[发明专利]对ECO跟踪框的抖动性进行改进的目标跟踪方法及装置

权利要求书

1.一种对ECO跟踪框的抖动性进行改进的目标跟踪方法，其特征在于，包括以下步骤：

S1、读取视频或图像序列的第一帧图像，确定跟踪目标框；

S2、将第一帧图像的目标框作为样本放入ECO算法训练相关滤波器；同时根据第一帧图像和对应的目标位置，学习STC算法对应的时空上下文模型；

S3、读取下一帧图像，分别利用ECO算法和STC算法计算当前帧的目标框；

S4、计算步骤S3得到的两个目标框对应的IOU，如果IOU大于某个特定的阈值，则使用STC算法计算的目标框作为当前帧的跟踪结果，否则使用ECO算法计算的目标框作为当前帧的跟踪结果；

S5、利用当前帧的目标框更新ECO算法的相关滤波器以及STC算法的时空上下文模型；

重复步骤S3-S5，直到视频或图像序列跟踪完毕。

2.如权利要求1所述的对ECO跟踪框的抖动性进行改进的目标跟踪方法，其特征在于，所述步骤S2中根据第一帧图像和对应的目标位置，学习STC算法对应的时空上下文模型具体包括：

时空上下文模型描述的是条件概率函数，模型如下：

P(x|c(z),o)＝h^stc(x-z)

其中，h^stc(x-z)是一个关于目标x和局部上下文位置z的相对距离和方向的函数，它编码了目标和它的空间上下文的空间关系，其中c是目标位置x似然的置信图，如下：

c(x)＝P(x|o)

利用第一帧图像的置信度图c(x)以及先验概率p(c(z)|o)，求得时空上下文模型P(x|c(z),o)。

3.如权利要求1所述的对ECO跟踪框的抖动性进行改进的目标跟踪方法，其特征在于，所述步骤S3中利用STC算法计算当前帧的目标框具体包括：利用STC算法的时空上下文模型计算得到当前帧的置信度图，找到置信度最大的位置作为目标位置。

4.如权利要求1所述的对ECO跟踪框的抖动性进行改进的目标跟踪方法，其特征在于，所述步骤S5中利用步骤S4的跟踪结果对应的目标框更新STC算法的时空上下文模型，具体包括：

利用步骤S4的跟踪结果对应的目标框学习时空上下文模型，然后加权更新上一帧学习得到的时空上下文模型，如下：

5.如权利要求1所述的对ECO跟踪框的抖动性进行改进的目标跟踪方法，其特征在于，所述步骤S4中某个特定的阈值为0.7。

6.一种对ECO跟踪框的抖动性进行改进的目标跟踪装置，其特征在于，包括：

跟踪目标确定模块，用于读取视频或图像序列的第一帧图像，确定跟踪目标框；

滤波器训练以及模型学习模块，用于将第一帧图像的目标框作为样本放入ECO算法训练相关滤波器；同时根据第一帧图像和对应的目标位置，学习STC算法对应的时空上下文模型；

目标框计算模块，用于读取下一帧图像，分别利用ECO算法和STC算法计算当前帧的目标框；

跟踪结果确定模块，用于计算目标框计算模块得到的两个目标框对应的IOU，如果IOU大于某个特定的阈值，则使用STC算法计算的目标框作为当前帧的跟踪结果，否则使用ECO算法计算的目标框作为当前帧的跟踪结果；

算法更新模块，用于利用当前帧的目标框更新ECO算法的相关滤波器以及STC算法的时空上下文模型；

循环控制模块，用于控制目标框计算模块、跟踪结果确定模块以及算法更新模块循环执行，直到视频或图像序列跟踪完毕。