[发明专利]基于视频目标跟踪的加速度估计方法、系统、设备及介质

说明书

本发明公开了一种基于视频目标跟踪的加速度估计方法、系统、设备及介质，所述方法包括：对第一帧视频帧中的目标进行抓取，识别出目标物体；并使用核相关滤波算法进行跟踪，获得目标物体的运动轨迹；根据目标物体的运动轨迹，利用增广最小二乘法对速度进行参数辨识，得到速度估计的最大测量噪声幅值；根据速度估计的最大测量噪声幅值，通过使用一阶滑膜跟踪微分器和高阶滑膜跟踪微分器，从而计算出精确估计目标的加速度。本发明通过人工抓取视频中的第一帧图像中的目标，保证了核相关滤波算法能够准确找到目标并进行跟踪，同时使用增广最小二乘法进行参数辨识，保证了高阶滑膜跟踪微分器估计目标的加速度，可以达到要求的精度。

技术领域

本发明属于自动控制技术领域和目标跟踪技术领域，特别是涉及一种基于视频目标跟踪的加速度估计方法、系统、计算机设备及存储介质。

背景技术

目标跟踪技术随着计算机视觉的发展日益成熟，其应用也越来越广泛。但是，基于视频目标跟踪的加速度估计的问题，目前还没有成熟的解决方法，难点主要包括两个方面：(一)基于视频的目标跟踪，得到的目标运动轨迹是估计值，存在一定的误差和噪声；(二)由运动轨迹估计出目标物体运动的加速度，需要经过两层微分运算，由于微分运算会对噪声进行放大，导致得到的结果严重失真。

为了解决上述难点，需要突破以下两点：(一)使用并改进基于视频的目标跟踪技术，使得到的目标运动轨迹尽可能地精确；(二)使用对噪声鲁棒的精确微分器对轨迹信号进行微分，减少噪声对微分结果的影响，获得高精度的加速度估计值。

最小二乘法和卡尔曼滤波是进行微分运算的经典方法，但是由于加速度传感器的缺乏，无法得知真实信号与所得信号之间的误差，使用以上两种方法也很难得到精确的加速度估计值。

发明内容

为了解决上述现有技术的不足，本发明提供了一种基于视频目标跟踪的加速度估计方法、系统、计算机设备及存储介质，该方法通过对视频中的第一帧图像进行人工抓取目标框，使用核相关滤波算法可以准确地找到目标并进行跟踪，使用增广最小二乘法进行参数辨识，获得速度估计和加速度估计的最大测量噪声幅值，由于高阶滑膜跟踪微分器的精度与最大测量噪声的幅值成正相关关系，保证了使用高阶滑膜跟踪微分器进行估计的加速度可以达到要求的精度。

本发明的第一个目的在于提供一种基于视频目标跟踪的加速度估计方法。

本发明的第二个目的在于提供一种基于视频目标跟踪的加速度估计系统。

本发明的第三个目的在于提供一种计算机设备。

本发明的第四个目的在于提供一种存储介质。

本发明的第一个目的可以通过采取如下技术方案达到：

一种基于视频目标跟踪的加速度估计方法，所述方法包括：

对第一帧视频帧中的目标进行抓取，识别出目标物体；

使用核相关滤波算法对所述目标物体进行跟踪，获得所述目标物体的运动轨迹；

根据所述目标物体的运动轨迹，利用增广最小二乘法对速度进行参数辨识，得到速度估计的最大测量噪声幅值；

根据所述速度估计的最大测量噪声幅值，使用一阶滑膜跟踪微分器估计目标的速度，计算精确的速度估计值；

根据所述精确的速度估计值，计算加速度估计的最大测量噪声幅值；

根据所述加速度估计的最大测量噪声幅值，使用高阶滑膜跟踪微分器估计目标的加速度，得到精确估计目标的加速度。

进一步的，所述根据所述目标物体的运动轨迹，利用增广最小二乘法对速度进行参数辨识，具体包括：

所述目标物体的运动轨迹为x(t)，其中真实的运动轨迹为x₀(t)，白噪声为e(t)，则其连续时间域表示为：