[发明专利]一种基于AR技术的目标跟踪方法及系统

权利要求书

1.一种基于AR技术的目标跟踪方法，其特征在于，包括如下步骤：

S1、获取视频图像，所述视频图像通过AR设备上的摄像装置拍摄得到；

S2、分析所述视频图像的第一帧图像的复杂程度；

S3、根据所述第一帧图像的复杂程度选择目标检测模型；

S4、将所述第一帧图像输入到所述目标检测模型，对所述第一帧图像进行特征提取，检测目标所在位置；

S5、获取所述视频图像的第二帧图像，基于所述第一帧图像中目标所在位置信息通过目标跟踪滤波器进行目标跟踪；

在所述步骤S2中，包括：将所述第一帧图像转化为灰度图像，基于所述灰度图像生成灰度共生矩阵，计算所述灰度共生矩阵的熵值，用所述熵值表征图像的复杂程度；

所述灰度共生矩阵表示为从灰度为的像素点出发，坐标偏移量(，)的另一像素点灰度为的概率，所述概率采用以下公式计算：

，式中，表示像素点和的相对距离，表示像素点和的相对角度，表示像素点的坐标；

采用以下公式计算所述灰度共生矩阵的熵值：

，式中，表示从灰度为的像素点出发，坐标偏移量(，)的另一像素点灰度为的概率；

在所述步骤S3中，根据所述第一帧图像的复杂程度选择目标检测模型包括：若熵值小于阈值Q，则选择第一目标检测模型，否则选择第二目标检测模型；

所述第一目标检测模型采用One stage算法进行目标检测，所述第二目标检测模型采用Two stage算法进行目标检测。

2.如权利要求1所述的一种基于AR技术的目标跟踪方法，其特征在于，所述目标检测模型的训练过程包括：

获取样本图像，用特征框标记所述样本图像中目标所在位置；

提取所述样本图像的灰度图像，生成灰度共生矩阵并计算所述灰度共生矩阵的熵值，将熵值小于阈值Q的样本图像设置为第一训练数据集，将剩余的样本图像设置为第二训练数据集；

对所述第一训练数据集和所述第二训练数据集进行样本扩充，用第一训练数据集对第一目标检测模型进行训练，用第二训练数据集对第二目标检测模型进行训练。

3.如权利要求1所述的一种基于AR技术的目标跟踪方法，其特征在于，所述步骤S2还包括：

获取所述第一帧图像的尺寸数据M*N，根据所述尺寸数据M*N将所述第一帧图像定义为不同的类型，其中，若M*N小于第一预设尺寸，将所述第一帧图像定义为小型图像；若M*N大于或等于第一预设尺寸且小于第二预设尺寸，将所述第一帧图像定义为中型图像；若M*N大于或等于第二预设尺寸，将所述第一帧图像定义为大型图像；

基于类型对所述第一帧图像进行预处理，其中，对所述小型图像不进行灰度值压缩处理，将所述中型图像按照第一预设级数对所述第一帧图像进行灰度值压缩，将所述大型图像按照第二预设级数对所述第一帧图像进行灰度值压缩。

4.如权利要求1所述的一种基于AR技术的目标跟踪方法，其特征在于，在完成m次目标跟踪之后，获取当前被选中的目标检测模型的类型信息，所述类型信息包括第一目标检测模型和第二目标检测模型，并计算m次目标跟踪中完成一次目标跟踪的平均时长t，并将平均时长t与时长阈值T进行比较；

在平均时长t大于或等于时长阈值T的情况下，如果当前被选中的目标检测模型为所述第一目标检测模型，则在进行下一次目标检测时，执行所述步骤S2，若计算得到的熵值大于或等于阈值Q，将所述第一目标检测模型更换为所述第二目标检测模型；在所述平均时长t小于时长阈值T的情况下，如果当前被选中的目标检测模型为所述第二目标检测模型，则在进行下一次目标检测前时，执行所述步骤S2，若计算得到的熵值小于阈值Q，将所述第二目标检测模型更换为所述第一目标检测模型。

5.如权利要求4所述的一种基于AR技术的目标跟踪方法，其特征在于，在某一帧图像被检测到目标所在位置并输出结果后视为完成一次目标跟踪，获取下一帧待检测图像视为进行下一次目标检测。