一种基于压缩跟踪算法的特征提取方法及其装置与流程

本发明涉及跟踪算法技术领域，特别是涉及一种基于压缩跟踪算法的特征提取方法及其装置。

背景技术：

压缩跟踪算法是二元分类方法中比较主流的一种跟踪算法，它对目标外观变化和遮挡均具有一定的鲁棒性，且实时性好，压缩跟踪算法中，需要首先确定图像中的目标区域，这里的目标区域为能够将图像框起来的一个长方形窗口，之后从目标区域内选取若干个小区域作为特征区域，并提取特征区域内的特征信息。

可以理解的是，由于跟踪目标距离相机的远近使得目标大小变化，此时目标区域会相应的变化，但是目前的压缩跟踪算法中，特征区域的大小尺寸固定，不能根据目标大小的变化进行调整，这样导致目标变大时，使得背景和目标的可区分度降低；当目标变小时，更是有部分背景信息被引入到参数模型中，从而导致跟踪漂移，甚至是跟踪失败，特征提取的准确性差，跟踪的准确度低。

因此，如何提供一种跟踪准确度高的基于压缩跟踪算法的特征提取方法及其装置是本领域技术人员目前需要解决的问题。

技术实现要素：

本发明的目的是提供一种基于压缩跟踪算法的特征提取方法及其装置，能够根据目标区域的大小变化相应的调整特征区域的大小，提高跟踪的准确性。

为解决上述技术问题，本发明提供了一种基于压缩跟踪算法的特征提取方法，包括：

步骤s101：获取当前帧的图像，依据上一帧的预设分类器搜索当前帧的目标搜索区域，确定当前帧的目标区域；

步骤s102：依据所述当前帧的目标区域的坐标、上一帧的目标区域的坐标、上一帧的特征区域的坐标以及预设的、所述当前帧的目标区域与所述上一帧的目标区域的尺度变化倍数调整计算得到当前帧的特征区域；

步骤s103：依据所述当前帧的特征区域计算特征数据并进行处理，依据处理结果更新当前帧的预设分类器，并依据所述当前帧的目标区域的坐标设置下一帧的目标搜索区域；将下一帧图像作为当前帧，返回步骤s101。

优选地，步骤s101中还包括：

若所述当前帧为第一帧时，获取当前帧的图像后，初始化第一帧的目标区域以及特征区域，直接进入步骤s103。

优选地，所述步骤s103的过程具体为：

依据预设调整关系式、所述当前帧的目标区域的左上角坐标、上一帧的目标区域的左上角坐标、上一帧的特征区域的坐标farea0＝(xf,yf,wf,hf)以及预设的、所述当前帧的目标区域与所述上一帧的目标区域的尺度变化倍数调整计算得到当前帧的特征区域farea0'＝(x'f,y'f,w'f,h'f)；

其中，所述预设调整关系式具体为：

x'f＝x′i+(xf-x0)*wscalej

y'f＝y′i+(yf-y0)*hscalej

w'f＝wf*wscalej

h'f＝hf*hscalej

其中，(xi',yi')为所述当前帧的目标区域的左上角坐标；wscalej为预设的、所述当前帧的目标区域与所述上一帧的目标区域的宽度变化倍数，hscalej为预设的、所述当前帧的目标区域与所述上一帧的目标区域的高度变化倍数；(x0,y0)为所述上一帧的目标区域的左上角坐标；(xf,yf)为所述上一帧的特征区域的左上角坐标，wf为所述上一帧的特征区域的宽，hf为所述上一帧的特征区域的高。

优选地，所述特征区域包括两个或以上特征子区域；步骤s103中，具体为：

依据所述当前帧的目标区域的坐标、上一帧的目标区域的坐标、上一帧的第i个特征子区域的坐标以及预设的、所述当前帧的目标区域与所述上一帧的目标区域的尺度变化倍数调整计算得到当前帧的第i个特征子区域；1≤i≤n，n为所述特征子区域的总个数。

优选地，步骤s104中，所述依据所述当前帧的特征区域计算特征数据并进行处理，依据处理结果更新当前帧的预设分类器的过程具体为：

分别计算当前帧的各个所述特征子区域内的图像灰度并求和，得到图像灰度和；

令所述图像灰度和除以各个所述特征子区域的面积和，得到归一化特征数据；

依据稀疏矩阵对所述归一化特征数据进行降维处理；

计算降维后的特征数据的期望和标准差，并依据所述期望和标准差更新所述当前帧的预设分类器。

优选地，步骤s104中，所述依据所述当前帧的目标区域的坐标设置下一帧的目标搜索区域的过程具体为：

依据所述当前帧的目标区域的坐标rij'＝{xi',yi',wj',hj'}以及目标搜索范围关系式得到所述下一帧的目标搜索区域area0；所述目标搜索范围关系式为：

area0＝{xi'-wj'/2,yi'-hj'/2,wj'*2,hj'*2}。

为解决上述技术问题，本发明还提供了一种基于压缩跟踪算法的特征提取装置，包括：

目标区域确定模块，用于获取当前帧的图像，依据上一帧的预设分类器搜索当前帧的目标搜索区域，确定当前帧的目标区域；触发特征区域调整模块；

所述特征区域调整模块，用于依据所述当前帧的目标区域的坐标、上一帧的目标区域的坐标、上一帧的特征区域的坐标以及预设的、所述当前帧的目标区域与所述上一帧的目标区域的尺度变化倍数调整计算得到当前帧的特征区域；触发所述特征处理模块；

所述特征处理模块，用于依据所述当前帧的特征区域计算特征数据并进行处理，依据处理结果更新当前帧的预设分类器，并依据所述当前帧的目标区域的坐标设置下一帧的目标搜索区域；将下一帧图像作为当前帧，触发所述目标区域确定模块。

本发明提供了一种基于压缩跟踪算法的特征提取方法及其装置，确定当前帧的目标区域后，能够依据当前帧的目标区域的坐标、上一帧的目标区域的坐标、上一帧的特征区域的坐标以及预设的、当前帧的目标区域与上一帧的目标区域的尺度变化倍数调整当前帧的特征区域，然后再根据调整后的特征区域提取特征数据。可见，本发明中的特征区域的尺寸并不固定，而是能够根据目标区域的大小变化进行相应的调整，尽可能避免了由于目标大小变化引起的跟踪漂移或跟踪失败的情况出现，提高了跟踪的准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种基于压缩跟踪算法的特征提取方法的过程的流程图；

图2为本发明提供的一种基于压缩跟踪算法的特征提取装置的结构示意图。

具体实施方式

本发明的核心是提供一种基于压缩跟踪算法的特征提取方法及其装置，能够根据目标区域的大小变化相应的调整特征区域的大小，提高跟踪的准确性。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了一种基于压缩跟踪算法的特征提取方法，参见图1所示，图1为本发明提供的一种基于压缩跟踪算法的特征提取方法的过程的流程图；该方法包括：

步骤s101：获取当前帧的图像，依据上一帧的预设分类器搜索当前帧的目标搜索区域，确定当前帧的目标区域；

作为优选的，这里的预设分类器可以为贝叶斯分类器，当然，也可采用其他类型的分类器，本发明不限定预设分类器的类型。

步骤s102：依据当前帧的目标区域的坐标、上一帧的目标区域的坐标、上一帧的特征区域的坐标以及预设的、当前帧的目标区域与上一帧的目标区域的尺度变化倍数调整计算得到当前帧的特征区域；

即假设当前帧与上一帧相比，目标区域变为之前的两倍，则相应的，当前帧的特征区域的尺寸大小也变为上一帧的两倍。

步骤s103：依据当前帧的特征区域计算特征数据并进行处理，依据处理结果更新当前帧的预设分类器，并依据当前帧的目标区域的坐标设置下一帧的目标搜索区域；将下一帧图像作为当前帧，并返回步骤s101。

进一步可知，步骤s101中还包括：

若当前帧为第一帧时，获取当前帧的图像后，初始化第一帧的目标区域以及特征区域，直接进入步骤s103。

其中，第一帧的目标区域可人为进行设定，第一帧的特征区域直接采用目前现有技术中的标准大小的特征区域即可。

另外，步骤s103的过程具体为：

依据预设调整关系式、当前帧的目标区域的左上角坐标、上一帧的目标区域的左上角坐标、上一帧的特征区域的坐标farea0＝(xf,yf,wf,hf)以及预设的、当前帧的目标区域与上一帧的目标区域的尺度变化倍数调整计算得到当前帧的特征区域farea0'＝(x'f,y'f,w'f,h'f)；

其中，预设调整关系式具体为：

x'f＝x′i+(xf-x0)*wscalej

y'f＝y′i+(yf-y0)*hscalej

w'f＝wf*wscalej

h'f＝hf*hscalej

其中，(xi',yi')为当前帧的目标区域的左上角坐标；wscalej为预设的、当前帧的目标区域与上一帧的目标区域的宽度变化倍数，hscalej为预设的、当前帧的目标区域与上一帧的目标区域的高度变化倍数；(x0,y0)为上一帧的目标区域的左上角坐标；(xf,yf)为上一帧的特征区域的左上角坐标，wf为上一帧的特征区域的宽，hf为上一帧的特征区域的高。

作为优选地，特征区域包括两个或以上特征子区域；步骤s103中，具体为：

依据当前帧的目标区域的坐标、上一帧的目标区域的坐标、上一帧的第i个特征子区域的坐标以及预设的、当前帧的目标区域与上一帧的目标区域的尺度变化倍数调整计算得到当前帧的第i个特征子区域；1≤i≤n，n为特征子区域的总个数。

可以理解的是，特征区域小于目标区域，为了保证特征提取的准确性，需要在目标区域中的多个部分进行特征提取，因此，特征区域需要包含两个或以上特征子区域。

其中，步骤s104中，依据当前帧的特征区域计算特征数据并进行处理，依据处理结果更新当前帧的预设分类器的过程具体为：

分别计算当前帧的各个特征子区域内的图像灰度并求和，得到图像灰度和；

令图像灰度和除以各个特征子区域的面积和，得到归一化特征数据；

依据稀疏矩阵对归一化特征数据进行降维处理；

计算降维后的特征数据的期望和标准差，并依据期望和标准差更新当前帧的预设分类器。

另外，步骤s102中的过程具体为：

获取目标搜索区域内各个位置处的特征数据，并依据上述操作得到特征数据的期望和标准差；

将各个位置处的期望和标准差输入上一帧得到的预设分类器内，比较预设分类器的输出值的大小，其中最大值对应的区域即为当前帧的目标区域。

具体的，步骤s104中，依据当前帧的目标区域的坐标设置下一帧的目标搜索区域的过程具体为：

依据当前帧的目标区域的坐标rij'＝{xi',yi',wj',hj'}以及目标搜索范围关系式得到下一帧的目标搜索区域area0；目标搜索范围关系式为：

area0＝{xi'-wj'/2,yi'-hj'/2,wj'*2,hj'*2}。

可以理解的是，依据当前帧的目标区域设置下一帧的目标搜索范围的目的，是为了在获取下一帧的图像后，能够尽快确定下一帧的目标区域，减小预设分类器的遍历搜索范围，缩短搜索时间以及减少计算量。

本发明提供了一种基于压缩跟踪算法的特征提取方法，确定当前帧的目标区域后，能够依据当前帧的目标区域的坐标、上一帧的目标区域的坐标、上一帧的特征区域的坐标以及预设的、当前帧的目标区域与上一帧的目标区域的尺度变化倍数调整当前帧的特征区域，然后再根据调整后的特征区域提取特征数据。可见，本发明中的特征区域的尺寸并不固定，而是能够根据目标区域的大小变化进行相应的调整，尽可能避免了由于目标大小变化引起的跟踪漂移或跟踪失败的情况出现，提高了跟踪的准确性。

本发明还提供了一种基于压缩跟踪算法的特征提取装置，参见图2所示，图2为本发明提供的一种基于压缩跟踪算法的特征提取装置的结构示意图。该装置包括：

目标区域确定模块1，用于获取当前帧的图像，依据上一帧的预设分类器搜索当前帧的目标搜索区域，确定当前帧的目标区域；触发特征区域调整模块2；

特征区域调整模块2，用于依据当前帧的目标区域的坐标、上一帧的目标区域的坐标、上一帧的特征区域的坐标以及预设的、当前帧的目标区域与上一帧的目标区域的尺度变化倍数调整计算得到当前帧的特征区域；触发特征处理模块3；

特征处理模块3，用于依据当前帧的特征区域计算特征数据并进行处理，依据处理结果更新当前帧的预设分类器，并依据当前帧的目标区域的坐标设置下一帧的目标搜索区域；将下一帧图像作为当前帧，触发目标区域确定模块1。

具体的，目标区域确定模块1还用于：

若当前帧为第一帧时，获取当前帧的图像后，初始化第一帧的目标区域以及特征区域，然后直接触发特征区域调整模块2。

本发明提供了一种基于压缩跟踪算法的特征提取装置，确定当前帧的目标区域后，能够依据当前帧的目标区域的坐标、上一帧的目标区域的坐标、上一帧的特征区域的坐标以及预设的、当前帧的目标区域与上一帧的目标区域的尺度变化倍数调整当前帧的特征区域，然后再根据调整后的特征区域提取特征数据。可见，本发明中的特征区域的尺寸并不固定，而是能够根据目标区域的大小变化进行相应的调整，尽可能避免了由于目标大小变化引起的跟踪漂移或跟踪失败的情况出现，提高了跟踪的准确性。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。