[发明专利]一种目标跟踪方法和装置

权利要求书

1.一种目标跟踪方法，其特征在于，所述方法包括：

确定当前帧图像中目标的各个分块的候选区域；

对所述分块的候选区域进行压缩采样，并将压缩采样得到的图像特征输入训练好的分类器，以得到所述分块的候选区域的类别预测得分；根据所述分块的候选区域的类别预测得分，从所述分块的候选区域中筛选出该分块所在区域；

在判断出存在被遮挡的分块区域的情况下，根据除所述被遮挡的分块区域之外的其他分块所在区域的位置坐标计算目标在当前帧图像中的位置坐标。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据目标在当前帧图像中的位置坐标、以及目标在上一帧图像中的尺度，确定当前帧图像中所述目标的候选区域；对所述目标的候选区域进行压缩采样、以及归一化处理，并将处理得到的图像特征输入训练好的分类器，以得到所述目标的候选区域的类别预测得分；根据所述目标的候选区域的类别预测得分，从所述目标的候选区域中筛选出目标所在区域，并将目标所在区域的尺度作为所述目标在当前帧图像中的尺度。

3.根据权利要求2所述的方法，其特征在于，所述对所述分块的候选区域进行压缩采样，并将压缩采样得到的图像特征输入训练好的分类器，以得到所述分块的候选区域的类别预测得分包括：

在所述分块的每个候选区域中提取多个Haar特征，并将所述多个Haar特征作为压缩采样得到的图像特征；将所述多个Haar特征输入训练好的第一贝叶斯分类器，以得到该候选区域的类别预测得分。

4.根据权利要求3所述的方法，其特征在于，所述训练好的第一贝叶斯分类器的响应满足：

其中，H_i(y_i)是第i个分块的候选区域的类别预测得分，i＝1，2，…，N，N为分块总数；p(y_ij|k＝1)表示特征y_ij为目标特征的预测概率值；p(y_ij|k＝0)表示特征y_ij为背景特征的预测概率值；y_ij是第i个分块的候选区域中的第j个Haar特征；l为每个分块的候选区域中的Haar特征的数量；w_ij是y_ij的权重，w_ij是由Haar特征的中心坐标决定的；(x_c,y_c)是整个目标的中心坐标；β是一个与目标区域对角线有关的常数。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

从上一帧图像中距离目标很近的区域提取出一些图像特征序列作为正样本，从上一帧图像中远离目标的区域提取出一些图像特征序列作为负样本，根据所述正样本和所述负样本对第一贝叶斯分类器进行训练，以得到所述训练好的第一贝叶斯分类器。

6.根据权利要求1所述的方法，其特征在于，根据如下方式判断是否存在被遮挡的分块区域：

根据所述分块所在区域的位置坐标相比上一帧图像中对应分块所在区域的位置坐标的偏移量、以及所述分块所在区域的类别预测得分，构建聚类所用的分块特征向量；根据所述聚类所用的分块特征向量，对各个分块进行聚类处理，根据聚类处理结果判断是否存在被遮挡的分块区域。

7.根据权利要求1所述的方法，其特征在于，所述根据目标在当前帧图像中的位置坐标、以及目标在上一帧图像中的尺度，确定当前帧图像中所述目标的候选区域包括：

以目标在当前帧图像中的位置坐标为基准区域的中心，以上一帧图像中目标的尺度为基准区域的尺度，构建基准区域；对所述基准区域进行放大、缩小处理，以得到目标的候选区域。