[发明专利]目标跟踪方法、计算机设备及存储介质

权利要求书

1.一种目标跟踪方法，其特征在于，包括：

获取由相机系统中多个相机分别采集的每个上一帧图像，并以每个所述上一帧图像中的目标物体所在图像部分作为参考图像；

获取由相机系统中每个相机分别采集的每个当前帧图像，并在每个所述当前帧图像中分别获取与对应的所述参考图像初步相似的若干个备选图像部分以构成每个当前帧图像的备选图像部分集合；

对每个备选图像部分集合中各备选图像部分进行目标特征提取得到对应每个当前帧图像的特征图集合；

对每个特征图集合中的每个所述特征图进行降维；

对降维后的每个特征图集合使用对应滤波器进行处理，以得到每个当前帧图像的相似度得分图，定位每个相似度得分图中得分最高点，并对该得分最高点所表示的每个当前帧图像中与对应的参考图像间相似度最高的图像部分加以获取，以作为当前帧图像中的目标物体所在图像部分。

2.根据权利要求1所述的方法，其特征在于，还包括：

将所得到的当前帧图像中的目标物体所在图像部分作为新增样本，在预先建立的由每个相机的当前帧图像之前的所有帧图像中的目标物体所在图像部分作为样本所形成的每个相机的样本空间中，加入每个相机的新增样本以作更新；

通过更新的样本空间作为训练集，用以在频域下训练所述滤波器，以满足优化原则：所述滤波器趋向于对目标物体所在图像部分能处理得到更高的得分，且对非目标物体所在图像部分能处理得到更低的得分。

3.根据权利要求1所述的方法，其特征在于，每个相机采集目标物体所获得的第一帧图像中通过标记来获得对应的目标物体所在图像部分。

4.根据权利要求1所述的方法，其特征在于，所述目标特征提取是通过多种特征提取模型执行的。

5.根据权利要求4所述的方法，其特征在于，所述多种特征提取模型包括：CNN模型及FHOG模型。

6.根据权利要求5所述的方法，其特征在于，所述CNN模型为VGG-M网络结构。

7.根据权利要求1所述的方法，其特征在于，在对每个特征图集合中的每个所述特征图降维之前，还包括预处理，所述预处理包括以下中的一种或多种方式组合：

a)对特征图中每个特征进行平滑处理；

b)对特征图进行插值处理以统一分辨率。

8.根据权利要求1所述的方法，其特征在于，所述降维采用PCA及SVD算法中的一种或两者结合。

9.根据权利要求1所述的方法，其特征在于，每个相似度得分图是将滤波器对一特征图集合进行卷积得到的。

10.根据权利要求1所述的方法，其特征在于，对滤波器的训练是通过最小化目标函数得到的，所述目标函数为同每个样本的相似度得分图和对应的正确标记数据间差异之和相关的损失函数、以及同滤波器相关的正则项之和。

11.根据权利要求1所述的方法，其特征在于，在每个目标物体的样本空间中，通过高斯混合模型来将每个样本按目标物体的不同姿态分类进行聚类，以得到紧致样本空间而用以训练所述滤波器。

12.一种计算机设备，其特征在于，包括：

通信器，连接相机系统；

存储器，存储计算机程序；

处理器，连接所述通信器及存储器，用于运行所述计算机程序以实现如权利要求1至11中任一项所述的方法。

13.一种计算机存储介质，其特征在于，存储计算机程序，所述计算机程序运行时实现如权利要求1至11中任一项所述的方法。