[发明专利]一种对象跟踪方法及装置

说明书

本发明实施例提供了一种对象追踪方法及装置，该方法包括获取当前视频帧的上一视频帧对应的目标粒子集合，从目标粒子集合中采集目标粒子；利用第一对象区域的颜色直方图的像素值分布和第一LBP特征向量，计算第二巴氏系数和第一距离值，获得每个目标粒子的权重；当第二巴氏系数与第一巴氏系数之差小于第一阈值，增大目标粒子的权重系数比值；根据增大后权重系数比值，更新每一目标粒子的权重，再根据每一目标粒子相对于当前视频帧的当前位姿，估计当前视频帧所对应粒子的中心点的位姿，作为跟踪对象的位姿，从而实现对跟踪对象的跟踪。应用本发明实施例提供的方案进行对象跟踪能够在背景和对象有相似的颜色分布或者对象被遮挡时，实现对象跟踪。

技术领域

本发明涉及视觉计算技术领域，特别是涉及一种对象跟踪方法及装置。

背景技术

对象跟踪是视觉计算领域的一个核心问题，其在视频帧监控、交通管制、 人机交互、虚拟现实等领域都有着广阔的应用前景。在视觉计算领域中，对象 跟踪是通过分析采集的反映对象的运动情况的数据，获得对象的位置，进而得 到对象的运动轨迹，是运动对象分析过程的关键环节，属于计算机视觉中的低 层视觉范畴，是对象行为识别和场景理解的基础。

由上述对对象追踪的描述可知，对象跟踪过程中需要确定对象在视频帧流 各帧中的几何状态，这些几何状态包括位置、尺寸以及取向等，由于被跟踪的 对象通常具有不规则的运动,再加上复杂背景的干扰,因此对象跟踪方法面临着 诸多挑战，是计算机视觉领域的研究热点之一。

传统对象跟踪方法包括基于生成式模型的跟踪方法以及基于判别式模型 的跟踪方法。其中，粒子滤波跟踪算法是属于基于生成式模型的跟踪方法的一 种算法，由于该粒子滤波跟踪算法对状态变量没有限制，因此该粒子滤波跟踪 算法可以处理非线性、非高斯问题，适合在复杂环境下对对象进行跟踪，针对 具有非刚体特性的对象(如，行人)和复杂的跟踪环境，具有较好的跟踪效果。

由于粒子滤波跟踪算法具有上述描述的诸多优点，因此该粒子滤波跟踪算 法得到了广泛的应用，例如，现有技术提出一种基于颜色的粒子滤波算法的行 人跟踪方法，该方法具体为：利用第一对象区域的颜色直方图的像素值分布和 每一第二粒子区域的颜色直方图的相似性，实现对每个目标粒子相对于当前视 频帧的权重的更新，利用更新后每个目标粒子的权重和每个目标粒子相对于当 前视频帧的位置，估计行人的当前位置，从而实现行人的跟踪，其中，上述第 一对象区域为上一视频帧中行人所在区域，第二粒子区域为目标粒子对应于当 前视频帧的区域，目标粒子为从预设数量的粒子中按照权重大小选取的粒子。

发明内容

本发明实施例的目的在于提供一种对象跟踪方法及装置，以在背景和对象 有相似的颜色分布或者对象被遮挡时，能够对对象进行跟踪。

具体技术方案如下：

一种对象跟踪方法，所述方法包括：

获取当前视频帧的上一视频帧对应的目标粒子集合，其中，所述目标粒子 集合为：上一视频帧所对应的粒子构成的集合，所述粒子为：粒子滤波跟踪算 法的运算对象；

按照粒子的权重大小，从所述目标粒子集合中采样第一数量个粒子，作为 当前视频帧对应的目标粒子；

利用第一对象区域的颜色直方图的像素值分布和第一LBP特征向量，计 算各个目标粒子对应的第二巴氏系数和第一距离值，其中，所述第一对象区域 为：上一视频帧中所述跟踪对象所在区域，所述第一LBP特征向量为：所述 跟踪对象在上一视频帧中的LBP特征向量，每一目标粒子对应的第二巴氏系 数为：第二粒子区域的颜色直方图的巴氏系数，所述第二粒子区域为：目标粒 子对应于当前视频帧的区域，所述第一距离值为：每一第二LBP特征向量分 别与所述第一LBP特征向量之间的距离，所述第二LBP特征向量为：基于每 一第二粒子区域确定的目标粒子的LBP特征向量；

利用计算得到的第二巴氏系数和所述第一距离值，获得每个目标粒子相对 于当前视频帧的权重；