[发明专利]用于跟踪目标的方法和装置

说明书

本申请实施例公开了用于跟踪目标的方法和装置。该方法的一具体实施方式包括：对采集的当前帧图像进行目标检测，确定跟踪目标；提取当前帧图像的可积分特征，以及计算可积分特征的积分图；确定跟踪目标在当前帧图像中的感兴趣区域；从积分图中提取感兴趣区域的横向特征积分和纵向特征积分；基于感兴趣区域的横向特征积分和纵向特征积分对跟踪目标进行跟踪，得到跟踪目标在当前帧图像中的位置。该实施方式将跟踪目标的二维特征转化为两个一维特征，基于两个一维特征进行目标跟踪，将跟踪算法的计算量下降一个数量级，降低了跟踪算法的复杂度。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于跟踪目标的方法和装置。

背景技术

视觉目标跟踪是计算机视觉中的一个重要研究方向，有着广泛的应用。例如，视频监控、人机交互、无人驾驶等。过去几十年视觉目标跟踪技术取得了长足的进步，特别是最近几年利用深度学习的目标跟踪方法取得了令人满意的效果，使目标跟踪技术获得了突破性的进展。

目前，常用的目标跟踪方法是提取二维HOG(Histogram of Oriented Gradient，方向梯度直方图)特征，利用跟踪算法实现目标跟踪。然而，基于二维特征的跟踪算法复杂度较高。

发明内容

本申请实施例提出了用于跟踪目标的方法和装置。

第一方面，本申请实施例提出了一种用于跟踪目标的方法，包括：对采集的当前帧图像进行目标检测，确定跟踪目标；提取当前帧图像的可积分特征，以及计算可积分特征的积分图；确定跟踪目标在当前帧图像中的感兴趣区域；从积分图中提取感兴趣区域的横向特征积分和纵向特征积分；基于感兴趣区域的横向特征积分和纵向特征积分对跟踪目标进行跟踪，得到跟踪目标在当前帧图像中的位置。

在一些实施例中，提取当前帧图像的可积分特征，包括：使用canny算子从当前帧图像中提取边缘特征。

在一些实施例中，使用canny算子从当前帧图像中提取边缘特征，包括：使用对角线将当前帧图像划分为四个三角形图像块；对四个三角形图像块中下方的三角形图像块求梯度阈值，以及基于梯度阈值对当前帧图像进行二值化，确定当前帧图像中的边缘点。

在一些实施例中，确定跟踪目标在当前帧图像中的感兴趣区域，包括：根据跟踪目标在当前帧图像的上一帧图像中的区域，确定跟踪目标在当前帧图像中的感兴趣区域，其中，感兴趣区域以跟踪目标在上一帧图像中的区域中心为中心，尺寸为跟踪目标在上一帧图像中的区域尺寸的预设倍。

在一些实施例中，基于感兴趣区域的横向特征积分和纵向特征积分对跟踪目标进行跟踪，得到跟踪目标在当前帧图像中的位置，包括：获取上一帧图像对应的积分图中的跟踪目标的横向特征积分和纵向特征积分；利用跟踪算法，根据跟踪目标的横向特征积分和纵向特征积分，以及感兴趣区域横向特征积分和纵向特征积分计算跟踪目标在横向和纵向上的位置，组合得到跟踪目标在当前帧图像中的位置。

在一些实施例中，该方法还包括：根据跟踪目标在当前帧图像中的位置更新跟踪目标的特征模板。

第二方面，本申请实施例提出了一种用于跟踪目标的装置，包括：检测单元，被配置成对采集的当前帧图像进行目标检测，确定跟踪目标；第一提取单元，被配置成提取当前帧图像的可积分特征，以及计算可积分特征的积分图；确定单元，被配置成确定跟踪目标在当前帧图像中的感兴趣区域；第二提取单元，被配置成从积分图中提取感兴趣区域的横向特征积分和纵向特征积分；跟踪单元，被配置成基于感兴趣区域的横向特征积分和纵向特征积分对跟踪目标进行跟踪，得到跟踪目标在当前帧图像中的位置。

在一些实施例中，第一提取单元包括：提取子单元，被配置成使用canny算子从当前帧图像中提取边缘特征。

在一些实施例中，提取子单元进一步被配置成：使用对角线将当前帧图像划分为四个三角形图像块；对四个三角形图像块中下方的三角形图像块求梯度阈值，以及基于梯度阈值对当前帧图像进行二值化，确定当前帧图像中的边缘点。