[发明专利]用于嵌入式视觉系统的高性能视觉对象跟踪方法及系统

权利要求书

1.用于对视频中捕捉的目标对象执行实时视觉跟踪的计算机执行方法，其特征在于，所述方法包括：

接收所述视频中的第一帧视频图像以及在所述第一帧视频图像中所述目标对象的预先确定的第一个位置；

接收所述第一帧视频图像后的视频的第二帧视频图像，其中所述目标对象在所述第二帧视频图像中的位置未知；

将第一搜索窗置于第一帧视频图像中，所述第一搜索窗以所述目标对象的第一个位置为中心，并将第二搜索窗置于所述第二帧视频图像中，所述第二搜索窗在所述第二帧视频图像中的位置与所述第一搜索窗在所述第一帧视频图像中的位置相同；

计算第一搜索窗内的第一帧视频图像中的第一图像块和第二搜索窗内的第二帧视频图像中的第二图像块之间的相关图；以及

基于计算出的所述相关图确定所述目标对象在所述第二帧视频图像中的更新位置；

其中，计算第一搜索窗内的第一帧视频图像中的第一图像块和第二搜索窗内的第二帧视频图像中的第二图像块之间的相关图包括：

从第一图像块中提取第一特征图，从第二图像块中提取第二特征图；

计算第一特征图和第二特征图的二维快速傅里叶变换，以生成所述第一特征图和所述第二特征图的傅里叶表达式；

计算所述第一特征图的傅里叶表达式和所述第二特征图的傅里叶表达式之间的互相关度；以及

将计算得出的所述互相关度转化为空间域，以获得相关图。

2.根据权利要求1所述的计算机执行方法，其特征在于，所述第一搜索窗和所述第二搜索窗具有相同的横向和纵向尺寸，并且所述第一搜索窗和所述第二搜索窗的横向和纵向尺寸分别明显大于所述目标对象的边界框的对应尺寸。

3.根据权利要求1所述的计算机执行方法，其特征在于，计算所述第一特征图的傅里叶表达式和所述第二特征图的傅里叶表达式之间的互相关度包括：

通过计算所述第一特征图的傅里叶表达式的高斯核自相关度，计算所述第一特征图的第一特征模型；

通过计算所述第二特征图的傅里叶表达式的高斯核自相关度，计算所述第二特征图的第二特征模型；

计算所述第一特征模型和所述第二特征模型的元素级乘积，从而计算所述第一特征图的傅里叶表达式和所述第二特征图的傅里叶表达式之间的互相关度。

4.根据权利要求1所述的计算机执行方法，其特征在于，从第一图像块中提取第一特征图或从第二图像块中提取第二特征图包括：

从图像块中提取几何型特征图；

从图像块中提取颜色型特征图；以及

将所述几何型特征图与所述颜色型特征图连结在一起，以获得第一特征图或第二特征图。

5.根据权利要求1所述的计算机执行方法，其特征在于，在接收到所述第一帧视频图像之前，所述方法还包括：

接收所述视频中一序列视频帧中的最早视频图像，以及所述最早视频图像内所述目标对象的用户选择位置；以及

对所述最早视频图像执行对象检测操作，从而基于所述用户选择位置在所述最早视频图像中生成所述目标对象的初始位置和初始边界框。

6.根据权利要求1所述的计算机执行方法，其特征在于，基于计算出的所述相关图确定所述目标对象在所述第二帧视频图像中的更新位置包括：

在计算出的所述相关图中识别峰值；

将被识别出的所述峰值与第一阈值进行比较；以及

如果被识别出的所述峰值大于或等于第一阈值，则将所述峰值的位置选择为所述目标对象在第二帧视频图像中的更新位置。

7.根据权利要求6所述的计算机执行方法，其特征在于，如果被识别出的所述峰值小于所述第一阈值，则所述方法还包括：

接收所述第二帧视频图像之后的视频的第三视频图像；

从目标移动估计模块处接收所述目标对象在所述第三视频图像中的预测位置，其中所述预测位置位于所述第一个位置附近；

基于所述预测位置局部搜索所述目标对象；以及

如果在所述预测位置附近局部重新识别出所述目标对象，则重新采用所述目标对象在所述第三视频图像中确定的位置在所述视频中的后续视频图像中跟踪所述目标对象。