[发明专利]目标追踪方法及装置、存储介质、计算机设备

说明书

一种目标追踪方法及装置、存储介质、计算机设备，其中，所述方法包括：获取目标视频流，所述目标视频流包括若干帧图像；从所述目标视频流的各帧图像中识别追踪目标；当维多帧的稳定追踪时，判断所述追踪目标是否保持静止；若判断结果为是，则设置当前帧中追踪目标的位置与所述当前帧的上一帧中追踪目标的位置相同。通过上述方法，能够有效提高目标追踪的性能。

技术领域

本发明涉及计算机视觉领域，具体地涉及一种目标追踪方法及装置、存储介质、计算机设备。

背景技术

运动目标追踪是计算机视觉领域的重要课题之一，尤其在智能交通、视频监控、人机交互、医学研究等方面发挥着重要作用。在追踪条件复杂的情况下，实现运动目标实时与稳定的追踪仍然面对着巨大的挑战，这些挑战主要有：追踪目标的尺寸变化、形态变化，追踪目标被遮挡或消失，采集的图像模糊等。其中，追踪目标的尺寸变化是指当目标尺度变大或缩小，此时若追踪框不能自适应地缩放，会导致目标模型的信息更新错误或者信息不全；追踪目标的形态变化是指当运动的目标发生姿态变化，如旋转或较小的形变，此时容易导致跟踪失败；追踪目标被遮挡或消失是指追踪目标在运动过程中可能出现被遮挡或者短暂消失的情况，跟踪框会因为包含了遮挡物或其他的背景信息，导致后续帧中目标跟踪框漂移到遮挡物上面或导致追踪失败；采集的图像模糊是指当光照强度变化，目标快速移动，运动目标与背景相似时，需要选择明显的特征来区分目标与背景。

为克服上述挑战，现有技术中提供了一些算法，其中，均值漂移(Mean Shift)算法是目标追踪的经典算法，该算法基于密度梯度上升的无参数估计，其优点在于计算量小，无需先验知识支持，简单易实现，能实时跟踪和快速收敛。虽然以均值漂移为算法核心的目标追踪算法通过增加特征，权重等方法进一步提高了追踪的准确性和鲁棒性，但是在实际应用中仍然存在着因尺度或背景变化导致的追踪框视觉抖动问题和因遮挡或消失导致的误漂移或追踪失败等问题，从而降低了目标追踪的性能。

发明内容

本发明解决的技术问题是如何提供一种目标追踪方法及装置、存储介质、计算机设备，以提高目标追踪的性能。

为解决上述技术问题，本发明实施例提供一种目标追踪方法，所述方法包括：获取目标视频流，所述目标视频流包括若干帧图像；从所述目标视频流的各帧图像中识别追踪目标；当维多帧的稳定追踪时，判断所述追踪目标是否保持静止；若判断结果为是，则设置当前帧中追踪目标的位置与所述当前帧的上一帧中追踪目标的位置相同。

可选的，所述判断所述追踪目标是否保持静止，包括：获取包括当前帧在内的最后若干帧，判断所述最后若干帧中所述追踪目标的大小是否相近；当最后若干帧中所述追踪目标的大小相近时，计算所述最后若干帧之间的亮度差值；当所述亮度差值小于亮度阈值时，所述追踪目标保持静止。

可选的，所述判断所述最后若干帧中所述追踪目标的大小是否相近，包括：对于最后若干帧中的每一帧，获取所述追踪目标的长轴和短轴；当每一帧中所述追踪目标的长轴与其他帧中所述追踪目标的长轴之间的差值在预设范围内、且每一帧中所述追踪目标的短轴与其他帧中所述追踪目标的短轴之间的差值在预设范围内时，最后若干帧中所述追踪目标的大小相近。

可选的，所述计算所述最后若干帧之间的亮度差值，包括：将所述最后若干帧中的每一帧分割为预设个区域，并计算分割后每一区域的亮度值；对于最后若干帧，分别计算各帧每一区域之间的亮度差值；根据各帧每一区域之间的亮度差值得到最后若干帧之间的亮度差值。

可选的，根据下述公式计算最后若干帧中两帧之间的亮度差值，包括：

其中，j为帧数且j的取值为0或1，当j＝0时，表示该两帧中的第1帧，当j＝1时，表示该两帧中的第2帧，m为每一帧分割的区域数量且m为常数，BlkSum_j为第j帧的加权亮度和，avgji为第j帧中第i区域的亮度值，wji为第j帧中第i块区域的预设权重；