[发明专利]一种基于ARM平台的目标跟踪方法、介质和系统有效

专利信息
申请号: 202010728011.7 申请日: 2020-07-23
公开(公告)号: CN111862160B 公开(公告)日: 2023-10-13
发明(设计)人: 刘议聪;田瑞娟;隋旭阳;向学辅;张振禹;李亚南;陈大鹏 申请(专利权)人: 中国兵器装备集团自动化研究所有限公司
主分类号: G06T7/246 分类号: G06T7/246
代理公司: 北京众达德权知识产权代理有限公司 11570 代理人: 南海燕
地址: 621000 四*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 arm 平台 目标 跟踪 方法 介质 系统
【说明书】:

发明公开了一种基于ARM平台的目标跟踪方法、介质和系统,涉及图像处理领域,解决了已有可变尺度或多种特征的等方案不能满足于跟踪鲁棒性要求较高的工程的问题。本发明包括于嵌入式ARM平台,提取感兴趣区域(ROI)的深度学习特征、梯度直方图特征(HOG)、颜色命名(CN)特征和灰度特征(GRAY);组成128维特征向量进行目标跟踪,跟踪波门随跟踪目标的尺度变化自适应调整并叠加在输出视频中。本发明具有跟踪波门能够实时的跟随目标尺度变化而正相关变化,目标跟踪的准确度和置信度更高。

技术领域

本发明涉及图像处理领域,具体涉及一种基于ARM平台的目标跟踪方法、介质和系统。

背景技术

对于目标跟踪算法领域,目前共有两种方向——基于深度学习方法的目标跟踪和基于相关滤波的目标跟踪。前者在目标跟踪算法领域正在爬坡阶段,研究成果仅仅停留在少数科研技术上,在工程化平台实现上暂无有效的解决方案;后者技术发展时间更长,在工程化平台上已经有了较为成熟的解决方案,特别是在低功耗的嵌入式平台上,相比于前者,具有更优的跟踪性能,运行的硬件平台要求更低。

现有的相关滤波类目标跟踪算法虽已有可变尺度或多种特征的等方案的加入,但均是单一功能或性能的提高,远远不能满足于跟踪鲁棒性要求较高的工程项目,特别是对于嵌入式ARM等低功耗平台,如果算法没有针对平台进行算子加速,目标跟踪性能也会捉襟见肘。由此,在嵌入式工程化平台需要一种将多尺度,多特征,多跟踪策略融为一体的通用化目标跟踪算法。

发明内容

本发明所要解决的技术问题是:已有可变尺度或多种特征的等方案不能满足于跟踪鲁棒性要求较高的工程;算法没有针对平台进行算子加速,目标跟踪性能差,本发明的主要目的是提供一种基于ARM平台的多特征多策略多尺度通用目标跟踪算法解决方案,以在ARM等低功耗平台实现目标的稳定和实时跟踪,满足更多的工程项目应用,降低目标实时跟踪算法在具体工程项目中的部署难度。

本发明通过下述技术方案实现:

本发明的主要目的是提供一种基于ARM平台的多特征多策略多尺度通用目标跟踪算法解决方案,以在ARM等低功耗平台实现目标的稳定和实时跟踪,满足更多的工程项目应用,降低目标实时跟踪算法在具体工程项目中的部署难度。

所述目标跟踪算法,提取了感兴趣区域(ROI)的深度学习特征,梯度直方图特征(HOG),颜色命名(CN)特征,灰度特征(GRAY)组成128维特征向量进行跟踪,跟踪目标的自适应尺度跟踪波门叠加,在跟踪过程中具有多种策略保证目标跟踪稳定性能。

嵌入式ARM平台下,加入NEON指令集实现对ROI区域特征提取算子的加速,保证目标跟踪的实时性能。

该嵌入式多通道视频图像采集与并行处理系统工作执行如下步骤:

(1)采集视频原始数据,读入算法外部接口;

(2)在视频第一帧或指定的某帧中选取目标作为模板ROI区域;

(3)对ROI区域作一定的图像预处理;

(4)对预处理后的ROI区域图像进行特征提取,包括传统特征和深度学习特征,即提取HOG,CN,GRAY特征以及深度学习特征,生成高维特征向量;

(5)对高维特征向量进行互相关运算(若为第一帧图像,则进行自相关运算),得到响应矩阵,并得出最大响应值及其位置;

(6)对设定好的目标尺度,在每个尺度下进行步骤(5)中的计算,并选取最大响应值对应的尺度,作为该帧的跟踪尺度和跟踪目标位置;

(7)目标置信度判断,根据判断结果选取跟踪策略,并决定是否启用目标丢失预警机制;

(8)根据最大响应值位置更新ROI区域,获取新图像的特征;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国兵器装备集团自动化研究所有限公司,未经中国兵器装备集团自动化研究所有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010728011.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top