[发明专利]一种基于记忆和多特征融合的目标跟踪方法和装置

说明书

技术领域

本申请实施例涉及图像处理和目标跟踪技术领域，特别一种基于记忆和多特征融合的目标跟踪方法和装置。

背景技术

目标跟踪是一项融合图像处理、模式识别、人工智能及自动控制等多种不同技术的综合性应用技术，广泛应用于各种领域中。目标跟踪是指对图像序列中的运动目标或是特征单一的物体进行检测、识别和跟踪，通过获取跟踪目标的位置、速度等参数或是目标的形状和颜色等特征，对其进一步处理，得到跟踪目标的具体信息，从而实现对跟踪目标的准确跟踪。在进行目标跟踪过程中，由于跟踪目标的变化、外界光线的变化以及障碍物的遮挡等因素，目标跟踪效果较差，当跟踪目标丢失后，很难实现跟踪目标的再匹配。

在众多的目标跟踪算法中，粒子滤波以其对非线性/非高斯系统状态估计的良好适应性而越来越受到关注。由粒子权值的递推公式可知，观测模板与目标模板之间的相似程度直接影响粒子权值的变化。

通常，以颜色直方图为代表的全局特征被用来构建观测模板和目标模板。全局特征对目标区域内所有点的特征进行统计，所以能够一定程度上抑制随机噪声。然而，当目标的外观与背景相似时，或者由尺度变化、光照突变、旋转等引起目标外观发生变化时，单一的全局特征将无法可靠地作为区分目标与背景的依据，从而使粒子跟踪器失效。与全局特征相对应的局部特征则可以一定程度上适应上述情况；但是由于局部特征仅统计目标区域内的一部分特性，也造成局部特征对噪声比较敏感，特别是在复杂场景下，特征点发生误匹配的概率较高。

发明内容

本申请实施例提供了一种基于记忆和多特征融合的目标跟踪方法和装置，旨在应对跟踪过程中出现的目标外观变化和目标外观与背景近似等情况，实现提高目标跟踪过程中的鲁棒性，提高目标跟踪的精度和有效性。

第一方面，本发明提供了一种基于记忆和多特征融合的目标跟踪方法，所述方法包括：

对粒子滤波器和三阶段记忆模板空间进行初始化，其中，所述三阶段记忆模板空间包括瞬时记忆模板空间、短时记忆模板空间和长时记忆模板空间，所述瞬时记忆模板空间采用局部特征激活模板，所述局部特征激活模板由目标区域的局部特征综合而成，所述短时记忆模板空间采用全局特征激活模板，所述全局特征激活模板由目标区域的全部特征综合而成，所述长时记忆模板空间采用全局特征记忆模板，所述全局特征记忆模板由目标曾经出现过的外观组成；

对粒子状态进行转移并计算多特征融合条件下粒子的权重；

对粒子位置进行加权求和，获得目标的估计位置；

根据目标的估计位置，提取目标的全局特征和局部特征，并对所述三阶段记忆模板空间进行更新。

可选的，所述对粒子滤波器和三阶段记忆模板空间进行初始化，具体为：

获取初始目标区域，并采用所述初始目标区域对粒子滤波器的粒子进行初始化；

获取所述初始目标区域的局部特征并将所述初始目标区域的局部特征存储在所述瞬时记忆模板空间；

提取所述初始目标区域的全局特征并将所述初始目标区域的全局特征存储到所述短时记忆模板空间；

对所述长时记忆模板空间的全局特征记忆模板置空。

可选的，所述对粒子状态进行转移并计算多特征融合条件下粒子的权重，具体为：

基于状态转移方程，对粒子状态进行转移；

以当前时刻的粒子位置为中心，获取每一个粒子的观测区域；

获取所述观测区域的全局特征，并计算所述观测区域的全局特征与所述短时记忆模板空间中的全局特征激活模板之间的全局特征相似性系数；

获取所述观测区域的局部特征，并计算所述观测区域的局部特征与所述瞬时记忆模板空间的局部特征激活模板之间的局部特征相似性系数；

根据所述全局特征相似性系数和所述局部特征相似性系数，计算多特征融合条件下粒子的权重。

可选的，所述根据目标的估计位置，提取目标的全局特征和局部特征，并对所述三阶段记忆模板空间进行更新，具体为：

根据目标的估计位置，确定目标区域；

获取所述目标区域的全局特征，并计算所述目标区域的全局特征与所述短时记忆模板空间中的全局特征激活模板之间的相似度；

若所述相似度大于预设的相似度阈值，则确定所述长时记忆模板空间是否存在与所述目标区域匹配的全局特征记忆模板；

若所述长时记忆模板空间存在与所述目标区域匹配的全局特征记忆模板，则利用所述目标区域的全局特征替换与所述目标区域匹配的全局特征记忆模板；