[发明专利]视频目标跟踪的方法和装置

说明书

技术领域

本发明涉及计算机技术领域，特别是涉及一种视频目标跟踪的方法和装置。

背景技术

目标跟踪技术随着计算机技术的发展已经日臻完善和成熟，一直以来都是计算机视觉、图像处理领域的热点，被广泛应用在智能监控、智能交通、视觉导航、人机交互、国防侦察等领域。

传统的目标跟踪算法通常使用一种或数种简单的传统特征匹配算法来区分目标，如利用图像本身的颜色、形状特征等，对目标人物的遮盖、转向、光照比较敏感，在人体目标跟踪场景下表现不佳。

发明内容

基于此，有必要针对上述技术问题，提供一种视频目标跟踪的方法和装置，提高跟踪的连续性和鲁棒性。

一种视频目标跟踪的方法，所述方法包括：

获取视频流，根据人脸检测算法识别人脸区域，得到第一视频帧对应的第一待跟踪目标；

对所述第一待跟踪目标通过基于深度神经网络的人脸特征提取得到第一人脸特征加入特征库；

在当前视频帧根据人脸检测算法识别人脸区域，得到当前视频帧对应的当前待跟踪目标，对所述当前待跟踪目标通过基于深度神经网络的人脸特征提取得到第二人脸特征，根据所述第二人脸特征和所述特征库将所述当前待跟踪目标与第一待跟踪目标进行特征匹配，以从所述第一视频帧开始跟踪所述第一待跟踪目标，在跟踪过程中根据提取的更新的人脸特征更新所述特征库。

一种视频目标跟踪的装置，所述装置包括：

检测模块，用于获取视频流，根据人脸检测算法识别人脸区域，得到第一视频帧对应的第一待跟踪目标；

人脸特征提取模块，用于对所述第一待跟踪目标通过基于深度神经网络的人脸特征提取得到第一人脸特征加入特征库；

所述检测模块还用于在当前视频帧根据人脸检测算法识别人脸区域，得到当前视频帧对应的当前待跟踪目标；

所述人脸特征提取模块还用于对所述当前待跟踪目标通过基于深度神经网络的人脸特征提取得到第二人脸特征；

跟踪模块，用于根据所述第二人脸特征和所述特征库将所述当前待跟踪目标与第一待跟踪目标进行特征匹配，以从所述第一视频帧开始跟踪所述第一待跟踪目标；

学习模块，用于在跟踪过程中根据提取的更新的人脸特征更新所述特征库。

上述视频目标跟踪的方法和装置，通过获取视频流，根据人脸检测算法识别人脸区域，得到第一视频帧对应的第一待跟踪目标，对第一待跟踪目标通过基于深度神经网络的人脸特征提取得到第一人脸特征加入特征库，在当前视频帧根据人脸检测算法识别人脸区域，得到当前视频帧对应的当前待跟踪目标，对当前待跟踪目标通过基于深度神经网络的人脸特征提取得到第二人脸特征，根据第二人脸特征和所述特征库将当前待跟踪目标与第一待跟踪目标进行特征匹配，以从第一视频帧开始跟踪第一待跟踪目标，在跟踪过程中根据提取的更新的人脸特征更新特征库，通过引用基于深度神经网络的人脸特征进行特征匹配，可解决传统的目标跟踪算法由于没有较好的利用人脸特征，频繁出现跟错、跟偏和跟丢后无法重新正确找回目标的问题，特征库在跟踪过程中不断更新，可保存待跟踪目标在不同状态下对应的不同人脸特征，从而提高人脸特征匹配的成功率，减小目标跟踪过程对目标的变化、倾斜、遮盖、光照变化的敏感度，提高跟踪的连续性和鲁棒性。

附图说明

图1为一个实施例中视频目标跟踪的方法的应用环境图；

图2为一个实施例中图1中终端的内部结构图；

图3为一个实施例中图1中服务器的内部结构图；

图4为一个实施例中视频目标跟踪的方法的流程图；

图5为一个实施例中得到当前待跟踪目标的流程图；

图6为一个实施例中更新特征库的流程图；

图7为一个实施例中本文视频目标跟踪算法与传统模板匹配算法匹配对比示意图；

图8为另一个实施例中得到当前待跟踪目标的流程图；

图9为一个实施例中视频目标跟踪方法对应的目标跟踪系统示意图；

图10为一个具体的实施例中本文视频目标跟踪算法得到的视频跟踪结果示意图；

图11为一个具体的实施例中传统TLD跟踪算法得到的视频跟踪结果示意图；

图12为一个实施例中视频目标跟踪的装置的结构框图；

图13为另一个实施例中视频目标跟踪的装置的结构框图；

图14为一个实施例中检测模块的结构框图。

具体实施方式