一种运动目标跟踪方法及系统与流程

本发明涉及目标跟踪领域，特别是涉及一种运动目标跟踪方法及系统。

背景技术：

在使用kcf算法跟踪运动目标的过程中，被跟踪目标的快速运动或剧烈运动会导致原kcf算法搜索区域不能完整覆盖被跟踪目标，进而引起跟踪漂移甚至跟踪失败。保证搜索区域覆盖目标的一种方法是通过扩大搜索区域的面积，但这会导致计算量增加并降低跟踪效率。若要在保证跟踪精度同时不增加计算量则需要通过其他途径来寻求解决该问题的方法。

技术实现要素：

本发明的目的是提供一种运动目标跟踪方法及系统，用以在跟踪目标开始发生遮挡时则暂停进行对模板的更新，用上一帧的模板作为当前帧的模板，从而防止因模板被遮挡物污染而引起的跟踪失败问题。

为实现上述目的，本发明提供了如下方案：

一种运动目标跟踪方法，所述方法包括：

获取待跟踪的运动目标的运动区域图像；

获取分类器；

判断所述运动区域图像中是否有遮挡物；

若是，通过所述分类器对所述运动区域图像的上一帧图像进行分类，得到初始跟踪区域图像；

若否，通过所述分类器对所述运动区域图像进行分类，得到初始跟踪区域图像；

检测各所述初始跟踪区域图像与样本图像的相似度，确定相似度最大的所述初始跟踪区域图像为跟踪区域图像；

通过运动学模型修正所述跟踪区域图像；

根据修正后的跟踪区域图像，对所述待跟踪的运动目标进行跟踪。

可选的，所述判断所述运动区域图像中是否有遮挡物，具体包括：

获取所述运动区域图像的检测响应最大值；

将所述检测响应最大值与响应阈值进行比较；

当所述检测响应最大值大于或等于所述响应阈值时，确定所述运动区域图像中没有遮挡物；

当所述检测响应最大值小于所述响应阈值时，确定所述运动区域图像中有遮挡物。

可选的，所述通过运动学模型修正所述跟踪区域图像，具体包括：

通过所述运动学模型预测所述待跟踪的运动目标的运动区域的中心位置；

根据所述中心位置修正所述跟踪区域图像。

一种运动目标跟踪系统，所述系统包括：

图像获取模块，用于获取待跟踪的运动目标的运动区域图像；

分类器获取模块，用于获取分类器；

判断模块，用于判断所述运动区域图像中是否有遮挡物；

第一分类模块，用于当所述初始跟踪图像中有遮挡物时，通过所述分类器对所述运动区域图像的上一帧图像进行分类，得到初始跟踪区域图像；

第二分类模块，用于当所述初始跟踪图像中没有遮挡物时，通过所述分类器对所述运动区域图像进行分类，得到初始跟踪区域图像；

检测模块，用于检测各所述初始跟踪区域图像与样本图像的相似度，确定相似度最大的所述初始跟踪区域图像为跟踪区域图像；

修正模块，用于通过运动学模型修正所述跟踪区域图像；

跟踪模块，用于根据修正后的跟踪区域图像，对所述待跟踪的运动目标进行跟踪。

可选的，所述判断模块具体包括：

检测响应最大值获取单元，用于获取所述运动区域图像的检测响应最大值；

比较单元，用于将所述检测响应最大值与响应阈值进行比较；

第一确定单元，用于当所述检测响应最大值大于或等于所述响应阈值时，确定所述运动区域图像中没有遮挡物；

第二确定单元，用于当所述检测响应最大值小于所述响应阈值时，确定所述初始跟踪图像中有遮挡物。

可选的，所述修正模块具体包括：

预测单元，用于通过所述运动学模型预测所述待跟踪的运动目标的运动区域的中心位置；

修正单元，用于根据所述中心位置修正所述跟踪区域图像。

与现有技术相比，本发明具有以下技术效果：本发明判断所述运动区域图像中是否有遮挡物；若是，通过所述分类器对所述运动区域图像的上一帧图像进行分类，得到初始跟踪区域图像；若否，通过所述分类器对所述运动区域图像进行分类，得到初始跟踪区域图像。本发明在跟踪目标开始发生遮挡时则暂停进行对模板的更新，用上一帧的模板作为当前帧的模板，从而防止因模板被遮挡物污染而引起的跟踪失败问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例运动目标跟踪方法的流程图；

图2为本发明实施例运动目标跟踪系统的结构框图。

具体实施方式

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，所描述的实施例仅仅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。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，一种运动目标跟踪方法包括：

步骤101：获取待跟踪的运动目标的运动区域图像。

步骤102：获取分类器。

步骤103：判断所述运动区域图像中是否有遮挡物。

获取所述运动区域图像的检测响应最大值；将所述检测响应最大值与响应阈值进行比较；当所述检测响应最大值大于或等于所述响应阈值时，确定所述运动区域图像中没有遮挡物；当所述检测响应最大值小于所述响应阈值时，确定所述运动区域图像中有遮挡物。

对跟踪目标是否发生遮挡的判断，要通过比较候选区域图像块检测响应f(z)的最大值与预先设定的阈值ε的关系。学习速率β设定为0.01，预先设定阈值ε为0.07

当f(z)≥ε，即不发生遮挡时，

x^k+1＝βx′+(1-β)x^k

α^k+1＝βα′+(1-β)α^k

当f(z)＜ε，即发生遮挡时，

x^k+1＝x^k

α^k+1＝α^k

其中x^k和x^k+1分别表示上一帧和当前帧更新后的训练样本，α^k和α^k+1分别表示上一帧和当前帧更新后的对偶空间系数，x′和α′分别表示，β表示模板更新时的学习速率。

步骤104：若是，通过所述分类器对所述运动区域图像的上一帧图像进行分类，得到初始跟踪区域图像。

步骤105：若否，通过所述分类器对所述运动区域图像进行分类，得到初始跟踪区域图像。

步骤106：检测各所述初始跟踪区域图像与样本图像的相似度，确定相似度最大的所述初始跟踪区域图像为跟踪区域图像。

步骤107：通过运动学模型修正所述跟踪区域图像。通过所述运动学模型预测所述待跟踪的运动目标的运动区域的中心位置；根据所述中心位置修正所述跟踪区域图像。

步骤108：根据修正后的跟踪区域图像，对所述待跟踪的运动目标进行跟踪。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明判断所述运动区域图像中是否有遮挡物；若是，通过所述分类器对所述运动区域图像的上一帧图像进行分类，得到初始跟踪区域图像；若否，通过所述分类器对所述运动区域图像进行分类，得到初始跟踪区域图像。本发明在跟踪目标开始发生遮挡时则暂停进行对模板的更新，用上一帧的模板作为当前帧的模板，从而防止因模板被遮挡物污染而引起的跟踪失败问题。

如图2所示，一种运动目标跟踪系统包括：

图像获取模块201，用于获取待跟踪的运动目标的运动区域图像。

分类器获取模块202，用于获取分类器。

判断模块203，用于判断所述运动区域图像中是否有遮挡物。

所述判断模块203具体包括：

检测响应最大值获取单元，用于获取所述运动区域图像的检测响应最大值；

比较单元，用于将所述检测响应最大值与响应阈值进行比较；

第一确定单元，用于当所述检测响应最大值大于或等于所述响应阈值时，确定所述运动区域图像中没有遮挡物；

第二确定单元，用于当所述检测响应最大值小于所述响应阈值时，确定所述初始跟踪图像中有遮挡物。

第一分类模块204，用于当所述初始跟踪图像中有遮挡物时，通过所述分类器对所述运动区域图像的上一帧图像进行分类，得到初始跟踪区域图像。

第二分类模块205，用于当所述初始跟踪图像中没有遮挡物时，通过所述分类器对所述运动区域图像进行分类，得到初始跟踪区域图像。

检测模块206，用于检测各所述初始跟踪区域图像与样本图像的相似度，确定相似度最大的所述初始跟踪区域图像为跟踪区域图像。

修正模块207，用于通过运动学模型修正所述跟踪区域图像。

所述修正模块207具体包括：

预测单元，用于通过所述运动学模型预测所述待跟踪的运动目标的运动区域的中心位置；

修正单元，用于根据所述中心位置修正所述跟踪区域图像。

跟踪模块208，用于根据修正后的跟踪区域图像，对所述待跟踪的运动目标进行跟踪。

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。对于实施例公开的系统而言，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。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。