越大，所述预测坐标对应的权重值越大；

根据所述观测坐标、预测坐标，以及分别对应的权重值，确定目标物体在当前图像帧中的第二目标坐标；根据所述尺寸及所述第二目标坐标，确定所述目标物体在当前图像帧中的目标区域。

进一步地，所述根据预先确定的运动模型和所述第一目标坐标，确定所述目标物体在当前图像帧中的预测坐标包括：