[发明专利]目标跟踪方法、装置及存储装置

说明书

本发明公开了一种目标跟踪方法、装置及存储装置。该方法包括：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所述待跟踪目标在所述当前帧的位置跟踪结果输出。通过上述方式，解决了目标被遮挡时跟踪精度下降的问题。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种目标跟踪方法、装置及存储装置。

背景技术

相关滤波方法是目标跟踪领域被广泛使用的一种判别式方法，其短时间跟踪精度非常好，且处理速度快。但在目标出现被遮挡的情形时，用错误的背景信息更新目标模板导致污染模型参数，使得跟踪精度严重下降，需要对目标进行进一步精确定位。针对该技术问题，现有技术中提供了多种技术方案予以解决，如专利CN109285179A公开了一种基于多特征融合的运动目标跟踪方法，其中更新尺度滤波模型时使用的是固定学习率，使用固定学习率则无法实现在目标没有被遮挡时学习更多信息，在目标被遮挡或置信度低的时候学习较少信息甚至不学习信息的效果。如文献《基于显著特性区域和条件随机场的目标跟踪》中公开了：根据提取的哈里斯角点划分出感兴趣显著特性区域作为跟踪过程中的独立子块，利用各子块自身的局部特征和时空域上的约束条件建立关于显著特性区域的条件随机场模型，根据各自块影响目标位置的权重确定目标的最终位置，提高传统Mean-Shift算法在遮挡情况下的鲁棒性。该技术方案的主要缺点是：哈里斯角点检测计算量大，且用K-means聚类需提前确定类别。在引入光流信息考虑时域关系时，用绝对值距离表示光流信息忽略了角度旋转信息。基于Mean-shift算法的目标跟踪只考虑颜色特性，因此需要在条件随机场中加入局部二值模式特征计算，进一步提升了计算量，且Mean-shift的目标跟踪算法在目标未被遮挡的情况下跟踪精度就非常有限。因此，针对现有技术中提供的技术方案，仍然可以继续优化，如进一步提升处理速度，以及提高跟踪精度。

发明内容

本申请提供一种目标跟踪方法、装置及存储装置，能够实现进一步提升基于相关滤波法跟踪目标时的处理速度和跟踪精度的目的。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种目标跟踪方法，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所述待跟踪目标在所述当前帧的位置跟踪结果输出。

为解决上述技术问题，本申请采用的另一个技术方案是：提供一种目标跟踪装置，所述目标跟踪装置包括处理器、与所述处理器耦接的存储器，其中，

所述存储器存储有用于实现上述的目标跟踪方法的程序指令；

所述处理器用于执行所述存储器存储的所述程序指令以实现目标跟踪。

为解决上述技术问题，本申请采用的再一个技术方案是：提供一种存储装置，存储有能够实现上述的目标跟踪方法的程序文件。

本申请的有益效果是：本发明的目标跟踪方法、装置及存储装置通过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所述待跟踪目标在所述当前帧的位置跟踪结果输出。通过上述方式，解决了目标被遮挡时跟踪精度下降的问题。

附图说明

图1是本发明第一实施例的目标跟踪方法的流程示意图；