[发明专利]视频中运动目标的跟踪方法及装置

说明书

本发明涉及一种视频中运动目标的跟踪方法及装置，该视频中运动目标的跟踪方法包括以下步骤：计算第一视角下的视频中的当前帧的运动目标的遮挡率；根据运动目标的遮挡率计算时空上下文模型的学习速率，并根据学习速率更新运动目标的时空上下文模型；获取当前帧中的运动目标的图像特征值，根据图像特征值更新运动目标的上下文先验模型；对更新后的时空上下文模型和上下文先验模型进行卷积运算，得到第一视角下的视频中的下一帧的运动目标的跟踪位置。上述视频中运动目标的跟踪方法计算复杂度，跟踪效率高且跟踪准确性高。相应地，本发明还提供一种视频中运动目标的跟踪装置。

技术领域

本发明涉及视频跟踪技术领域，特别是涉及一种视频中运动目标的跟踪方 法及装置。

背景技术

随着信息技术的蓬勃发展，计算机视觉技术在视频跟踪领域的应用越来越 广泛，尤其在体育赛事视频分析中，通过计算机视觉跟踪运动目标进行体育赛 事分析能够大大减少人工成本，提高分析准确度。近年来基于在线机器学习的 跟踪算法得到了快速发展，如在线Boosting算法、“跟踪－检测－学习”算法、 以及基于压缩感知的跟踪算法等，然而，上述各种基于在线机器学习的运动目 标跟踪方法由于需要不断学习新的模型，使得计算复杂度高，影响跟踪效率， 且容易产生跟踪漂移问题，跟踪准确性低。

发明内容

基于此，有必要针对传统运动目标跟踪方法存在的跟踪效率低、跟踪准确 性低的问题，提供一种快速且准确有效的视频中运动目标的跟踪方法及装置。

一种视频中运动目标的跟踪方法，包括以下步骤：

计算第一视角下的视频中的当前帧的运动目标的遮挡率；

根据运动目标的遮挡率计算时空上下文模型的学习速率，并根据学习速率更 新运动目标的时空上下文模型；

获取当前帧中的运动目标的图像特征值，根据图像特征值更新运动目标的 上下文先验模型；

对更新后的时空上下文模型和上下文先验模型进行卷积运算，得到第一视 角下的视频中的下一帧的运动目标的跟踪位置。

上述视频中运动目标的跟踪方法，通过计算第一视角下的视频中的当前帧 的运动目标的遮挡率计算时空上下文模型的学习速率，并根据学习速率更新运动 目标的时空上下文模型；再根据图像特征值更新运动目标的上下文先验模型； 根据更新后的时空上下文模型和上下文先验模型进行卷积运算，得到第一视角 下的视频中的下一帧的运动目标的跟踪位置。上述视频中运动目标跟踪方法通 过更新运动目标的时空上下文模型上下文先验模型即可实现下一帧运动目标的 跟踪定位，只要进行模型更新即可，不需要一直学习新的模型，有效降低了计 算复杂度，有效提升跟踪效率，并且，上述视频中运动目标的跟踪方法根据运 动目标的遮挡情况动态确定时空上下文模型的学习速率以更新时空上下文模型， 能够避免运动目标被其它物体遮挡时学习到错误的模型，有效避免出现跟踪漂 移，大大提高跟踪准确性。

在其中一个实施例中，计算第一视角下的视频中的当前帧的运动目标的遮 挡率的步骤包括：

检测当前帧的不同的运动目标的跟踪框之间是否包括交点；

当不同的运动目标的跟踪框之间包括交点时，计算不同的运动目标的跟踪 框之间重叠部分的长度和宽度，并根据长度和宽度计算运动目标发生遮挡的遮 挡面积；

获取预先存储的运动目标的跟踪框面积，计算运动目标的遮挡率为遮挡面 积与跟踪框面积的比值。

在其中一个实施例中，采用以下公式计算学习速率：

其中：

e为自然对数；

ΔS为运动目标的遮挡率；

k、均为常参数。