[发明专利]目标跟踪方法、装置及存储装置

权利要求书

1.一种目标跟踪方法，其特征在于，包括：

基于相关滤波模型中的位置滤波模型获取当前帧的位置响应信息，并基于所述位置响应信息确定目标位置预测结果；

基于所述位置响应信息计算峰值旁瓣比；

若所述峰值旁瓣比小于或等于预设阈值，基于条件随机场模型对所述目标位置预测结果进行修正，将修正后的目标位置预测结果作为待跟踪目标在所述当前帧的位置跟踪结果输出；

若所述峰值旁瓣比大于所述预设阈值，构建第一高置信度样本库，对获取到的当前帧的位置响应信息进行离散傅里叶反变换，计算所述离散傅里叶反变换后的结果与所述第一高置信度样本库中的各个样本之间的相似度，并累计求和得到第一求和值，计算所述第一求和值与所述第一高置信度样本库中样本数量和之间的比值，计算所述比值与预设第一参数之间的乘积，所述乘积为第一自适应学习率，基于所述第一自适应学习率对位置滤波模型中的参数进行更新以获取更新的位置滤波模型。

2.根据权利要求1所述的方法，其特征在于，所述基于相关滤波模型中的位置滤波模型获取当前帧的位置响应信息步骤包括：基于所述更新的相关滤波模型中的位置滤波模型获取当前帧的位置响应信息。

3.根据权利要求2所述的方法，其特征在于，所述基于相关滤波模型中的位置滤波模型获取当前帧的位置响应信息步骤之前，包括：

利用检测算法获取视频数据流中所述待跟踪目标首次出现时的信息；

从所述待跟踪目标首次出现时的信息中提取所述待跟踪目标的第一特征；

利用所述第一特征生成第一初始样本；

利用所述第一初始样本初始化所述位置滤波模型的参数；

其中，所述第一高置信度样本库在所述利用所述第一特征生成第一初始样本步骤之后构建，所述第一高置信度样本库中至少包含所述第一初始样本。

4.根据权利要求1所述的方法，其特征在于，所述计算所述离散傅里叶反变换后的结果与第一高置信度样本库中的各个样本之间的相似度步骤之前，包括：基于第一预设保留条件使得所述第一高置信度样本库中样本的数量不超过第一预设数量阈值。

5.根据权利要求3所述的方法，其特征在于，所述基于条件随机场模型对所述目标位置预测结果进行修正步骤之后，包括：对条件随机场模型中的参数进行更新以获取更新的条件随机场模型；

所述基于条件随机场模型对所述目标位置预测结果进行修正步骤包括：基于所述更新的条件随机场模型对所述目标位置预测结果进行修正。

6.根据权利要求5所述的方法，其特征在于，所述基于条件随机场模型对所述目标位置预测结果进行修正步骤包括：

以目标位置预测结果为中心，根据预设尺度提取目标预测区域；

提取所述目标预测区域的Fast角点；

利用层次聚类算法对所述目标预测区域的Fast角点进行分类，生成若干个大小相等的特性区域；

利用所述更新的条件随机场模型从所述若干个大小相等的特性区域中选取出跟踪正确的特性区域；

利用所述跟踪正确的特性区域对所述目标位置预测结果进行修正，得到修正后的目标位置预测结果。

7.根据权利要求6所述的方法，其特征在于，所述基于条件随机场模型对所述目标位置预测结果进行修正步骤之前，包括：

从所述待跟踪目标首次出现时的信息中提取所述待跟踪目标的Fast角点；

利用层次聚类算法对所述待跟踪目标的Fast角点进行分类，生成若干个大小相等的初始特性区域；

利用所述初始特性区域初始化条件随机场模型的参数。

8.根据权利要求6或7所述的方法，其特征在于，条件随机场模型中包括时域双变量势函数，所述时域双变量势函数为第一变量和第二变量之间的余弦相似度计算公式，所述第一变量为特性区域的选定区域特征点的光流矢量，所述第二变量为所述特性区域的空间邻域中心光流矢量。