[发明专利]目标跟踪方法、计算机设备及存储介质

说明书

本发明的目标跟踪方法、计算机设备及存储介质，采用包含多个相机的相机系统进行目标跟踪，通过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，并在每个当前帧图像中分别获取与对应的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，从中获得与对应的参考图像间相似度最高的图像部分为追踪结果，准确率高。

技术领域

本发明涉及视觉识别技术领域，尤其涉及目标跟踪方法、计算机设备及存储介质。

背景技术

近些年来，视频监控一直是社会研究的热点，利用计算机视觉技术对监控视频信息进行处理、分析已经成为安防领域的一个重要发展方向。目标跟踪是指在一段连续的视频序列中，建立所要跟踪物体的位置关系，得到目标完整的运动轨迹。根据使用的相机个数，目标跟踪可以分为单相机跟踪和多相机跟踪。

单相机目标跟踪时，我们对当前帧中对于前一帧目标位置预测的区域周围进行搜索，然后找到与前一帧中目标最相似的区域作为该帧中目标所在位置。但是由于单相机的视野范围的局限性，跟踪目标易发生遮挡现象，那么就影响了该帧的跟踪结果，容易发生跟丢的情况。而且对于长时的跟踪监控，目标的运动轨迹一般会跨相机，这也时单相机目标跟踪无法解决的问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供目标跟踪方法、计算机设备及存储介质，通过相机系统的多相机进行目标跟踪的识别，解决现有技术的问题。

为实现上述目标及其他相关目标，本发明提供一种目标跟踪方法，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。

于本发明的一实施例中，所述方法还包括：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。

于本发明的一实施例中，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。

于本发明的一实施例中，所述目标特征提取是通过多种特征提取模型执行的。

于本发明的一实施例中，所述多种特征提取模型包括：CNN模型及FHOG模型。

于本发明的一实施例中，所述CNN模型为VGG-M网络结构。

于本发明的一实施例中，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。

于本发明的一实施例中，所述降维采用PCA及SVD算法中的一种或两者结合。