CN105787964A - 目标跟踪方法和装置 - Google Patents
目标跟踪方法和装置 Download PDFInfo
- Publication number
- CN105787964A CN105787964A CN201610111928.6A CN201610111928A CN105787964A CN 105787964 A CN105787964 A CN 105787964A CN 201610111928 A CN201610111928 A CN 201610111928A CN 105787964 A CN105787964 A CN 105787964A
- Authority
- CN
- China
- Prior art keywords
- target
- target window
- scaled results
- window
- obtains
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30221—Sports video; Sports image
Landscapes
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种目标跟踪方法和装置,其方法包括:将目标通过预设的模型,计算得到跟踪结果;对跟踪结果取最大值,得到最大跟踪结果;若最大跟踪结果小于预设的阈值,则对目标的目标窗口进行缩放,得到缩放结果;根据缩放结果,对目标进行跟踪。本发明解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题。实现了提高目标跟踪的准确性和稳定性,满足用户需求。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种目标跟踪方法和装置。
背景技术
随着图像处理技术的发展,在进行图像处理时往往需要对图像中的目标进行跟踪,在图像目标跟踪过程中,通常需要对目标对象进行检测,进而实现对目标对象进行跟踪。
现有技术中在进行目标跟踪时,由于目标区域的尺寸无法变化,随着目标物的运动,容易发生无法识别目标或者跟丢目标的情况。比如,当目标物运动到离镜头较近的区域时,由于目标物在镜头识别的图像中尺寸已大于目标区域的尺寸,可能会使拍摄设备无法识别目标;或者,当目标物运动到远离镜头区域时,由于目标物在图像内的大小已远小于目标区域尺寸,可能会使拍摄设备跟丢目标。
发明内容
本发明的主要目的在于提出一种目标跟踪方法和装置,旨在解决现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题,实现了提高目标跟踪的准确性和稳定性,满足用户需求。
为实现上述目的,本发明提供一种目标跟踪方法,包括:
将目标通过预设的模型,计算得到跟踪结果;
对所述跟踪结果取最大值,得到最大跟踪结果;
若所述最大跟踪结果小于预设的阈值,则对所述目标的目标窗口进行缩放,得到缩放结果;
根据所述缩放结果,对所述目标进行跟踪。
优选地,所述目标的目标窗口进行缩放,得到缩放结果的步骤包括:
通过先对所述目标窗口进行放大,再对所述目标窗口进行缩小,得到第一缩放结果;
通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果;
所述根据所述缩放结果,对所述目标进行跟踪的步骤包括:
对比所述第一缩放结果和所述第二缩放结果的大小;
根据所述第一缩放结果和所述第二缩放结果中较大的缩放结果,对所述目标进行跟踪。
优选地,所述通过先对所述目标窗口进行放大,再对所述目标窗口进行缩小,得到第一缩放结果的步骤包括:
以所述目标的中心点为中心,根据预设倍数放大所述目标窗口,得到放大目标窗口;
将所述放大目标窗口缩小至与所述目标窗口一致的大小;
通过所述预设的模型,对所述缩小后的目标窗口进行计算,得到所述第一缩放结果。
优选地,所述通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果的步骤包括:
以所述目标的中心点为中心,根据预设倍数缩小所述目标窗口,得到缩小目标窗口;
将所述缩小目标窗口放大至与所述目标窗口一致的大小;
通过所述预设的模型,对所述放大后的目标窗口进行计算,得到所述第二缩放结果。
优选地,所述对所述跟踪结果取最大值,得到最大跟踪结果的步骤之后,还包括:
若所述最大跟踪结果大于或等于所述预设的阈值,则根据所述最大跟踪结果,对所述目标进行跟踪。
本发明实施例还提出一种目标跟踪装置,所述装置包括:
计算模块,用于将目标通过预设的模型,计算得到跟踪结果;
取值模块,用于对所述跟踪结果取最大值,得到最大跟踪结果;
缩放模块,用于若所述最大跟踪结果小于预设的阈值,则对所述目标的目标窗口进行缩放,得到缩放结果;
第一跟踪模块,用于根据所述缩放结果,对所述目标进行跟踪。
优选地,所述缩放模块,还用于通过先对所述目标窗口进行放大,再对所述目标窗口进行缩小,得到第一缩放结果;通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果;
所述第一跟踪模块,还用于对比所述第一缩放结果和所述第二缩放结果的大小;根据所述第一缩放结果和所述第二缩放结果中较大的缩放结果,对所述目标进行跟踪。
优选地,所述缩放模块,还用于以所述目标的中心点为中心,根据预设倍数放大所述目标窗口,得到放大目标窗口;将所述放大目标窗口缩小至与所述目标窗口一致的大小;通过所述预设的模型,对所述缩小后的目标窗口进行计算,得到所述第一缩放结果。
优选地,所述缩放模块,还用于以所述目标的中心点为中心,根据预设倍数缩小所述目标窗口,得到缩小目标窗口;将所述缩小目标窗口放大至与所述目标窗口一致的大小;通过所述预设的模型,对所述放大后的目标窗口进行计算,得到所述第二缩放结果。
优选地,所述装置还包括:
第二跟踪模块,用于若所述最大跟踪结果大于或等于所述预设的阈值,则根据所述最大跟踪结果,对所述目标进行跟踪。
本发明公开了一种目标跟踪方法和装置,通过将目标通过预设的模型,计算得到跟踪结果;对跟踪结果取最大值,得到最大跟踪结果;若最大跟踪结果小于预设的阈值,则对目标的目标窗口进行缩放,得到缩放结果;根据缩放结果,对目标进行跟踪,解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题。实现了提高目标跟踪的准确性和稳定性,满足用户需求。
附图说明
图1是本发明目标跟踪方法第一实施例的流程示意图;
图2是本发明实施例中构建循环矩阵的示意图;
图3是本发明实施例中所述对目标窗口进行缩放,得到缩放结果的步骤和所述根据所述缩放结果,对所述目标进行跟踪的步骤的一种流程示意图;
图4是本发明实施例中所述通过先对所述目标窗口进行放大,再对所述目标窗口进行缩小,得到第一缩放结果的步骤的一种流程示意图;
图5是本发明实施例中所述通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果的步骤的一种流程示意图;
图6是本发目标跟踪方法第二实施例的流程示意图;
图7是本发明目标跟踪装置第一实施例的功能模块示意图;
图8是本发明目标跟踪装置第二实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:将目标通过预设的模型,计算得到跟踪结果;对跟踪结果取最大值,得到最大跟踪结果;若最大跟踪结果小于预设的阈值,则对目标的目标窗口进行缩放,得到缩放结果;根据缩放结果,对目标进行跟踪。由此,解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题。实现了提高目标跟踪的准确性和稳定性,满足用户需求。
如图1所示,本发明第一实施例提出一种目标跟踪方法,包括:
步骤S1,将目标通过预设的模型,计算得到跟踪结果。
本发明方法的执行主体可以为一种摄像设备或图像处理设备,本实施例以摄像设备进行举例,当然也不限定于其他能够实现目标跟踪的设备。
具体地,摄像设备将目标通过预设的模型,计算得到跟踪结果。
其中,上述预设的模型为可以为表示目标区域特征向量,f(x)为输出结果,该输出结果的范围为[0,1],将目标窗口中心到目标的距离,按照远近分别赋值[0,1]范围的数,离目标越近,f(x)值越趋向1,离目标越远,f(x)值越趋向于0。
其中,上述模型首先通过循环偏移构建出分类器的训练样本,使数据矩阵转变为循环矩阵,然后给予循环矩阵的特性,把问题的求解转变为傅里叶变换域,避免了矩阵求逆,降低了算法的复杂度。在具体实现时,可以采用如下步骤:
1、如图2所示,基于目标图像,通过循环偏移得到的样本作为负样本,构建循环矩阵;
2、引入核函数,把特征空间映射到一个更高维的空间去,则线性回归的问题函数变为:
3、进行快速检测,计算基于测试样本的循环偏移构成的所有测试样本的响应值;
4、计算求解
a.转化为一个最小二乘问题求解:
参考线性最小二乘的求解得出:w=(XTX+λI)-1XTy,考虑到要在傅里叶域进行计算,这里给出一个复数情况下的求解结果:w*=(XHX+λI)-1XHy;
b.转换到DFT情况下的线性回归:
循环矩阵性质:其中F为离散傅里叶变换矩阵,w*(即w的共轭)可以表示为:
两边同时左乘F得:
使得权重向量w的求解变换到了傅里叶变换域;
c.引入核函数,可以将问题转变为:
则α的解为:α=(K+λI)-1y,
如果K为循环矩阵,则
最后进行频域相乘:再进行傅里叶逆变换即可得到跟踪结果。
步骤S2,对所述跟踪结果取最大值,得到最大跟踪结果。
具体地,在完成将目标通过预设的模型,计算得到跟踪结果后,摄像设备对跟踪结果取最大值,得到最大跟踪结果。
其中,在具体实现时,可以对上述f(x)取最大值,即max[f(x)],得到最大跟踪结果。
步骤S3,若所述最大跟踪结果小于预设的阈值,则对所述目标的目标窗口进行缩放,得到缩放结果。
具体地,在完成对跟踪结果取最大值,得到最大跟踪结果后,若最大跟踪结果小于预设的阈值,则摄像设备对目标的目标窗口进行缩放,得到缩放结果。
其中,在具体实现时,上述阈值可以设置为0.8,即若max[f(x)]小于0.8,则摄像设备对目标窗口进行缩放。
其中,在具体实现时,摄像设备进行缩放可以通过如下方式:
1、以上述目标的中心点为中心,以1.1倍放大目标窗口,得到放大目标窗口;
2、将上述放大目标窗口缩小至与原始目标窗口一致的大小;
3、通过对重新缩小后的目标窗口进行计算,得到第一缩放结果;
4、以上述目标的中心点为中心,以0.9倍缩小目标窗口,得到缩小目标窗口;
5、将上述缩小目标窗口放大至与原始目标窗口一致的大小;
6、通过对重新放大后的目标窗口进行计算,得到第二缩放结果。
步骤S4,根据所述缩放结果,对所述目标进行跟踪。
具体地,在完成对目标窗口进行缩放,得到缩放结果后,摄像设备根据缩放结果,对所述目标进行跟踪。
其中,在具体实现时,摄像设备可以首先通过对比上述第一缩放结果和上述第二缩放结果的大小,得到其中较大的缩放结果,然后根据上述第一缩放结果和上述第二缩放结果中较大的缩放结果,对上述目标进行跟踪。
通过上述方案,本发明提供了一种目标跟踪方法,解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题,实现了提高目标跟踪的准确性和稳定性,满足用户需求。
进一步的,为了更好地提高目标跟踪的准确性和稳定性,参照图3,为本发明具体实施方式中对目标窗口进行缩放,得到缩放结果的步骤和根据所述缩放结果,对所述目标进行跟踪的一种流程示意图。
作为一种实施方式,上述步骤S3包括:
步骤S31,通过先对所述目标窗口进行放大,再对所述目标窗口进行缩小,得到第一缩放结果。
具体地,在完成对跟踪结果取最大值,得到最大跟踪结果后,摄像设备通过先对目标窗口进行放大,再对目标窗口进行缩小,得到第一缩放结果。
其中,在具体实现时,可以通过如下方式:
1、以上述目标的中心点为中心,以1.1倍放大目标窗口,得到放大目标窗口;
2、将上述放大目标窗口缩小至与原始目标窗口一致的大小;
3、通过对重新缩小后的目标窗口进行计算,得到第一缩放结果。
步骤S32,通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果。
具体地,在完成对跟踪结果取最大值,得到最大跟踪结果后,摄像设备通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果。
其中,在具体实现时,可以通过如下方式:
1、以上述目标的中心点为中心,以0.9倍缩小目标窗口,得到缩小目标窗口;
2、将上述缩小目标窗口放大至与原始目标窗口一致的大小;
3、通过对重新放大后的目标窗口进行计算,得到第二缩放结果。
另外,上述步骤S4包括:
步骤S41,对比所述第一缩放结果和所述第二缩放结果的大小。
具体地,在完成对目标窗口进行缩放,得到缩放结果后,摄像设备对比第一缩放结果和第二缩放结果的大小。
其中,在具体实现时,摄像设备对比第一缩放结果和第二缩放结果的大小,得到第一缩放结果和第二缩放结果中较大的缩放结果。
步骤S42,根据所述第一缩放结果和所述第二缩放结果中较大的缩放结果,对所述目标进行跟踪。
具体地,在完成对比第一缩放结果和第二缩放结果的大小后,摄像设备根据第一缩放结果和第二缩放结果中较大的缩放结果,对目标进行跟踪。
通过上述方案,本发明提供了一种目标跟踪方法,更好地解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题,同时更好地实现了提高目标跟踪的准确性和稳定性,满足用户需求。
进一步的,为了更好地提高目标跟踪的准确性和稳定性,参照图4,为本发明具体实施方式中通过先对所述目标窗口进行放大,再对所述目标窗口进行缩小,得到第一缩放结果的步骤的一种流程示意图。
作为一种实施方式,上述步骤S31包括:
步骤S311,以所述目标的中心点为中心,根据预设倍数放大所述目标窗口,得到放大目标窗口。
具体地,在完成对跟踪结果取最大值,得到最大跟踪结果后,摄像设备以目标的中心点为中心,根据预设倍数放大目标窗口,得到放大目标窗口。
其中,在具体实现时,上述预设倍数可以为1.1倍,即摄像设备以目标的中心点为中心,放大目标窗口1.1倍。
步骤S312,将所述放大目标窗口缩小至与所述目标窗口一致的大小。
具体地,在完成以目标的中心点为中心,根据预设倍数放大目标窗口,得到放大目标窗口后,摄像设备将放大目标窗口缩小至与目标窗口一致的大小。
步骤S313,通过所述预设的模型,对所述缩小后的目标窗口进行计算,得到所述第一缩放结果。
具体地,在完成将放大目标窗口缩小至与目标窗口一致的大小后,摄像设备通过预设的模型,对缩小后的目标窗口进行计算,得到第一缩放结果。
其中,在具体实现时,摄像设备可以通过模型对重新缩小后的目标窗口进行计算,进而得到第一缩放结果。
通过上述方案,本发明提供了一种目标跟踪方法,更好地解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题,同时更好地实现了提高目标跟踪的准确性和稳定性,满足用户需求。
进一步的,为了更好地提高目标跟踪的准确性和稳定性,参照图5,为本发明具体实施方式中通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果的步骤的一种流程示意图。
作为一种实施方式,上述步骤S32包括:
步骤S321,以所述目标的中心点为中心,根据预设倍数缩小所述目标窗口,得到缩小目标窗口。
具体地,在完成对跟踪结果取最大值,得到最大跟踪结果后,摄像设备以目标的中心点为中心,根据预设倍数缩小目标窗口,得到缩小目标窗口。
其中,在具体实现时,上述预设倍数可以为0.9倍,即摄像设备以目标的中心点为中心,缩小目标窗口0.9倍。
步骤S322,将所述缩小目标窗口放大至与所述目标窗口一致的大小。
具体地,在完成以目标的中心点为中心,根据预设倍数缩小目标窗口,得到缩小目标窗口后,摄像设备将缩小目标窗口放大至与目标窗口一致的大小。
步骤S323,通过所述预设的模型,对所述放大后的目标窗口进行计算,得到所述第二缩放结果。
具体地,在完成将放大目标窗口缩小至与目标窗口一致的大小后,摄像设备通过预设的模型,对放大后的目标窗口进行计算,得到第一缩放结果。
其中,在具体实现时,摄像设备可以通过模型对重新放大后的目标窗口进行计算,进而得到第二缩放结果。
通过上述方案,本发明提供了一种目标跟踪方法,更好地解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题,同时更好地实现了提高目标跟踪的准确性和稳定性,满足用户需求。
如图6所示,本发明第二实施例提出一种目标跟踪方法,在基于上述第一实施例的步骤S2之后,还包括:
步骤S5,若所述最大跟踪结果大于或等于所述预设的阈值,则根据所述最大跟踪结果,对所述目标进行跟踪。
具体地,在完成对跟踪结果取最大值,得到最大跟踪结果后,若最大跟踪结果大于或等于预设的阈值,则摄像设备根据最大跟踪结果,对目标进行跟踪。
其中,在具体实现时,上述阈值可以设置为0.8,即若最大跟踪结果大于或等于0.8,则摄像设备根据最大跟踪结果,对目标进行跟踪。
通过上述方案,本发明提供了一种目标跟踪方法,更好地解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题,同时更好地实现了提高目标跟踪的准确性和稳定性,满足用户需求。
基于上述方法实施例的实现,本发明还提供对应的装置实施例。
如图7所示,本发明第一实施例提出一种目标跟踪装置,包括:
计算模块100,用于将目标通过预设的模型,计算得到跟踪结果。
本发明装置的执行主体可以为一种摄像设备或图像处理设备,本实施例以摄像设备进行举例,当然也不限定于其他能够实现目标跟踪的设备。
具体地,计算模块100将目标通过预设的模型,计算得到跟踪结果。
其中,上述预设的模型为可以为表示目标区域特征向量,f(x)为输出结果,该输出结果的范围为[0,1],将目标窗口中心到目标的距离,按照远近分别赋值[0,1]范围的数,离目标越近,f(x)值越趋向1,离目标越远,f(x)值越趋向于0。
其中,上述模型首先通过循环偏移构建出分类器的训练样本,使数据矩阵转变为循环矩阵,然后给予循环矩阵的特性,把问题的求解转变为傅里叶变换域,避免了矩阵求逆,降低了算法的复杂度。在具体实现时,可以采用如下步骤:
1、如图2所示,基于目标图像,通过循环偏移得到的样本作为负样本,构建循环矩阵;
2、引入核函数,把特征空间映射到一个更高维的空间去,则线性回归的问题函数变为:
3、进行快速检测,计算基于测试样本的循环偏移构成的所有测试样本的响应值;
4、计算求解
a.转化为一个最小二乘问题求解:
参考线性最小二乘的求解得出:w=(XTX+λI)-1XTy,考虑到要在傅里叶域进行计算,这里给出一个复数情况下的求解结果:w*=(XHX+λI)-1XHy;
b.转换到DFT情况下的线性回归:
循环矩阵性质:其中F为离散傅里叶变换矩阵,w*(即w的共轭)可以表示为:
两边同时左乘F得:
使得权重向量w的求解变换到了傅里叶变换域;
c.引入核函数,可以将问题转变为:
则α的解为:α=(K+λI)-1y,
如果K为循环矩阵,则
最后进行频域相乘:再进行傅里叶逆变换即可得到跟踪结果。
取值模块200,用于对所述跟踪结果取最大值,得到最大跟踪结果。
具体地,在完成将目标通过预设的模型,计算得到跟踪结果后,取值模块200对跟踪结果取最大值,得到最大跟踪结果。
其中,在具体实现时,可以对上述f(x)取最大值,即max[f(x)],得到最大跟踪结果。
缩放模块300,用于若所述最大跟踪结果小于预设的阈值,则对所述目标的目标窗口进行缩放,得到缩放结果。
具体地,在完成对跟踪结果取最大值,得到最大跟踪结果后,若最大跟踪结果小于预设的阈值,则缩放模块300对目标的目标窗口进行缩放,得到缩放结果。
其中,在具体实现时,上述阈值可以设置为0.8,即若max[f(x)]小于0.8,则摄像设备对目标窗口进行缩放。
其中,在具体实现时,摄像设备进行缩放可以通过如下方式:
1、以上述目标的中心点为中心,以1.1倍放大目标窗口,得到放大目标窗口;
2、将上述放大目标窗口缩小至与原始目标窗口一致的大小;
3、通过对重新缩小后的目标窗口进行计算,得到第一缩放结果;
4、以上述目标的中心点为中心,以0.9倍缩小目标窗口,得到缩小目标窗口;
5、将上述缩小目标窗口放大至与原始目标窗口一致的大小;
6、通过对重新放大后的目标窗口进行计算,得到第二缩放结果。
第一跟踪模块400,用于根据所述缩放结果,对所述目标进行跟踪。
具体地,在完成对目标窗口进行缩放,得到缩放结果后,第一跟踪模块400根据缩放结果,对所述目标进行跟踪。
其中,在具体实现时,摄像设备可以首先通过对比上述第一缩放结果和上述第二缩放结果的大小,得到其中较大的缩放结果,然后根据上述第一缩放结果和上述第二缩放结果中较大的缩放结果,对上述目标进行跟踪。
通过上述方案,本发明提供了一种目标跟踪装置,解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题,实现了提高目标跟踪的准确性和稳定性,满足用户需求。
进一步的,为了更好地提高目标跟踪的准确性和稳定性,上述缩放模块300,还用于通过先对所述目标窗口进行放大,再对所述目标窗口进行缩小,得到第一缩放结果;通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果。
具体地,在完成对跟踪结果取最大值,得到最大跟踪结果后,缩放模块300通过先对目标窗口进行放大,再对目标窗口进行缩小,得到第一缩放结果。
其中,在具体实现时,可以通过如下方式:
1、以上述目标的中心点为中心,以1.1倍放大目标窗口,得到放大目标窗口;
2、将上述放大目标窗口缩小至与原始目标窗口一致的大小;
3、通过对重新缩小后的目标窗口进行计算,得到第一缩放结果。
在完成对跟踪结果取最大值,得到最大跟踪结果后,缩放模块300通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果。
其中,在具体实现时,可以通过如下方式:
1、以上述目标的中心点为中心,以0.9倍缩小目标窗口,得到缩小目标窗口;
2、将上述缩小目标窗口放大至与原始目标窗口一致的大小;
3、通过对重新放大后的目标窗口进行计算,得到第二缩放结果。
另外,上述第一跟踪模块400,还用于对比所述第一缩放结果和所述第二缩放结果的大小;根据所述第一缩放结果和所述第二缩放结果中较大的缩放结果,对所述目标进行跟踪。
具体地,在完成对目标窗口进行缩放,得到缩放结果后,第一跟踪模块400对比第一缩放结果和第二缩放结果的大小。
其中,在具体实现时,摄像设备对比第一缩放结果和第二缩放结果的大小,得到第一缩放结果和第二缩放结果中较大的缩放结果。
在完成对比第一缩放结果和第二缩放结果的大小后,第一跟踪模块400根据第一缩放结果和第二缩放结果中较大的缩放结果,对目标进行跟踪。
通过上述方案,本发明提供了一种目标跟踪装置,更好地解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题,同时更好地实现了提高目标跟踪的准确性和稳定性,满足用户需求。
进一步的,为了更好地提高目标跟踪的准确性和稳定性,上述缩放模块300,还用于以所述目标的中心点为中心,根据预设倍数放大所述目标窗口,得到放大目标窗口;将所述放大目标窗口缩小至与所述目标窗口一致的大小;通过所述预设的模型,对所述缩小后的目标窗口进行计算,得到所述第一缩放结果。
具体地,在完成对跟踪结果取最大值,得到最大跟踪结果后,缩放模块300以目标的中心点为中心,根据预设倍数放大目标窗口,得到放大目标窗口。
其中,在具体实现时,上述预设倍数可以为1.1倍,即摄像设备以目标的中心点为中心,放大目标窗口1.1倍。
在完成以目标的中心点为中心,根据预设倍数放大目标窗口,得到放大目标窗口后,缩放模块300将放大目标窗口缩小至与目标窗口一致的大小。
在完成将放大目标窗口缩小至与目标窗口一致的大小后,缩放模块300通过预设的模型,对缩小后的目标窗口进行计算,得到第一缩放结果。
其中,在具体实现时,摄像设备可以通过模型对重新缩小后的目标窗口进行计算,进而得到第一缩放结果。
通过上述方案,本发明提供了一种目标跟踪装置,更好地解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题,同时更好地实现了提高目标跟踪的准确性和稳定性,满足用户需求。
进一步的,为了更好地提高目标跟踪的准确性和稳定性,上述缩放模块300,还用于以所述目标的中心点为中心,根据预设倍数缩小所述目标窗口,得到缩小目标窗口;将所述缩小目标窗口放大至与所述目标窗口一致的大小;通过所述预设的模型,对所述放大后的目标窗口进行计算,得到所述第二缩放结果。
具体地,在完成对跟踪结果取最大值,得到最大跟踪结果后,缩放模块300以目标的中心点为中心,根据预设倍数缩小目标窗口,得到缩小目标窗口。
其中,在具体实现时,上述预设倍数可以为0.9倍,即摄像设备以目标的中心点为中心,缩小目标窗口0.9倍。
在完成以目标的中心点为中心,根据预设倍数缩小目标窗口,得到缩小目标窗口后,缩放模块300将缩小目标窗口放大至与目标窗口一致的大小。
在完成将放大目标窗口缩小至与目标窗口一致的大小后,缩放模块300通过预设的模型,对放大后的目标窗口进行计算,得到第一缩放结果。
其中,在具体实现时,摄像设备可以通过模型对重新放大后的目标窗口进行计算,进而得到第二缩放结果。
通过上述方案,本发明提供了一种目标跟踪装置,更好地解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题,同时更好地实现了提高目标跟踪的准确性和稳定性,满足用户需求。
如图8所示,本发明第二实施例提出一种目标跟踪装置,基于上述第一实施例,该装置还包括:
第二跟踪模块500,若所述最大跟踪结果大于或等于所述预设的阈值,则根据所述最大跟踪结果,对所述目标进行跟踪。
具体地,在完成对跟踪结果取最大值,得到最大跟踪结果后,若最大跟踪结果大于或等于预设的阈值,则第二跟踪模块500根据最大跟踪结果,对目标进行跟踪。
其中,在具体实现时,上述阈值可以设置为0.8,即若最大跟踪结果大于或等于0.8,则摄像设备根据最大跟踪结果,对目标进行跟踪。
通过上述方案,本发明提供了一种目标跟踪装置,更好地解决了现有技术中在进行目标跟踪时无法识别目标或者跟丢目标的问题,同时更好地实现了提高目标跟踪的准确性和稳定性,满足用户需求。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种目标跟踪方法,其特征在于,所述方法包括:
将目标通过预设的模型,计算得到跟踪结果;
对所述跟踪结果取最大值,得到最大跟踪结果;
若所述最大跟踪结果小于预设的阈值,则对所述目标的目标窗口进行缩放,得到缩放结果;
根据所述缩放结果,对所述目标进行跟踪。
2.根据权利要求1所述的方法,其特征在于,所述目标的目标窗口进行缩放,得到缩放结果的步骤包括:
通过先对所述目标窗口进行放大,再对所述目标窗口进行缩小,得到第一缩放结果;
通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果;
所述根据所述缩放结果,对所述目标进行跟踪的步骤包括:
对比所述第一缩放结果和所述第二缩放结果的大小;
根据所述第一缩放结果和所述第二缩放结果中较大的缩放结果,对所述目标进行跟踪。
3.根据权利要求2所述的方法,其特征在于,所述通过先对所述目标窗口进行放大,再对所述目标窗口进行缩小,得到第一缩放结果的步骤包括:
以所述目标的中心点为中心,根据预设倍数放大所述目标窗口,得到放大目标窗口;
将所述放大目标窗口缩小至与所述目标窗口一致的大小;
通过所述预设的模型,对所述缩小后的目标窗口进行计算,得到所述第一缩放结果。
4.根据权利要求2所述的方法,其特征在于,所述通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果的步骤包括:
以所述目标的中心点为中心,根据预设倍数缩小所述目标窗口,得到缩小目标窗口;
将所述缩小目标窗口放大至与所述目标窗口一致的大小;
通过所述预设的模型,对所述放大后的目标窗口进行计算,得到所述第二缩放结果。
5.根据权利要求1所述的方法,其特征在于,所述对所述跟踪结果取最大值,得到最大跟踪结果的步骤之后,还包括:
若所述最大跟踪结果大于或等于所述预设的阈值,则根据所述最大跟踪结果,对所述目标进行跟踪。
6.一种目标跟踪装置,其特征在于,所述装置包括:
计算模块,用于将目标通过预设的模型,计算得到跟踪结果;
取值模块,用于对所述跟踪结果取最大值,得到最大跟踪结果;
缩放模块,用于若所述最大跟踪结果小于预设的阈值,则对所述目标的目标窗口进行缩放,得到缩放结果;
第一跟踪模块,用于根据所述缩放结果,对所述目标进行跟踪。
7.根据权利要求6所述的装置,其特征在于,
所述缩放模块,还用于通过先对所述目标窗口进行放大,再对所述目标窗口进行缩小,得到第一缩放结果;通过先对所述目标窗口进行缩小,再对所述目标窗口进行放大,得到第二缩放结果;
所述第一跟踪模块,还用于对比所述第一缩放结果和所述第二缩放结果的大小;根据所述第一缩放结果和所述第二缩放结果中较大的缩放结果,对所述目标进行跟踪。
8.根据权利要求7所述的装置,其特征在于,
所述缩放模块,还用于以所述目标的中心点为中心,根据预设倍数放大所述目标窗口,得到放大目标窗口;将所述放大目标窗口缩小至与所述目标窗口一致的大小;通过所述预设的模型,对所述缩小后的目标窗口进行计算,得到所述第一缩放结果。
9.根据权利要求7所述的装置,其特征在于,
所述缩放模块,还用于以所述目标的中心点为中心,根据预设倍数缩小所述目标窗口,得到缩小目标窗口;将所述缩小目标窗口放大至与所述目标窗口一致的大小;通过所述预设的模型,对所述放大后的目标窗口进行计算,得到所述第二缩放结果。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二跟踪模块,用于若所述最大跟踪结果大于或等于所述预设的阈值,则根据所述最大跟踪结果,对所述目标进行跟踪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610111928.6A CN105787964A (zh) | 2016-02-29 | 2016-02-29 | 目标跟踪方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610111928.6A CN105787964A (zh) | 2016-02-29 | 2016-02-29 | 目标跟踪方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105787964A true CN105787964A (zh) | 2016-07-20 |
Family
ID=56403855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610111928.6A Pending CN105787964A (zh) | 2016-02-29 | 2016-02-29 | 目标跟踪方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105787964A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018058531A1 (zh) * | 2016-09-30 | 2018-04-05 | 富士通株式会社 | 目标跟踪方法、装置以及图像处理设备 |
CN108154522A (zh) * | 2016-12-05 | 2018-06-12 | 北京深鉴科技有限公司 | 目标追踪系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739692A (zh) * | 2009-12-29 | 2010-06-16 | 天津市亚安科技电子有限公司 | 实时视频目标的快速相关跟踪方法 |
CN102737385A (zh) * | 2012-04-24 | 2012-10-17 | 中山大学 | 一种基于camshift和卡尔曼滤波的视频目标跟踪方法 |
CN103179335A (zh) * | 2011-09-01 | 2013-06-26 | 瑞萨电子株式会社 | 对象跟踪装置 |
CN103700115A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种复杂背景下运动目标相关匹配跟踪方法 |
CN103886322A (zh) * | 2012-12-20 | 2014-06-25 | 中山大学深圳研究院 | 一种基于SVM和Mean-Shift的视频目标跟踪方法 |
-
2016
- 2016-02-29 CN CN201610111928.6A patent/CN105787964A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739692A (zh) * | 2009-12-29 | 2010-06-16 | 天津市亚安科技电子有限公司 | 实时视频目标的快速相关跟踪方法 |
CN103179335A (zh) * | 2011-09-01 | 2013-06-26 | 瑞萨电子株式会社 | 对象跟踪装置 |
US20140328514A1 (en) * | 2011-09-01 | 2014-11-06 | Renesas Electronics Corporation | Object tracking device |
CN102737385A (zh) * | 2012-04-24 | 2012-10-17 | 中山大学 | 一种基于camshift和卡尔曼滤波的视频目标跟踪方法 |
CN103700115A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种复杂背景下运动目标相关匹配跟踪方法 |
CN103886322A (zh) * | 2012-12-20 | 2014-06-25 | 中山大学深圳研究院 | 一种基于SVM和Mean-Shift的视频目标跟踪方法 |
Non-Patent Citations (1)
Title |
---|
张雷等: "基于相关滤波器的视觉目标跟踪方法", 《光电子•激光》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018058531A1 (zh) * | 2016-09-30 | 2018-04-05 | 富士通株式会社 | 目标跟踪方法、装置以及图像处理设备 |
CN108154522A (zh) * | 2016-12-05 | 2018-06-12 | 北京深鉴科技有限公司 | 目标追踪系统 |
CN108154522B (zh) * | 2016-12-05 | 2022-07-12 | 赛灵思电子科技(北京)有限公司 | 目标追踪系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657945B (zh) | 复杂背景下多尺度时空联合滤波的红外小目标检测方法 | |
Liu et al. | Multiple-window anomaly detection for hyperspectral imagery | |
US20150030203A1 (en) | Method and apparatus for detecting smoke from image | |
US20100232643A1 (en) | Method, Apparatus, and Computer Program Product For Object Tracking | |
CN107993258A (zh) | 一种图像配准方法及装置 | |
CN100583144C (zh) | 利用波前数据的多帧自适应光学图像高分辨率复原方法 | |
CN105469430A (zh) | 一种大场景中的小目标抗遮挡跟踪方法 | |
CN103335724A (zh) | 基于定标的场景自适应irfpa非均匀性校正方法 | |
US20140232862A1 (en) | Anomaly detection using a kernel-based sparse reconstruction model | |
CN110399826B (zh) | 一种端到端人脸检测和识别方法 | |
CN106530327B (zh) | 一种基于多局部特征学习的快速实时判别型跟踪方法 | |
CN105872310B (zh) | 可移动成像设备的图像运动检测方法及图像降噪方法 | |
US20200085296A1 (en) | Eye state detection system and method of operating the same for utilizing a deep learning model to detect an eye state | |
CN101957993A (zh) | 自适应红外小目标检测方法 | |
Hong et al. | Universal deblurring method for real images using transition region | |
CN102982537A (zh) | 一种检测场景变换的方法和系统 | |
CN101551901A (zh) | 动态遮挡图像的实时补偿和增强方法 | |
CN111931722B (zh) | 一种结合颜色比率特征的相关滤波跟踪方法 | |
CN104036468A (zh) | 基于预放大非负邻域嵌入的单帧图像超分辨重建方法 | |
US20170069112A1 (en) | Image Characteristic Estimation Method and Device | |
CN105631872A (zh) | 基于多特征点的遥感图像配准方法 | |
CN105787964A (zh) | 目标跟踪方法和装置 | |
Alam et al. | Metrics for evaluating the performance of joint-transform-correlation-based target recognition and tracking algorithms | |
CN109410246B (zh) | 基于相关滤波的视觉跟踪的方法及装置 | |
Sun et al. | Infrared small target detection based on reweighted infrared patch-image model and total variation regularization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160720 |
|
RJ01 | Rejection of invention patent application after publication |