[发明专利]目标跟踪方法、装置、计算机设备和存储介质

权利要求书

1.一种目标跟踪方法，应用于ARM嵌入式平台，其特征在于，所述方法包括：

将前一中心点作为当前中心点；其中，所述当前中心点为当前帧图像中跟踪目标的位置中心点，所述前一中心点为前一帧图像中所述跟踪目标的位置中心点；

根据所述当前中心点，分别按照原尺度、大尺度和小尺度，并行获取不同尺度下对应所述当前帧图像中区域的原尺度目标模板、大尺度目标模板和小尺度目标模板；

分别根据所述原尺度目标模板、所述大尺度目标模板和所述小尺度目标模板，与所述前一帧图像的前一目标模板和前一分类器回归系数，得到原尺度峰值响应数据、大尺度峰值响应数据和小尺度峰值响应数据；

获取所述原尺度峰值响应数据、所述大尺度峰值响应数据和所述小尺度峰值响应数据中的峰值最大值，并根据所述峰值最大值得到所述当前帧图像中所述跟踪目标的当前目标位置。

2.根据权利要求1所述方法，其特征在于，所述方法还包括：

对所述当前目标位置提取特征，并和汉宁窗口相乘，得到当前目标模板；

根据所述当前目标模板的当前自相关高斯核和高斯矩阵，得到下一帧图像对应的下一分类器回归系数；其中，所述高斯矩阵根据初始化模板的尺度得到。

3.根据权利要求1所述方法，其特征在于，当所述当前帧图像为第二帧图像时，则所述前一帧图像为第一帧图像，所述将前一中心点作为当前中心点之前，包括：

根据初始化模板的尺度和所述第一帧图像中感兴趣区域，得到初始化区域；

根据初始化特征和所述初始化模板对应的汉宁窗口得到所述第一帧图像的第一帧目标模板；其中，所述初始化特征为对所述初始化区域进行特征提取得到的；

根据所述第一自相关高斯核和所述高斯矩阵得到所述第一分类器回归系数；其中，所述第一自相关高斯核为根据所述第一目标模板得到的，所述高斯矩阵为根据所述初始化模板的尺度得到的。

4.根据权利要求1所述的方法，其特征在于，所述根据所述当前中心点，分别按照原尺度、大尺度和小尺度，并行获取不同尺度下对应所述当前帧图像中区域的原尺度目标模板、大尺度目标模板和小尺度目标模板，包括：

以所述当前中心点作为所述跟踪目标在所述当前图像中候选区域的中心点，获取与所述初始化模板的尺度相同的原尺度候选区域；

对所述原尺度候选区域提取特征，得到所述原尺度目标模板；

以所述当前中心点作为所述跟踪目标在所述当前图像中候选区域的中心点，获取大于所述初始化模板的尺度的大尺度候选区域；

对所述大尺度候选区域提取特征，得到所述大尺度目标模板；

以所述当前中心点作为所述跟踪目标在所述当前图像中候选区域的中心点，获取小于所述初始化模板的尺度的小尺度候选区域；

对所述小尺度候选区域提取特征，得到所述小尺度目标模板。

5.根据权利要求1所述的方法，其特征在于，所述分别根据所述原尺度目标模板、所述大尺度目标模板和所述小尺度目标模板，与所述前一帧图像的前一目标模板和前一分类器回归系数，得到原尺度峰值响应数据、大尺度峰值响应数据和小尺度峰值响应数据，包括：

获取所述原尺度目标模板与所述前一目标模板的原尺度互相关高斯核；

根据所述原尺度互相关高斯核和所述前一分类器回归系数，得到所述原尺度峰值响应数据；

获取所述大尺度目标模板与所述前一目标模板的大尺度互相关高斯核；

根据所述大尺度互相关高斯核和所述前一分类器回归系数，得到所述大尺度峰值响应数据；

获取所述小尺度目标模板与所述前一目标模板的小尺度互相关高斯核；

根据所述小尺度互相关高斯核和所述前一分类器回归系数，得到所述小尺度峰值响应数据。