[发明专利]动态目标跟踪方法、装置及存储介质

说明书

技术领域

本发明涉及计算机图像处理领域，尤其是一种动态目标跟踪方法、装置及存储介质。

背景技术

随着计算机硬件和图像处理技术的发展，动态物体的跟踪技术已经广泛应用到了民生的各种领域。例如在智能交通领域用于控制交通流量、检测车辆异常行为、监控交通事故、判定行人行为等.或者在视频监控中用于自动识别不同物体，分析抽取视频源中关键有用信息，快速准确的定位事故现场，判断监控画面中的异常情况，并以最快和最佳的方式发出警报或触发其它动作，从而有效进行事前预警。动态跟踪技术更广泛的应用于医学图像、视觉重构、自主导航、视觉控制等领域。

当前流行的动态跟踪技术主要有vibe，KLT，TLD等，其中vibe在处理相应速度上具有很大的优势，但是跟踪效果不够理想。KLT和TLD都采取了自我学习的机制，不断更新跟踪过程中的样本，从而大大提高了跟踪的持续性和准确性。但是由于学习机制使用的方法比较复杂，处理时间太长，实时性有待进一步改善。另外在运动物体遇到遮挡的时候，往往容易丢失跟踪目标。

因此，如何提高跟踪处理速度和目标遮挡问题是跟踪动态物体亟待解决的问题。

发明内容

鉴于以上内容，有必要提供一种动态目标跟踪方法、装置及存储介质，旨在改善目标跟踪的准确度。

本发明提供了一种动态目标跟踪方法，包括如下步骤：

从载入的视频获取第一帧图像，在所述第一帧图像中确定目标框的坐标位置；

在所述第一帧图像的目标框选取若干离散点，其中，所述离散点的坐标位置为第一位置，通过光流法前向跟踪所述离散点在所述第二帧图像中的位置，然后根据所述离散点在所述第二帧图像中的位置通过光流法后向跟踪所述离散点在所述第一帧图像中的位置为第二位置，其中，所述第一帧图像沿所述视频的时间轴方向位于所述第二帧图像之前；

如果所述第一位置和所述第二位置之间的距离小于一预设值，则根据所述第一帧图像的目标框通过所述光流法获取所述目标框在所述第二帧图像中的坐标位置。

进一步，在所述第一帧图像中确定目标框的坐标位置后，还包括：根据所述第一帧图像中的目标框的坐标位置通过滤波方法预测第二帧图像中的目标框的重心位置；

在根据所述第一帧图像的目标框通过所述光流法获取所述目标框在所述第二帧图像中的坐标位置之后，还包括根据所述重心位置和所述目标框在所述第二帧图像中的坐标位置调整所述目标框在所述第二帧图像中的坐标位置。

进一步，所述滤波方法为卡尔曼滤波，包括如下步骤：

使用所述第一帧图像中的目标框重心位置x(t)、速度v(t)、加速度a(t)建立所述目标框的运动关系式如下：

x'(t)＝v(t)

v'(t)＝a(t)

a(t)＝n_a(t)

y(t)＝x(t)+n_y(t)

其中，n_a(t)，n_y(t)为所述目标框的运动随机特性的参量，x'(t)为x(t)的导数，v'(t)为v(t)的导数；

根据离散模型建立所述目标框的运动关系式如下：

x(t+1)＝x(t)+v(t)T+0.5a(t)T²

v(t+1)＝v(t)+a(t)T

a(t+1)＝a(t)+n_a(t)

y(t)＝x(t)+n_y(t)

建立所述目标框的过程方程X(t+1)和观测方程Y(t)如下：

X(t+1)＝F(t+1,t)X(t)+V₁(t)

Y(t)＝C(t)X(t)+V₂(t)

其中，

根据所述目标框在所述第一帧图像中的坐标位置，根据所述过程方程和观测方程获取所述第二帧图像内的目标框的重心位置。

进一步，在所述第一帧图像中确定目标框的坐标位置后，还包括：将所述第一帧图像灰度化，在所述第一帧图像内的目标框周围以预设方式选取若干第一样本框；

在根据所述重心位置和所述目标框在所述第二帧图像中的坐标位置调整所述目标框在所述第二帧图像中的坐标位置后，还包括：

根据所述第二帧图像中调整后的目标框以所述预设方式选取与所述第一样本框对应的第二样本框；

比较所述第一样本框和第二样本框之间的相似度，若所述相似度在一相似度阈值内，则确定所述第二帧图像内的目标框合格。