[发明专利]一种目标跟踪丢断帧的处理方法及系统

说明书

一种目标跟踪丢/断帧的处理方法，包括步骤A，依次获取待跟踪视频图像的帧信息，调用SSD检测模型，检测跟踪目标，并获取跟踪目标的质心及检测框；步骤B，跟踪检测所述跟踪目标的检测框帧信息，判断并获取丢/断帧；步骤C，调用丢/断帧前一帧信息，获取并筛选跟踪目标的临近检测框，选择符合条件的检测框作为丢/断帧的跟踪目标检测框，完成所述丢/断帧的接续。采用本发明技术方案，针对跟踪目标短帧中出现的丢/断帧情况，利用跟踪目标的回归置信度值判断丢/断帧，并利用SSD检测模型获取丢/断帧的跟踪目标信息，将传统的KCF跟踪算法结合SSD检测框架通过逻辑结构进行联结，在尽可能减少硬件成本的基础上满足跟踪的稳定性和时效性的需求。

技术领域

本发明涉及在视频图像个跟踪监测中，对跟踪目标丢断帧的处理方法及系统。

背景技术

在市场经济的快速发展过程中，视频监控系统因其对现实场景的有效还原，能够通过对远程监控对象的录像、回放、联动报警、监控策略制定、应急指挥等应用，达到监控与通讯的双重功能，全面满足了交通、水利、电信、安防、银行、军队、政府管理、智能家居等各个领域的远程监控与指挥管理需求。

对目标的跟踪监控需通过目标检测算法实现，现有的目标跟踪算法主要包括生成式算法、判别式算法、基于KCF(Kernel Correlation Filter，核相关滤波器)改进算法。其中，生成式算法通过人工设计目标的特征提取方法或者通过全局的像素扰动特征检测来获得目标在图像获取装置中的位置，从而完成跟踪的过程。判别式算法预先获取特定跟踪目标的特征信息同时获取目标背景的特征信息，然后在跟踪的过程中根据预先获得的特征信息来区分目标和背景，从而完成对特定目标的跟踪。KCF算法在首次提出基于首帧手动框选目标，然后输入框选区域进行HOG特征提取，得到跟踪目标的特征正样本，同时算法自动框选首帧非目标部分的HOG特征作为负样本，得到划分目标对象和背景的分类器，将这个分类器运用到往后的视频帧中对每一帧识别出目标和背景，从而完成目标的跟踪过程。

为达到目标跟踪的稳定性，可以采用高端的硬件设备对每一帧视频图像进行深度卷积网络检测，但在得到比较稳定的跟踪结果的同时，也会增加算法在产品化落地上的硬件成本，而深度卷积网络在对目标对象进行特征提取的过程中也会产生庞大的参数集合，这些参数集合在算法调用的过程中也耗费大量的服务器的内存资源，导致算法的可移植性能受限。然而，任何跟踪算法都不可避免在跟踪过程中出现丢帧、断帧的情况，导致一开始赋予的跟踪目标的ID(Identity，身份识别信息)发生改变，从而使系统无法维系原目标的状态进行跟踪。

如何在降低硬件成本的基础上满足目标跟踪的稳定性和时效性？在现有技术中均未有相应的解决方案。

发明内容

针对现有技术问题，本发明将传统的KCF跟踪算法结合SSD检测框架通过逻辑结构进行联结，提供一种目标跟踪丢/断帧的处理方法及系统。

为了完成上述发明目的，本发明提供一种目标跟踪丢/断帧的处理方法，，包括，

步骤A，依次获取待跟踪视频图像的帧信息，调用SSD检测模型，检测跟踪目标，并获取跟踪目标的质心及检测框；

步骤B，跟踪检测所述跟踪目标的检测框帧信息，判断并获取丢/断帧；

步骤C，调用丢/断帧前一帧信息，获取并筛选跟踪目标的临近检测框，选择符合条件的检测框作为丢/断帧的跟踪目标检测框，完成所述丢/断帧的接续。

更进一步，所述获取跟踪目标的质心及检测框的步骤包括，

步骤A-1，判断是否检测到所述跟踪目标及所述跟踪目标是否为首次检测到目标；

步骤A-2，计算所述跟踪目标框和外围框的HOG特征和RAW特征，完成对所述跟踪目标的正样本特征采集和背景环境的负样本特征采集；

步骤A-3，采用线性回归进行训练获得所述跟踪目标首帧的质心及检测框。