CN105447887A - 一种基于历史轨迹的目标跟踪方法及电子设备 - Google Patents

Abstract

本发明公开了一种基于历史轨迹的目标跟踪方法，属于计算机视觉领域。该方法包括：针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置；以及，根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置。本发明通过根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置，从而能够从多个专家跟踪器所输出的跟踪位置中确定目标对象的最佳位置，使得确定的跟踪位置更加准确；同时通过多个专家跟踪器有利于解决跟踪过程中由于背景杂乱、目标对象突然运动以及被遮挡、外形变化等原因造成的跟踪失败的问题。

Description

一种基于历史轨迹的目标跟踪方法及电子设备

技术领域

本发明涉及计算机视觉领域，特别涉及一种基于历史轨迹的目标跟踪方法及电子设备。

背景技术

在对视频中的目标对象进行跟踪的过程中，由于目标对象外形的变化，光照变化，目标对象突然运动、被遮挡，以及背景杂乱等因素影响，使得跟踪器对目标的检测与跟踪的难度增加，往往会造成跟踪失败。

现有技术在对视频中的目标对象进行跟踪的过程中，通过能够迅速的适应目标对象外观变化的在线模型，实现对目标对象的进行跟踪，来避免由于上述问题而导致的跟踪失败。

但是在实际的跟踪场景中，当出现目标对象的外观发生较大的变化、目标对象突然运动、目标对象被严重遮挡以及背景杂乱时，该线性模型会随着时间变化发生漂移，从而导致跟踪结果不准确或者跟踪失败。

发明内容

为了在目标对象外形发生较大的变化、目标对象突然运动、目标对象被遮挡以及背景杂乱光照变化时等跟踪场景中，更加准确的跟踪目标对象，本发明实施例提供了一种基于历史轨迹的目标跟踪方法。所述技术方案如下：

第一方面，提供了一种基于历史轨迹的目标跟踪方法，所述方法包括：

针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置；以及

根据所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定所述目标对象在所述当前帧的最佳位置。

结合第一方面，在第一种可能实现的方式中，所述针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置包括：

获取所述当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置。

结合第一方面，在第二种可能实现的方式中，所述根据所述跟踪位置，确定所述目标对象在所述当前帧的最佳位置包括：

判断所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致；

如果是，则将当前专家跟踪器输出的跟踪位置确定为所述目标对象在所述当前帧的最佳位置，并计算所述当前跟踪器和所述至少一个历史专家跟踪器的跟踪得分；

如果否，则根据所述当前专家跟踪器和所述至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器，以及将所述最佳专家跟踪器输出的跟踪位置确定为所述目标对象在所述当前帧的最佳位置，并使用最佳专家跟踪器替换当前专家跟踪器。

结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，所述判断所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致包括：

对所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置进行聚类处理，获取聚类结果；

如果所述聚类结果超过一个类，则判定不一致；

否则判定一致。

结合第一方面的第二种可能的实现方式，在第四种可能的实现方式中，所述根据所述当前专家跟踪器和所述至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器包括：

计算所述当前专家跟踪器和所述至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分；以及

将所述累计跟踪得分最高的专家跟踪器确定为最佳专家跟踪器。

结合第一方面，在第五种可能的实现方式中，

所述当前专家跟踪器对所述目标对象同时进行尺寸和位移估计。

结合第一方面至第一方面的第五种任一项可能的实现方式，在第六种可能的实现方式中，

所述当前专家跟踪器是基础跟踪器在当前帧的快照；以及

所述至少一个历史专家跟踪器是基础跟踪器在至少一个历史帧的快照。

结合第一方面的第六种可能的实现方式，在第七种可能的实现方式中，

所述基础跟踪器是基于相关滤波的跟踪器。

结合第一方面的第六种可能的实现方式，在第八种可能的实现方式中，

如果所述当前帧满足预设帧间隔，则将当前专家跟踪器加入所述至少一个历史专家跟踪器中，以及如果所述至少一个历史专家跟踪器的数量超过预设阈值，则删除其中最旧的历史专家跟踪器。

结合第一方面的第六种可能的实现方式，在第九种可能的实现方式中，

根据所述当前专家跟踪器，更新基础跟踪器。

第二方面，提供了一种电子设备，所述电子设备包括：

获取模块，用于针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置；以及

确定模块，用于根据所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定所述目标对象在所述当前帧的最佳位置。

结合第二方面，在第一种可能实现的方式中，

所述获取模块用于获取所述当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置。

结合第二方面，在第二种可能的实现方式中，

所述确定模块还包括判断模块和计算模块；

所述判断模块用于判断所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致；

如果判定是，则触发所述确定模块将当前专家跟踪器输出的跟踪位置确定为所述目标对象在所述当前帧的最佳位置，并触发所述计算模块计算所述当前跟踪器和所述至少一个历史专家跟踪器的跟踪得分；

如果判定否，则触发所述确定模块根据所述当前专家跟踪器和所述至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器，以及将所述最佳专家跟踪器输出的跟踪位置确定为所述目标对象在所述当前帧的最佳位置，并使用最佳专家跟踪器替换当前专家跟踪器。

结合第二方面的第二种可能的实现方式，在第三种可能的实现方式中，

所述判断模块还包括聚类模块，用于对所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置进行聚类处理，获取聚类结果；

如果所述聚类结果超过一个类，则所述判断模块判定不一致；

否则所述判断模块判定一致。

结合第二方面的第二种可能的实现方式，在第四种可能的实现方式中，

所述计算模块还用于计算所述当前专家跟踪器和所述至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分；以及

所述确定模块将所述累计跟踪得分最高的专家跟踪器确定为最佳专家跟踪器。

结合第二方面，在第五种可能的实现方式中，

所述当前专家跟踪器对所述目标对象同时进行尺寸和位移估计。

结合第二方面至第二方面的第五种任一项可能的实现方式，在第六种可能的实现方式中，

所述当前专家跟踪器是基础跟踪器在当前帧的快照；以及

所述至少一个历史专家跟踪器是基础跟踪器在至少一个历史帧的快照。

结合第二方面的第六种可能的实现方式，在第七种可能的实现方式中，

所述基础跟踪器是基于相关滤波的跟踪器。

结合第二方面的第六种可能的实现方式，在第八种可能的实现方式中，

所述电子设备还模块设置模块，用于当所述当前帧满足预设帧间隔时，则将当前专家跟踪器加入所述至少一个历史专家跟踪器中，以及当所述至少一个历史专家跟踪器的数量超过预设阈值时，则删除其中最旧的历史专家跟踪器。

结合第二方面的第六种可能的实现方式，在第九种可能的实现方式中，

所述电子设备还包括更新模块，用于根据所述当前专家跟踪器，更新基础跟踪器。

第三方面，提供了一种电子设备，所述电子设备包括存储器以及与所述存储器连接的处理器，其中，所述存储器用于存储一组程序代码，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：

针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置；以及

根据所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定所述目标对象在所述当前帧的最佳位置。

结合第三方面，在第一种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：

获取所述当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置。

结合第三方面，在第二种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：

判断所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致；

如果是，则将当前专家跟踪器输出的跟踪位置确定为所述目标对象在所述当前帧的最佳位置，并计算所述当前跟踪器和所述至少一个历史专家跟踪器的跟踪得分；

如果否，则根据所述当前专家跟踪器和所述至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器，以及将所述最佳专家跟踪器输出的跟踪位置确定为所述目标对象在所述当前帧的最佳位置，并使用最佳专家跟踪器替换当前专家跟踪器。

结合第三方面的第二种可能的实现方式，在第三种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：

对所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置进行聚类处理，获取聚类结果；

如果所述聚类结果超过一个类，则判定不一致；

否则判定一致。

结合第三方面的第二种可能的实现方式，在第四种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：

计算所述当前专家跟踪器和所述至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分；以及

将所述累计跟踪得分最高的专家跟踪器确定为最佳专家跟踪器。

结合第三方面，在第五种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：

所述当前专家跟踪器对所述目标对象同时进行尺寸和位移估计。

结合第三方面至第三方面的第五种任一项可能的实现方式，在第六种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：

所述当前专家跟踪器是基础跟踪器在当前帧的快照；以及

所述至少一个历史专家跟踪器是基础跟踪器在至少一个历史帧的快照。

结合第三方面的第六种可能的实现方式，在第七种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：

所述基础跟踪器是基于相关滤波的跟踪器。

结合第三方面的第六种可能的实现方式，在第八种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：

如果所述当前帧满足预设帧间隔，则将当前专家跟踪器加入所述至少一个历史专家跟踪器中，以及如果所述至少一个历史专家跟踪器的数量超过预设阈值，则删除其中最旧的历史专家跟踪器。

结合第三方面的第六种可能的实现方式，在第九种可能的实现方式中，所述处理器调用所述存储器所存储的程序代码用于执行以下操作：

根据所述当前专家跟踪器，更新基础跟踪器。

本发明实施例提供了一种基于历史轨迹的目标跟踪方法及电子设备。方法包括：针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置；以及，根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置。本发明通过针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置，从而能够获得多个专家跟踪输出的跟踪位置，相较于获得一个专家跟踪器输出一个跟踪位置而言，使得从多个跟踪结果中确定目标对象位置正确的机会远远大于一个跟踪器的跟踪结果，从而提高了跟踪的准确性，同时由多个跟踪器跟踪提高了跟踪的效率；另外，根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置，使得能够从多个专家跟踪器输出的跟踪位置中确定最佳的跟踪位置，从而提高了跟踪的准确性和效率，同时提高了跟踪的稳定性；同时，通过多个专家跟踪器所输出的跟踪位置确定目标对象在当前帧的最佳位置，有利于解决跟踪过程中单个跟踪器由于背景杂乱、目标对象突然运动以及被遮挡、外形变化等原因而跟踪失败的问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于历史轨迹的目标跟踪方法流程图；

图2是本发明实施例提供的一种基于历史轨迹的目标跟踪方法流程图；

图3是本发明实施例提供的一种基于历史轨迹的目标跟踪方法流程图；

图4是本发明实施例提供的一种基于历史轨迹的目标跟踪方法流程图；

图5是本发明实施例提供的一种电子设备结构示意图；

图6是本发明实施例提供的一种电子设备结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种基于历史轨迹的目标跟踪方法，该方法可以应用于电子设备上，该电子设备可以是智能手机(SmartPhone)，平板电脑(TabletComputer)，也可以是个人电脑(PersonalComputer)，还可以是其他电子设备，本发明实施例对具体的电子设备不加以限定。该电子设备通过应用程序中的该跟踪器跟踪视频交互过程中视频画面中的目标对象，也可以通过电子设备中的该跟踪器跟踪视频交互过程中视频画面中的目标对象。该方法还可以应用于视频监控领域中的监控设备，包括摄像机、摄像头等，该监控设备通过该跟踪器跟踪视频图像中的目标对象。

除此之外，该方法还可以应用于其他，本发明实施例对该方法具体的应用不加以限定。

本发明中所提供的方法应用于一种跟踪器，该跟踪器将基于相关滤波的跟踪器作为基础跟踪器，并通过跟踪结果不断更新基础跟踪器的参数，同时将在至少一个预设帧间隔更新获得的多个跟踪器作为至少一个专家跟踪器，该基础跟踪器和至少一个专家跟踪器组成专家跟踪器集合，以便利用该专家跟踪器集合来跟踪目标对象。

实施例一

本发明实施例提供了一种基于历史轨迹的目标跟踪方法，参照图1所示，方法流程包括：

101、针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置。

当前专家跟踪器是基础跟踪器在当前帧的快照；以及

至少一个历史专家跟踪器是基础跟踪器在至少一个历史帧的快照。

其中，基础跟踪器是基于相关滤波的跟踪器。

具体的，该过程可以包括：

获取当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置。

除了上述方式之外，还可以通过其他方式实现针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置的过程，本发明实施例对具体的方式不加以限定。

102、根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置。

具体的，判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致；

如果是，则将当前专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置，并计算当前跟踪器和至少一个历史专家跟踪器的跟踪得分；

如果否，则根据当前专家跟踪器和至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器，以及将最佳专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置，并使用最佳专家跟踪器替换当前专家跟踪器。

其中，判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致包括：

对当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置进行聚类处理，获取聚类结果；

如果聚类结果超过一个类，则判定不一致；

否则判定一致。

其中，根据当前专家跟踪器和至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器包括：

计算当前专家跟踪器和至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分；以及

将累计跟踪得分最高的专家跟踪器确定为最佳专家跟踪器。

可选的，当前专家跟踪器对目标对象同时进行尺寸和位移估计。

可选的，方法还包括：

如果当前帧满足预设帧间隔，则将当前专家跟踪器加入至少一个历史专家跟踪器中，以及如果至少一个历史专家跟踪器的数量超过预设阈值，则删除其中最旧的历史专家跟踪器。

可选的，该方法还包括：

根据当前专家跟踪器，更新基础跟踪器。

本发明实施例提供了一种基于历史轨迹的目标跟踪方法，通过针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置，从而能够获得多个专家跟踪输出的跟踪位置，相较于获得一个专家跟踪器输出一个跟踪位置而言，使得从多个跟踪结果中确定目标对象位置正确的机会远远大于一个跟踪器的跟踪结果，从而提高了跟踪的准确性，同时由多个跟踪器跟踪提高了跟踪的效率；另外，根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置，使得能够从多个专家跟踪器输出的跟踪位置中确定最佳的跟踪位置，从而提高了跟踪的准确性和效率，同时提高了跟踪的稳定性；同时，通过多个专家跟踪器所输出的跟踪位置确定目标对象在当前帧的最佳位置，有利于解决跟踪过程中单个跟踪器由于背景杂乱、目标对象突然运动以及被遮挡、外形变化等原因而跟踪失败的问题。

实施例二

本发明实施例提供了一种基于历史轨迹的目标跟踪方法，参照图2所示，方法流程包括：

201、针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置。

当前专家跟踪器是基础跟踪器在当前帧的快照；以及

至少一个历史专家跟踪器是基础跟踪器在至少一个历史帧的快照。

其中，基础跟踪器是基于相关滤波的跟踪器。

具体的，该过程可以包括：

获取当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置。

除了上述方式之外，还可以通过其他方式实现针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置的过程，本发明实施例对具体的方式不加以限定。

202、判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致，如果是，则执行步骤203至步骤204；如果否，则执行步骤205至步骤207。

具体的，对当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置进行聚类处理，获取聚类结果；

如果聚类结果超过一个类，则判定不一致，执行步骤203至步骤204；

否则判定一致，执行步骤205至步骤207。

除了上述方式之外，还可以通过其他方式判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致，本发明实施例对具体的方式不加以限定。

203、将当前专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置。

204、计算当前跟踪器和至少一个历史专家跟踪器的跟踪得分。

需要说明的是，步骤203和步骤204可以是按照上述步骤执行，也可以是同时执行的，本发明实施例对具体的步骤203和步骤204的执行顺序不加以限定。

205、根据当前专家跟踪器和至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器。

具体的，计算当前专家跟踪器和至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分；以及

将累计跟踪得分最高的专家跟踪器确定为最佳专家跟踪器。

需要说明的是，在执行计算当前专家跟踪器和至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分时，包括计算当前跟踪器和至少一个历史专家跟踪器在当前帧的跟踪得分。

除了上述方式之外，还可以通过其他方式实现根据当前专家跟踪器和至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器的过程，本发明实施例对具体的方式不加以限定。

206、将最佳专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置。

207、使用最佳专家跟踪器替换当前专家跟踪器。

需要说明的是，步骤206和步骤207可以是按照上述步骤执行，也可以是同时执行的，还可以是先执行步骤207，在执行步骤206，本发明实施例对具体的步骤206和步骤207的执行顺序不加以限定。

可选的，当前专家跟踪器对目标对象同时进行尺寸和位移估计。

可选的，方法还包括：

如果当前帧满足预设帧间隔，则将当前专家跟踪器加入至少一个历史专家跟踪器中，以及如果至少一个历史专家跟踪器的数量超过预设阈值，则删除其中最旧的历史专家跟踪器。

可选的，方法还包括：

根据当前专家跟踪器，更新基础跟踪器。

本发明实施例提供了一种基于历史轨迹的目标跟踪方法，通过针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置，从而能够获得多个专家跟踪输出的跟踪位置，相较于获得一个专家跟踪器输出一个跟踪位置而言，使得从多个跟踪结果中确定目标对象位置正确的机会远远大于一个跟踪器的跟踪结果，从而提高了跟踪的准确性，同时由多个跟踪器跟踪提高了跟踪的效率；另外，根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置，使得能够从多个专家跟踪器输出的跟踪位置中确定最佳的跟踪位置，从而提高了跟踪的准确性和效率，同时提高了跟踪的稳定性；同时，通过多个专家跟踪器所输出的跟踪位置确定目标对象在当前帧的最佳位置，有利于解决跟踪过程中单个跟踪器由于背景杂乱、目标对象突然运动以及被遮挡、外形变化等原因而跟踪失败的问题。

实施例三

本发明实施例提供了一种基于历史轨迹的目标跟踪方法，参照图3所示，方法流程包括：

301、获取当前专家跟踪器以及至少一个历史专家跟踪器的响应图。

当前专家跟踪器是基础跟踪器在当前帧的快照；以及至少一个历史专家跟踪器是基础跟踪器在至少一个历史帧的快照。

其中，基础跟踪器是基于相关滤波的跟踪器。

该响应图为当前专家跟踪器以及至少一个历史专家跟踪器基于相关滤波的输出图。

具体的，该当前专家跟踪器以及至少一个历史专家跟踪在跟踪检测过程分别计算相关滤波器的输出图，可以通过以下方式获取该输出图：

在每个专家跟踪器对应的图像中确定大小为M*N的候选区域Z，该区域的中心为上一帧检测到的目标对象所在的位置，该输出图可以通过预设公式计算获取，该预设公式可以为：

其中，是逆傅里叶变换，表示参数和参数按位相乘。

预设公式(1)中的参数可在跟踪过程中计算得出，而参数可以通过如下方式训练获取：

基础跟踪器将所有循环位移的图像块作为训练样本，利用脊回归模型学习目标内容的相关性。

利用该基础跟踪器在一个M×N的图像x中对目标对象的外观进行建模，其中图像块的中心为当前目标对象的位置，通过找到一个分类器来预测某个图像块为目标的概率，该分类器利用图像x的所有循环位移版本x_i，其中，i∈{0，...，M-1}×{0，...，N-1}，对每一个训练样本分配一个类标y_i，该类标可以由高斯函数产生，考虑到循环位移的大小，其中，位移为0时，y_i＝1，位移越大，y_i越小，训练的目标是最小化回归误差：

$\underset{w}{\min }\underset{i}{\&Sigma;}{\left(<w,\mathrm{\&phi;}\left(x_i\right)>-y_i\right)}^2+\mathrm{\&lambda;}\left|\right|w|{|}^2$

其中，φ是到核空间的映射，而λ则用来控制正则化项的权重，防止过拟合。利用核技术，w可以被标记为所有训练样本的线性组合，根据公式获得，其中α是w在对偶空间的系数，给定一个核函数κ(x,x')＝<φ(x),φ(x')>，分类器可以表示为：

f(x)＝∑_iα_iκ(x_i，x)

所以，对于w的优化问题可以转化为对于α的问题，用“＾”来表示一个变量的离散傅里叶变换，对于一个酉不变的核，α可以用如下公式计算：

$\widehat{\mathrm{\&alpha;}}=\frac{\hat{y}}{{\hat{k}}^{xx}+\mathrm{\&lambda;}}$

其中为核相关矩阵的离散傅里叶变换，其中的第i项等于κ(x_i,x)，这个核相关矩阵可以快速的在傅里叶域中计算。

具体的，对于一个高斯核，当输入的图像x具有多个频道(多维特征)，如C个频道，其可以被串接起来，如x＝[x₁，...，x_c]，那么相关核矩阵可以由下面等式计算：

其中，是逆傅里叶变换，表示相应参数相乘，表示的共轭矩阵。

可选的，为了去除在傅里叶变换中边界不连续的问题，对每一个输入的特征频道施加了一个余弦窗的计算，为了适应目标外观的变化，采用的线性差值的方法对跟踪器的参数α和x进行更新：

$\begin{array}{c}{\widehat{\mathrm{\&alpha;}}}^t=\left(1-\mathrm{\&gamma;}\right){\widehat{\mathrm{\&alpha;}}}^{t-1}+\mathrm{\&gamma;}\widehat{\mathrm{\&alpha;}}\\ {\hat{x}}^t=\left(1-\mathrm{\&gamma;}\right){\hat{x}}^{t-1}+\mathrm{\&gamma;}\hat{x}\end{array}$

其中，γ表示学习率参数。

因为基于相关滤波的跟踪器在一些公开数据集和基准库的验证中相较于其他基础跟踪器取得了较好的成绩，本发明实施例将基于相关滤波的跟踪器设置为基础跟踪器，有利于提高跟踪的准确性，同时降低了计算的复杂度；同时，在对目标对象进行建模时将所有循环位移的图像块作为训练样本，与传统的二类分类器相比，利用回归模型有利于输出具有较少模糊性的输出图，从而更加适用于本发明所提供的跟踪方法，从而进一步提供了跟踪的准确性和效率，进一步降低了计算的复杂度。

302、将响应图的最大值对应的位置确定为目标对象的跟踪位置。

具体的，将该当前跟踪器以及至少一个历史专家跟踪器在跟踪检测过程分别计算相关滤波器的输出图的最大值对应的位置确定为每个专家跟踪器输出的目标对象的跟踪位置，公式(1)中f(z)的最大值所对应的位置即为目标对象的跟踪位置。

需要说明的是，步骤301至步骤302是实现获取当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置的过程，除了上述方式之外，还可以通过其他方式实现该过程，本发明实施例对具体的方式不加以限定。

需要说明的是，获取当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置的过程，是实现获取当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置的过程，除了上述方式之外，还可以通过其他方式实现该过程，本发明实施例对具体的方式不加以限定。

303、判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致，如果是，则执行步骤304至步骤305；如果否，则执行步骤306至步骤309。

具体的，对当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置进行聚类处理，获取聚类结果；

如果聚类结果超过一个类，则判定不一致，执行步骤304至步骤305；

否则判定一致，执行步骤306至步骤309。

除了上述方式之外，还可以通过其他方式判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致，本发明实施例对具体的方式不加以限定。

其中，该当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置一致可以是位置完全一致，也可以是在预设误差范围内位置一致；该多个专家跟踪器分别输出的最佳位置不一致可以是位置完全不一致，也可以是因为超出预设误差范围而导致的位置不一致，除此之外，还可以通过其他方式表示位置一致与不一致，本发明实施例对具体的方式不加以限定。

通过判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的目标对象的跟踪位置是否一致，通过多个跟踪器确定目标对象的位置，能够更加准确的确定跟踪的目标对象的位置，从而进一步提高了跟踪的效率和准确性。

304、将当前专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置。

具体的，将根据当前专家跟踪器输出的跟踪位置选定为，当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置中的目标对象在当前帧的最佳位置。

本发明实施例对具体的确定方式不加以限定。

305、计算当前跟踪器和至少一个历史专家跟踪器的跟踪得分。

跟踪得分表示专家跟踪器跟踪的优劣。

具体的，根据预设公式计算当前跟踪器和至少一个历史专家跟踪器的跟踪器的得分，该跟踪得分可以用表示，其中，该预设公式如下：

其中，表示轨迹一致性分数的自然对数，表示熵正则化项，标量η表示正则化系数，用来控制轨迹一致性分数的自然对数和熵正则化项之间的权重。

公式(2)中的获取方式可以为：

获取轨迹一致性分数，该轨迹一致性分数可以表示为该过程可以为：

用表示专家跟踪器所输出的目标对象的跟踪框的中心位置，则该专家跟踪器从t₁时刻到t₂时刻的轨迹可以标记为：

利用位置相似性来测量轨迹的一致性，若给定两段分别由专家跟踪器和专家跟踪器确定的轨迹，他们在t时刻的位置相似性可以表示为：

若有n个专家跟踪器，则在t时刻，专家跟踪器的轨迹一致性分数为其相对于其他所有专家跟踪器的位置相似性的平均值，可以通过以下公式计算：

对取自然对数，即可获取表示为：

因为轨迹分析是跟踪中的一种有效确定目标的方法，通过轨迹分析获取轨迹与其他多个专家跟踪器的轨迹更加一致的专家跟踪器，表示该专家跟踪器更优，所以使用轨迹一致性分数能够表示该轨迹与其他多个专家跟踪器的轨迹的一致性；轨迹一致性的分数越高则表示对应的专家跟踪器相较于其他多个专家跟踪器的轨迹更加一致，所以可以通过轨迹一致性的分数表示专家跟踪器的优劣，使得倾向于选择轨迹与其他专家跟踪器轨迹更加一致的专家，从而通过轨迹一致性分数计算专家跟踪器的分数，使得得到的分数更加准确，更加能够表示专家跟踪器的得分，从而通过该方法进行跟踪进一步提高了跟踪的准确性和效率，降低了计算的复杂度。

公式(2)中可以通过以下公式获得：

其中，表示概率项，X＝{x₁，x₂，...，x_n}是由该多个专家跟踪器组成的专家集合E确定的一些可能的目标候选的集合，每一个x_i是在搜索窗口中选取的某个图像位置对应的图像块，对它赋予一个类标l_i∈{1，-1}用来标记它为前景(目标对象)或是背景。这些目标候选的位置在空间上是分散分布的，并且不会有很大的重合，假设在这些候选中有一个样本为真实的目标，因此，真实的类标分配Y＝{l₁，l₂，...，l_n)属于类标分配集合Z＝{Y¹，Y²，...，Yⁿ},对于每一个元素Y^j只有当i＝j，其余的i≠j，代表着在X中只有一个样本为真实的目标。由于目标候选之间并没有大范围的重合，可以假设专家跟踪器对他们的决策是相互独立的，因此，在熵中的概率项可以如下计算：

因为熵正则化项描述了跟踪器对于目标候选集决策的模糊性，所以在计算每个专家跟踪器时加入此先验，使得确定的结果更加倾向于选择对类标集合Z具有较少模糊性的跟踪器，虽然轨迹一致性在专家跟踪器得分中具有重要的作用，但该熵正则化项能够作为补充，从而使得加入该熵正则化项计算专家跟踪器的得分更加准确，更加适用于本发明所提供的跟踪方法，从而进一步提供了跟踪的准确性，降低了计算的复杂度。

其中，在公式(3)中，获取目标候选集X的方式如下：

A、设置选取目标候选集X的预设阈值；

B、获取该多个专家跟踪器的输出图中大于预设阈值的专家跟踪器的输出图；

C、在该输出图中获取所有目标图像块，对目标图像块进行聚类。

聚类的方法：如果这些目标图像块距离小于预设值，则获取这些样本的平均位置，作为跟踪目标的位置。

需要说明的是，步骤304和步骤305可以是按照上述步骤执行，也可以是同时执行的，本发明实施例对具体的步骤304和步骤305的执行顺序不加以限定。

需要说明的是，步骤304和步骤305可以是按照上述步骤执行，也可以是同时执行的，本发明实施例对具体的步骤304和步骤305的执行顺序不加以限定。

306、计算当前专家跟踪器和至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分。

具体的，先根据步骤305中公式(2)计算当前专家跟踪器和至少一个历史专家跟踪器在当前帧的跟踪得分；

再分别计算当前专家跟踪器和至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分，该累计跟踪得分可以通过以下公式：

其中，表示专家跟踪器在t∈[T-Δ，T]的时间段内的得分总分，表示专家跟踪器在时刻t时的得分。

307、将累计跟踪得分最高的专家跟踪器确定为最佳专家跟踪器。

具体的，通过以下公式确定累计跟踪得分最高的专家跟踪器：

其中，表示当前专家跟踪器和至少一个历史专家跟踪器中在t∈[T-Δ，T]时间段内得分最高的专家跟踪器，E表示当前专家跟踪器和至少一个历史专家跟踪器的集合。

需要说明的是，步骤306至步骤307是实现根据当前专家跟踪器和至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器的过程，除了上述方式之外，还可以通过其他方式实现该过程，本发明实施例对具体的方式不加以限定。

通过计算当前专家跟踪器和至少一个历史专家跟踪器包括当前帧的预设时间段内的累计跟踪得分，以确定最佳专家，相较于通过专家跟踪器在一个时刻的得分来说，通过跟踪得分确定的最佳专家更加可靠，排除了有些专家跟踪器有时得分很好而有时得分很低的情况，同时，通过总分能够反映跟踪器的稳定性，从而进一步提高了跟踪的准确性和效率。

308、将最佳专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置。

本发明实施例对具体的确定方式不加以限定。

309、使用最佳专家跟踪器替换当前专家跟踪器。

本发明实施例对具体的替换方式不加以限定。

需要说明的是，步骤308和步骤309可以是按照上述步骤执行，也可以是同时执行的，还可以是先执行步骤309，在执行步骤308，本发明实施例对具体的步骤308和步骤309的执行顺序不加以限定。

可选的，在跟踪过程中：

3010、当前专家跟踪器对目标对象同时进行尺寸和位移估计。

具体的，在跟踪器中添加尺寸适应的算法，当前专家跟踪器同时估计目标对象位移和大小。

具体的，把t时刻搜索窗口标记为M_t×N_t，首先，通过抠图的方式建立关于目标对象的金字塔，该金字塔表示多个大小不同的图像块，这些图像块全部以上一帧的结果为中心，每一个的大小为(1+as)M_t×(1+as)N_t，其中a是一个预设的常标量，是尺寸的序号，然后把所有抠出的图像通过缩放调整大小到原来图像模板的大小，并且利用步骤301中公式(1)计算输出图，从而获得输出图金字塔，最后，通过找到输出金字塔中的最大值来确定准确的尺寸和位移。

需要说明的是，因为尺寸的变化远小于位移的变化，所以优选只在当前专家跟踪器中进行尺寸估计，有利于提高计算的效率。

通过在当前专家跟踪器中同时估计目标对象位移和大小，相较于现有技术中分别训练用于位移判断和尺寸判断的滤波器，以在跟踪时，首先进行位移跟踪，再进行尺寸跟踪，通过本发明实施例所提供的方法不用另外去训练和维护一个尺寸空间的滤波器，节省了时间和空间复杂度，从而进一步提高了跟踪的效率，降低了计算的复杂度。

需要说明的是，在步骤304以及步骤309之后，该方法还可以包括：

根据当前专家跟踪器，更新基础跟踪器。

可选的，该方法还包括：

通过方向梯度直方图(HistogramofOrientedGradient,HOG)特征描述目标对象的形状特征。

本发明实施例对具体的通过方向梯度直方图特征描述目标对象的形状特征的方式不加以限定。

可选的，该方法还包括：

通过颜色特征描述目标对象。

具体的，采用颜色属性特征将RGB映射到11维的概率颜色表达。

通过采用颜色属性特征更加有利于提高跟踪器的精确度，从而进一步提高了跟踪的准确性和效率。

本发明实施例提供了一种基于历史轨迹的目标跟踪方法，通过针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置，从而能够获得多个专家跟踪输出的跟踪位置，相较于获得一个专家跟踪器输出一个跟踪位置而言，使得从多个跟踪结果中确定目标对象位置正确的机会远远大于一个跟踪器的跟踪结果，从而提高了跟踪的准确性，同时由多个跟踪器跟踪提高了跟踪的效率；另外，根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置，使得能够从多个专家跟踪器输出的跟踪位置中确定最佳的跟踪位置，从而提高了跟踪的准确性和效率，同时提高了跟踪的稳定性；同时，通过多个专家跟踪器所输出的跟踪位置确定目标对象在当前帧的最佳位置，有利于解决跟踪过程中单个跟踪器由于背景杂乱、目标对象突然运动以及被遮挡、外形变化等原因而跟踪失败的问题。另外，因为基于相关滤波的跟踪器在一些公开数据集和基准库的验证中相较于其他基础跟踪器取得了较好的成绩，本发明实施例将基于相关滤波的跟踪器设置为基础跟踪器，有利于提高跟踪的准确性，同时降低了计算的复杂度；同时，在对目标对象进行建模时将所有循环位移的图像块作为训练样本，与传统的二类分类器相比，利用回归模型有利于输出具有较少模糊性的输出图，从而更加适用于本发明所提供的跟踪方法，从而进一步提供了跟踪的准确性和效率，进一步降低了计算的复杂度；另外，通过判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的目标对象的跟踪位置是否一致，通过多个跟踪器确定目标对象的位置，能够更加准确的确定跟踪的目标对象的位置，从而进一步提高了跟踪的效率和准确性；另外，因为轨迹分析是跟踪中的一种有效确定目标的方法，通过轨迹分析获取轨迹与其他多个专家跟踪器的轨迹更加一致的专家跟踪器，表示该专家跟踪器更优，所以使用轨迹一致性分数能够表示该轨迹与其他多个专家跟踪器的轨迹的一致性；轨迹一致性的分数越高则表示对应的专家跟踪器相较于其他多个专家跟踪器的轨迹更加一致，所以可以通过轨迹一致性的分数表示专家跟踪器的优劣，使得倾向于选择轨迹与其他专家跟踪器轨迹更加一致的专家，从而通过轨迹一致性分数计算专家跟踪器的分数，使得得到的分数更加准确，更加能够表示专家跟踪器的得分，从而通过该方法进行跟踪进一步提高了跟踪的准确性和效率，降低了计算的复杂度；另外，因为熵正则化项描述了跟踪器对于目标候选集决策的模糊性，所以在计算每个专家跟踪器时加入此先验，使得确定的结果更加倾向于选择对类标集合Z具有较少模糊性的跟踪器，虽然轨迹一致性在专家跟踪器得分中具有重要的作用，但该熵正则化项能够作为补充，从而使得加入该熵正则化项计算专家跟踪器的得分，使得计算结果更加准确，更加适用于本发明所提供的跟踪方法，从而进一步提供了跟踪的准确性，降低了计算的复杂度；另外，通过计算当前专家跟踪器和至少一个历史专家跟踪器包括当前帧的预设时间段内的累计跟踪得分，以确定最佳专家，相较于通过专家跟踪器在一个时刻的得分来说，通过跟踪得分确定的最佳专家更加可靠，排除了有些专家跟踪器有时得分很好而有时得分很低的情况，同时，通过总分能够反映跟踪器的稳定性，从而进一步提高了跟踪的准确性和效率；另外，通过在当前专家跟踪器中同时估计目标对象位移和大小，相较于现有技术中分别训练用于位移判断和尺寸判断的滤波器，以在在跟踪时，首先进行位移跟踪，再进行尺寸跟踪，通过本发明实施例所提供的方法不用另外去训练和维护一个尺寸空间的滤波器，节省了时间和空间复杂度，从而进一步提高了跟踪的效率，降低了计算的复杂度；另外，通过采用颜色属性特征更加有利于提高跟踪器的精确度，从而进一步提高了跟踪的准确性和效率。

实施例四

本发明实施例提供了一种基于历史轨迹的目标跟踪方法，参照图4所示，方法流程包括：

401、获取当前专家跟踪器以及至少一个历史专家跟踪器。

具体的，该获取方式可以包括：

在跟踪开始时，设定基础跟踪器所要跟踪的目标对象的参数，在预设间隔根据跟踪结果更新该基础跟踪的参数，同理，每间隔该预设间隔更新基础跟踪器的参数，将满足预设帧间隔的跟踪器作为一个专家跟踪器，将在下一个满足预设帧间隔更新的基础跟踪器作为另一个专家跟踪器，以此类推，获取多个专家跟踪器，该多个跟踪器有时间先后顺序，更新最早获得的跟踪器为最旧的专家跟踪器，除此之外，还可以通过其他方式更新基础跟踪器以及获取专家跟踪器，本发明实施例对具体的方式不加以限定。

可选的，该方法还包括：

设置专家跟踪器集合。

具体的，将该当前专家跟踪器以及至少一个历史专家跟踪器放置于专家跟踪器集合。

示例性的，可以通过以下方式获取当前专家跟踪器、至少一个历史专家跟踪器以及专家跟踪器集合：

给定基础的跟踪器，该基础跟踪器是基于相关滤波的跟踪器，每一帧都对该基础跟踪器进行更新，标记由初始一直训练到时刻t的基础跟踪器快照(专家)为一直到时刻T，得到一个专家集合其中，为当前时刻的跟踪器。

通过根据基础跟踪器获得对应的多个专家跟踪器，从而通过该当前专家跟踪器以及至少一个历史专家跟踪器对目标对象进行跟踪，进一步提高了跟踪的效率和准确性；同时，至少一个历史专家跟踪器是通过在多个预设帧间隔获取的，每个专家跟踪器的参数不同，有助于选择参数最优的专家跟踪器，所以相较于每次更新的跟踪器而言，更加稳定，从而通过其跟踪目标对象，更加准确，进一步提高了跟踪的效率。

402、获取当前专家跟踪器以及至少一个历史专家跟踪器的响应图。

具体的，获取该响应图的方式与实施例二中步骤301相同，此处不再加以赘述。

403、将响应图的最大值对应的位置确定为目标对象的跟踪位置。

具体的，该步骤与实施例二中步骤302相同，此处不再加以赘述。

需要说明的是，步骤402至步骤403是实现针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置的过程，除了上述方式之外，还可以通过其他方式实现该过程，本发明实施例对具体的方式不加以限定。

404、判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致，如果是，则执行步骤405至步骤406；如果否，则执行步骤407至步骤4010。

具体的，该步骤实施例二中步骤303相同，此处不再加以赘述。

405、将当前专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置。

具体的，该步骤实施例二中步骤304相同，此处不再加以赘述。

406、计算当前跟踪器和至少一个历史专家跟踪器的跟踪得分。

具体的，该步骤实施例二中步骤305相同，此处不再加以赘述。

407、计算当前专家跟踪器和至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分。

具体的，该步骤实施例二中步骤306相同，此处不再加以赘述。

408、将累计跟踪得分最高的专家跟踪器确定为最佳专家跟踪器。

本发明实施例对具体的确定方式不加以限定。

需要说明的是，步骤407至步骤408是实现根据当前专家跟踪器和至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器的过程，除了上述方式之外，还可以通过其他方式实现该过程，本发明实施例对具体的方式不加以限定。

409、将最佳专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置。

本发明实施例对具体的确定方式不加以限定。

4010、使用最佳专家跟踪器替换当前专家跟踪器。

本发明实施例对具体的替换方式不加以限定。

需要说明的是，步骤409和步骤4010可以是按照上述步骤执行，也可以是同时执行的，还可以是先执行步骤4010，在执行步骤409，本发明实施例对具体的步骤409和步骤4010的执行顺序不加以限定。

可选的，当前专家跟踪器对目标对象同时进行尺寸和位移估计。

具体的，该步骤与实施例二中步骤3010相同，此处不再加以赘述。

需要说明的是，在步骤405以及步骤4010之后，该方法还可以包括：

根据当前专家跟踪器，更新基础跟踪器。

4011、判断当前帧是否满足预设帧间隔，如果是，则执行步骤4012；如果否，则结束。

本发明实施例对具体的判断方式不加以限定。

4012、将当前专家跟踪器加入至少一个历史专家跟踪器中。

4013、判断至少一个历史专家跟踪器的数量是否超过预设阈值，如果是，则执行步骤4014；如果否，则结束。

本发明实施例对具体的判断方式不加以限定。

4014、删除其中最旧的历史专家跟踪器。

值得注意的是，可以是先执行步骤4011和步骤4012，再执行步骤4013和步骤4014。

可选的，该方法还包括：

通过方向梯度直方图(HistogramofOrientedGradient,HOG)特征描述目标对象的形状特征。

本发明实施例对具体的通过方向梯度直方图特征描述目标对象的形状特征的方式不加以限定。

可选的，该方法还包括：

通过颜色特征描述目标对象。

具体的，采用颜色属性特征将RGB映射到11维的概率颜色表达。

通过采用颜色属性特征更加有利于提高跟踪器的精确度，从而进一步提高了跟踪的准确性和效率。

本发明实施例提供了一种基于历史轨迹的目标跟踪方法，通过针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置，从而能够获得多个专家跟踪输出的跟踪位置，相较于获得一个专家跟踪器输出一个跟踪位置而言，使得从多个跟踪结果中确定目标对象位置正确的机会远远大于一个跟踪器的跟踪结果，从而提高了跟踪的准确性，同时由多个跟踪器跟踪提高了跟踪的效率；另外，根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置，使得能够从多个专家跟踪器输出的跟踪位置中确定最佳的跟踪位置，从而提高了跟踪的准确性和效率，同时提高了跟踪的稳定性；同时，通过多个专家跟踪器所输出的跟踪位置确定目标对象在当前帧的最佳位置，有利于解决跟踪过程中单个跟踪器由于背景杂乱、目标对象突然运动以及被遮挡、外形变化等原因而跟踪失败的问题。另外，因为基于相关滤波的跟踪器在一些公开数据集和基准库的验证中相较于其他基础跟踪器取得了较好的成绩，本发明实施例将基于相关滤波的跟踪器设置为基础跟踪器，有利于提高跟踪的准确性，同时降低了计算的复杂度；同时，在对目标对象进行建模时将所有循环位移的图像块作为训练样本，与传统的二类分类器相比，利用回归模型有利于输出具有较少模糊性的输出图，从而更加适用于本发明所提供的跟踪方法，从而进一步提供了跟踪的准确性和效率，进一步降低了计算的复杂度；另外，通过判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的目标对象的跟踪位置是否一致，通过多个跟踪器确定目标对象的位置，能够更加准确的确定跟踪的目标对象的位置，从而进一步提高了跟踪的效率和准确性；另外，因为轨迹分析是跟踪中的一种有效确定目标的方法，通过轨迹分析获取轨迹与其他多个专家跟踪器的轨迹更加一致的专家跟踪器，表示该专家跟踪器更优，所以使用轨迹一致性分数能够表示该轨迹与其他多个专家跟踪器的轨迹的一致性；轨迹一致性的分数越高则表示对应的专家跟踪器相较于其他多个专家跟踪器的轨迹更加一致，所以可以通过轨迹一致性的分数表示专家跟踪器的优劣，使得倾向于选择轨迹与其他专家跟踪器轨迹更加一致的专家，从而通过轨迹一致性分数计算专家跟踪器的分数，使得得到的分数更加准确，更加能够表示专家跟踪器的得分，从而通过该方法进行跟踪进一步提高了跟踪的准确性和效率，降低了计算的复杂度；另外，因为熵正则化项描述了跟踪器对于目标候选集决策的模糊性，所以在计算每个专家跟踪器时加入此先验，使得确定的结果更加倾向于选择对类标集合Z具有较少模糊性的跟踪器，虽然轨迹一致性在专家跟踪器得分中具有重要的作用，但该熵正则化项能够作为补充，从而使得加入该熵正则化项计算专家跟踪器的得分，使得计算结果更加准确，更加适用于本发明所提供的跟踪方法，从而进一步提供了跟踪的准确性，降低了计算的复杂度；另外，通过计算当前专家跟踪器和至少一个历史专家跟踪器包括当前帧的预设时间段内的累计跟踪得分，以确定最佳专家，相较于通过专家跟踪器在一个时刻的得分来说，通过跟踪得分确定的最佳专家更加可靠，排除了有些专家跟踪器有时得分很好而有时得分很低的情况，同时，通过总分能够反映跟踪器的稳定性，从而进一步提高了跟踪的准确性和效率；另外，通过在当前专家跟踪器中同时估计目标对象位移和大小，相较于现有技术中分别训练用于位移判断和尺寸判断的滤波器，以在在跟踪时，首先进行位移跟踪，再进行尺寸跟踪，通过本发明实施例所提供的方法不用另外去训练和维护一个尺寸空间的滤波器，节省了时间和空间复杂度，从而进一步提高了跟踪的效率，降低了计算的复杂度；另外，通过采用颜色属性特征更加有利于提高跟踪器的精确度，从而进一步提高了跟踪的准确性和效率；另外，通过根据基础跟踪器获得对应的多个专家跟踪器，从而通过该当前专家跟踪器以及至少一个历史专家跟踪器对目标对象进行跟踪，进一步提高了跟踪的效率和准确性；同时，至少一个历史专家跟踪器是通过在多个预设帧间隔获取的，每个专家跟踪器的参数不同，有助于选择参数最优的专家跟踪器，所以相较于每次更新的跟踪器而言，更加稳定，从而通过其跟踪目标对象，更加准确，进一步提高了跟踪的效率。

实施例五

本发明实施例提供了一种电子设备，参照图5所示，该电子设备5包括：

获取模块51，用于针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置；以及

确定模块52，用于根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置。

可选的，获取模块51用于获取当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置。

可选的，确定模块52还包括判断模块和计算模块；

判断模块用于判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致；

如果判定是，则触发确定模块52将当前专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置，并触发计算模块计算当前跟踪器和至少一个历史专家跟踪器的跟踪得分；

如果判定否，则触发确定模块52根据当前专家跟踪器和至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器，以及将最佳专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置，并使用最佳专家跟踪器替换当前专家跟踪器。

可选的，判断模块还包括聚类模块，用于对当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置进行聚类处理，获取聚类结果；

如果聚类结果超过一个类，则判断模块判定不一致；

否则判断模块判定一致。

可选的，计算模块还用于计算当前专家跟踪器和至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分；以及

确定模块将累计跟踪得分最高的专家跟踪器确定为最佳专家跟踪器。

可选的，当前专家跟踪器对目标对象同时进行尺寸和位移估计。

可选的，当前专家跟踪器是基础跟踪器在当前帧的快照；以及至少一个历史专家跟踪器是基础跟踪器在至少一个历史帧的快照。

可选的，基础跟踪器是基于相关滤波的跟踪器。

可选的，电子设备还包括设置模块53，用于当当前帧满足预设帧间隔时，则将当前专家跟踪器加入至少一个历史专家跟踪器，以及当至少一个历史专家跟踪器的数量超过预设阈值时，则删除最旧的历史专家跟踪器。

可选的，电子设备还包括更新模块54，用于根据当前专家跟踪器，更新基础跟踪器。

本发明实施例提供了一种电子设备，该电子设备本发明通过针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置，从而能够获得多个专家跟踪输出的跟踪位置，相较于获得一个专家跟踪器输出一个跟踪位置而言，使得从多个跟踪结果中确定目标对象位置正确的机会远远大于一个跟踪器的跟踪结果，从而提高了跟踪的准确性，同时由多个跟踪器跟踪提高了跟踪的效率；另外，根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置，使得能够从多个专家跟踪器输出的跟踪位置中确定最佳的跟踪位置，从而提高了跟踪的准确性和效率，同时提高了跟踪的稳定性；同时，通过多个专家跟踪器所输出的跟踪位置确定目标对象在当前帧的最佳位置，有利于解决跟踪过程中单个跟踪器由于背景杂乱、目标对象突然运动以及被遮挡、外形变化等原因而跟踪失败的问题。

实施例六

本发明实施例提供了一种电子设备，参照图6所示，该电子设备6包括存储器61以及与存储器61连接的处理器62，其中，存储器61用于存储一组程序代码，处理器62调用存储器61所存储的程序代码用于执行以下操作：

针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置；以及

根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置。

可选的，处理器62调用存储器61所存储的程序代码用于执行以下操作：

获取当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置。

可选的，处理器62调用存储器61所存储的程序代码用于执行以下操作：

判断当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致；

如果是，则将当前专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置，并计算当前跟踪器和至少一个历史专家跟踪器的跟踪得分；

如果否，则根据当前专家跟踪器和至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器，以及将最佳专家跟踪器输出的跟踪位置确定为目标对象在当前帧的最佳位置，并使用最佳专家跟踪器替换当前专家跟踪器。

可选的，处理器62调用存储器61所存储的程序代码用于执行以下操作：

对当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置进行聚类处理，获取聚类结果；

如果聚类结果超过一个类，则判定不一致；

否则判定一致。

可选的，处理器62调用存储器61所存储的程序代码用于执行以下操作：

计算当前专家跟踪器和至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分；以及

将累计跟踪得分最高的专家跟踪器确定为最佳专家跟踪器。

可选的，处理器62调用存储器61所存储的程序代码用于执行以下操作：

当前专家跟踪器对目标对象同时进行尺寸和位移估计。

可选的，处理器62调用存储器61所存储的程序代码用于执行以下操作：

当前专家跟踪器是基础跟踪器在当前帧的快照；以及

至少一个历史专家跟踪器是基础跟踪器在至少一个历史帧的快照。

可选的，处理器62调用存储器61所存储的程序代码用于执行以下操作：

基础跟踪器是基于相关滤波的跟踪器。

可选的，处理器62调用存储器61所存储的程序代码用于执行以下操作：

如果当前帧满足预设帧间隔，则将当前专家跟踪器加入至少一个历史专家跟踪器，以及如果至少一个历史专家跟踪器的数量超过预设阈值，则删除最旧的历史专家跟踪器。

可选的，处理器62调用存储器61所存储的程序代码用于执行以下操作：

根据当前专家跟踪器，更新基础跟踪器。

本发明实施例提供了一种电子设备，该电子设备通过针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置，从而能够获得多个专家跟踪输出的跟踪位置，相较于获得一个专家跟踪器输出一个跟踪位置而言，使得从多个跟踪结果中确定目标对象位置正确的机会远远大于一个跟踪器的跟踪结果，从而提高了跟踪的准确性，同时由多个跟踪器跟踪提高了跟踪的效率；另外，根据当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定目标对象在当前帧的最佳位置，使得能够从多个专家跟踪器输出的跟踪位置中确定最佳的跟踪位置，从而提高了跟踪的准确性和效率，同时提高了跟踪的稳定性；同时，通过多个专家跟踪器所输出的跟踪位置确定目标对象在当前帧的最佳位置，有利于解决跟踪过程中单个跟踪器由于背景杂乱、目标对象突然运动以及被遮挡、外形变化等原因而跟踪失败的问题。

上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。

需要说明的是：上述实施例提供的电子设备在进行基于历史轨迹的目标跟踪方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的电子设备与基于历史轨迹的目标跟踪方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于历史轨迹的目标跟踪方法，其特征在于，所述方法包括：

针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置；以及

根据所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定所述目标对象在所述当前帧的最佳位置。

2.根据权利要求1所述的方法，其特征在于，所述针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置包括：

获取所述当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置。

3.根据权利要求1所述的方法，其特征在于，所述根据所述跟踪位置，确定所述目标对象在所述当前帧的最佳位置包括：

判断所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致；

如果是，则将当前专家跟踪器输出的跟踪位置确定为所述目标对象在所述当前帧的最佳位置，并计算所述当前跟踪器和所述至少一个历史专家跟踪器的跟踪得分；

如果否，则根据所述当前专家跟踪器和所述至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器，以及将所述最佳专家跟踪器输出的跟踪位置确定为所述目标对象在所述当前帧的最佳位置，并使用最佳专家跟踪器替换当前专家跟踪器。

4.根据权利要求3所述的方法，其特征在于，所述判断所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致包括：

对所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置进行聚类处理，获取聚类结果；

如果所述聚类结果超过一个类，则判定不一致；

否则判定一致。

5.根据权利要求3所述的方法，其特征在于，所述根据所述当前专家跟踪器和所述至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器包括：

计算所述当前专家跟踪器和所述至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分；以及

将所述累计跟踪得分最高的专家跟踪器确定为最佳专家跟踪器。

6.一种电子设备，其特征在于，所述电子设备包括：

获取模块，用于针对当前帧，获取当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置；以及

确定模块，用于根据所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置，确定所述目标对象在所述当前帧的最佳位置。

7.根据权利要求6所述的设备，其特征在于，

所述获取模块用于获取所述当前专家跟踪器以及至少一个历史专家跟踪器的响应图的最大值对应的位置作为所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的针对目标对象的跟踪位置。

8.根据权利要求6所述的设备，其特征在于，

所述确定模块还包括判断模块和计算模块；

所述判断模块用于判断所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置是否一致；

如果判定是，则触发所述确定模块将当前专家跟踪器输出的跟踪位置确定为所述目标对象在所述当前帧的最佳位置，并触发所述计算模块计算所述当前跟踪器和所述至少一个历史专家跟踪器的跟踪得分；

如果判定否，则触发所述确定模块根据所述当前专家跟踪器和所述至少一个历史专家跟踪器的累计跟踪得分，确定最佳专家跟踪器，以及将所述最佳专家跟踪器输出的跟踪位置确定为所述目标对象在所述当前帧的最佳位置，并使用最佳专家跟踪器替换当前专家跟踪器。

9.根据权利要求8所述的设备，其特征在于，

所述判断模块还包括聚类模块，用于对所述当前专家跟踪器以及至少一个历史专家跟踪器分别输出的跟踪位置进行聚类处理，获取聚类结果；

如果所述聚类结果超过一个类，则所述判断模块判定不一致；

否则所述判断模块判定一致。

10.根据权利要求8所述的设备，其特征在于，

所述计算模块还用于计算所述当前专家跟踪器和所述至少一个历史专家跟踪器在包括当前帧的预设时间段内的累计跟踪得分；以及

所述确定模块将所述累计跟踪得分最高的专家跟踪器确定为最佳专家跟踪器。