[发明专利]一种目标跟踪的方法和装置

说明书

本发明公开了一种目标跟踪的方法和装置，此方法包括：基于被跟踪目标确定搜索范围；对所述搜索范围进行区域划分，根据边缘抑制得分规则对各区域进行打分；确定分值最大的区域为被跟踪目标的当前位置。本发明的技术方案，通过边缘抑制得分规则，对搜索范围不同区域进行打分后，对搜索范围的提取到的特征进行得分抑制，使距离搜索范围中心位置越远的特征得分越低，则特征得分最高的区域(即搜索范围中心附近)确定为被跟踪目标出现的位置，确保始终能正确跟踪目标，且能够保证目标跟踪的实时性要求。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种目标跟踪的方法和装置。

背景技术

现有技术(例如：DCF/KCF/深度学习等)通常是在提取更鲁棒的目标特征上进行研究，因为目标特征提取的鲁棒性越高，跟踪效果就会越好。但是，由于目标跟踪有实时性要求，以30fps视频为例，如果要实时跟踪，则每次目标搜索和特征提取的过程不能超过33ms(即1000/30)，这对于计算性能要求非常高，则在现有硬件计算性能条件下，目标特征提取算法不能太复杂，导致目标特征不能做到足够鲁棒。

在正常跟踪状态时，可视区域为搜索范围，例如将一白车作为被跟踪目标，当搜索框范围内存在多个其他白色类似车辆，甚至包含相同型号的车辆存在，如果对搜索范围所有区域直接打分，则很容易出现其他白色车辆得分也很高的情况，这对跟踪效果产生极大影响，导致跟踪效果不佳，为确定被跟踪目标的位置带来很多干扰。因此，如何在不明显增加计算量的基础上，提高跟踪效率成为亟待解决的技术问题。

发明内容

为了解决上述技术问题，本发明提供了一种目标跟踪的方法和装置。

根据本发明的第一方面，本发明提供了一种目标跟踪的方法，包括：

基于被跟踪目标确定搜索范围；

对所述搜索范围进行区域划分，根据边缘抑制得分规则对各区域进行打分；

确定分值最大的区域为被跟踪目标的当前位置。

其中，所述对所述搜索范围进行区域划分，根据边缘抑制得分规则对各区域进行打分包括：

将搜索范围划分成n×n个区域，生成所述搜索范围的分值矩阵S(n×n)；

根据n阶的窗向量H，计算得到二维矩阵R(n×n)；

基于二维矩阵R(n×n)计算矩阵N(n×n)；

利用该矩阵N(n×n)对分值矩阵S(n×n)进行点乘，确定所述搜索范围的各区域得分F(n×n)。

其中，所述计算二维矩阵R(n×n)的公式如下：

R(n×n)＝H×H^T；

式中H^T表示窗向量H的转置。

其中，所述基于二维矩阵R(n×n)计算矩阵N(n×n)的公式如下：

式中K_i,j是矩阵R(n×n)所有元素的最大值，i，j代表该元素在第i行第j列。

其中，所述基于被跟踪目标确定搜索范围包括：

对被跟踪目标的特征进行提取，确定被跟踪目标的目标框，以所述目标框为中心、所述目标框的大小的预定倍数为范围，确定搜索范围。

根据本发明的第二方面，本发明还提供了一种目标跟踪的装置，包括：

范围确定模块：用于基于被跟踪目标确定搜索范围；

区域打分模块：用于对搜索范围进行区域划分，根据边缘抑制得分规则对各区域进行打分；