CN108053424A - 目标跟踪方法、装置、电子设备及存储介质 - Google Patents

目标跟踪方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN108053424A
CN108053424A CN201711352448.XA CN201711352448A CN108053424A CN 108053424 A CN108053424 A CN 108053424A CN 201711352448 A CN201711352448 A CN 201711352448A CN 108053424 A CN108053424 A CN 108053424A
Authority
CN
China
Prior art keywords
frame
present frame
target
present
target location
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.)
Granted
Application number
CN201711352448.XA
Other languages
English (en)
Other versions
CN108053424B (zh
Inventor
牟永强
严蕤
段汝湘
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN201711352448.XA priority Critical patent/CN108053424B/zh
Priority to PCT/CN2017/119639 priority patent/WO2019114042A1/zh
Publication of CN108053424A publication Critical patent/CN108053424A/zh
Application granted granted Critical
Publication of CN108053424B publication Critical patent/CN108053424B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种目标跟踪方法，所述方法包括：本发明获取当前帧；基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度；基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数；基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度；基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。本发明还提供一种目标跟踪装置、设备及存储介质。本发明能目标发生尺度变化时，避免造成目标漂移，提高跟踪效率。

Description

目标跟踪方法、装置、电子设备及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种目标跟踪方法及装置、电子设备及存储介质。
背景技术
运动目标跟踪就是在一个连续视频序列中，在每一帧图片中确定出感兴趣的运动目标(比如，行人，车辆)。目标跟踪具有便捷性、实时性等人类无法比拟的优势，因此在交通、安防监控、无人系统等领域有着非常广泛的应用。
目前视频目标跟踪算法主要分为基于匹配的方法、核方法、运动检测方法等。基于匹配的跟踪算法主要有特征匹配和贝叶斯跟踪；Mean-shift方法是核方法的代表；基于检测的目标跟踪算法则比较多，比如光流法以及本发明运用到的基于相关滤波的目标跟踪算法。随着研究的深入和技术的发展，这些算法在性能上暴露出了许多的不足，它们的跟踪速度相对比较慢，稳定性不高，不能很好的处理复杂环境下的目标跟踪。
目前在视频目标跟踪领域中涉及的算法有很多种，但是能适用于工业的跟踪算法却很少，主要是因为工业应用的跟踪环境非常的复杂，不但对于算法的跟踪精度和实时性有较高要求，同时还要求算法有很好的处理遮挡、光照变化以及对跟踪目标发生尺度变换具有自适应的能力。综合以上要求，基于核相关滤波的跟踪算法，表现出了较高的实时性具有快速跟踪的能力，同时它的跟踪精度也比较高，但是核相关滤波的跟踪算法是针对固定尺度的处理。但在目标跟踪的过程中，随着跟踪目标的移动，会导致目标在图像中的尺度发生较大的变化，该问题严重的影响了跟踪算法的性能。若用固定尺度去跟踪目标，所以如果目标发生了比较大的尺度变化，现有技术中的跟踪算法，就会造成目标漂移，这种现象会对跟踪的性能造成极大的影响，最终会导致跟踪目标丢失。
发明内容
鉴于以上内容，有必要提供一种目标跟踪方法、装置、电子设备及存储介质，能在目标的尺度发生变化时，避免发生漂移的现象，提高目标跟踪精度。
一种目标跟踪方法，所述方法包括：
获取当前帧，所述当前帧的帧数大于1；
获取所述当前帧的前第一预设帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器；
基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度；
基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数；
基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度；
基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。
根据本发明优选实施例，所述基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数包括：
将所述当前帧中的目标位置对应的响应值与所述当前帧的上一帧中的目标位置对应的响应值的比值作为所述当前帧对应的尺度调整参数。
根据本发明优选实施例，所述当前帧的前第一预设帧包括所述当前帧的上一帧及所述当前帧的上一帧的前预设N帧，N为大于0的正整数，所述基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数包括：
根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，计算所述当前帧对应的尺度调整参数。
根据本发明优选实施例，所述根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，计算所述当前帧对应的尺度调整参数包括：
根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，利用第一调整公式，计算所述当前帧对应的尺度调整参数，所述调整公式为：
其中表示所述当前帧对应的尺度调整参数，p(xi)表示第i帧的目标位置对应的响应值，p(xi-1)表示第(i-1)帧的目标位置对应的响应值，所述n表示所述当前帧的帧数，i的取值从第I帧开始，所述I＝(n-N-1)。
根据本发明优选实施例，在基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数之后，所述方法还包括：
获取所述当前帧的前第二预设帧对应的尺度调整参数；
根据所述当前帧的前第二预设帧对应的尺度调整参数，对所述当前帧对应的尺度调整参数进行调整；
将更新后的尺度调整参数作为所述当前帧对应的尺度调整参数。
根据本发明优选实施例，所述根据所述当前帧的前第二预设帧对应的尺度调整参数，对所述当前帧对应的尺度调整参数进行调整包括：
选取与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数；
根据所述与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，利用第一更新公式，对所述当前帧对应的尺度调整参数进行调整，所述第一更新公式如下：
其中表示所述当前帧对应的尺度调整参数，表示所述与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，表示更新后的尺度调整参数，λ表示常数。
根据本发明优选实施例，所述当前帧的下一帧中目标的尺度等于所述当前帧中目标的尺度与所述当前帧对应的尺度调整参数的乘积。
一种目标跟踪装置，所述装置包括：
获取模块，用于获取当前帧，所述当前帧的帧数大于1；
所述获取模块还用于获取所述当前帧的上一帧中的目标位置、所述上一帧中的滤波器；
确定模块，用于基于所述上一帧的目标位置及所述上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度；
计算模块，用于基于所述当前帧的上一帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数；
预估模块，用于基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度；
跟踪模块，用于基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。
一种电子设备，所述电子设备包括存储器及处理器，所述存储器用于存储至少一个指令，所述处理器用于执行所述至少一个指令以实现任意实施例中任一项所述目标跟踪方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现任意实施例中任一项所述目标跟踪方法。
由以上技术方案可以看出，本发明获取当前帧，所述当前帧的帧数大于1；获取所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器；基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度；基于所述当前帧的上一帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数；基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度；基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。因此本发明能目标发生尺度变化时，避免造成目标漂移，极大地提高了跟踪效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，还可以根据提供的附图获得其他的附图。
图1是本发明目标跟踪方法的较佳实施例的流程图。
图2是本发明目标跟踪装置的较佳实施例的功能模块图。
图3是本发明至少一个实例中电子设备的较佳实施例的结构示意图。
具体实施方式
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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示，是本发明目标跟踪方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
S10，电子设备获取当前帧。
在本发明中，所述当前帧的帧数大于1。从抓拍的视频中，按照帧率获取当前帧。
在获取当前帧之前，所述电子设备还可以获取第一帧，基于所述第一帧，利用核相关滤波算法计算所述第一帧中目标的位置及所述第一帧中目标的尺度。所述第一帧中目标的位置及所述第一帧中目标的尺度的计算与后续其他帧的一样，具体过程将在后续详述。
S11，所述电子设备获取所述当前帧的前第一预设帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器。
在本发明中，当所述当前帧为第二帧时，所述当前帧的上一帧为第一帧；当所述当前帧为第三帧时，所述当前帧的上一帧为第二帧，依次类推，利用核相关滤波算法计算每一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及训练每一帧中的滤波器，相关计算过程，将以当前帧的计算为例，在后续计算过程详述。
优选地，所述当前帧的前第一预设帧包括，但不限于：所述当前帧的上一帧，所述当前帧的上一帧的前预设N帧，N为大于0的正整数。
S12，所述电子设备基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度。
在本发明中，利用所述核相关滤波算法，先在所述当前帧的上一帧的目标位置附近进行采样，通过循环移位产生多个候选样本，所述多个候选样本组成一个循环矩阵。利用循环矩阵可以被傅立叶矩阵相似对角化的性质，可以将计算从时域变换到频域，从而减少了算法的运算复杂度，加快了跟踪速度实现实时性。
具体地，在可选实施例中，所述基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度包括：
(1)利用核相关滤波算法，基于所述当前帧的上一帧中的目标位置，确定所述当前帧中多个候选样本。
在可选实施例中，利用核相关滤波算法采用循环矩阵的方法，先在所述当前帧的上一帧的目标位置附近进行采样，对采样的样本进行循环移位，得到所述当前帧中多个候选样本，所述当前帧中多个候选样本组成所述当前帧对应的循环矩阵。
(2)基于所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，计算所述当前帧中所述多个候选样本中每个候选样本对应的响应值。
在可选实施例中，所述电子设备基于核相关滤波算法利用循环矩阵可以被傅立叶矩阵相似对角化的性质，可以将计算从时域变换到频域，并计算所述当前帧中所述多个候选样本中每个候选样本对应的响应值。从而减少了算法的运算复杂度，加快了跟踪速度实现实时性。
(3)从所述当前帧中所述多个候选样本中每个候选样本对应的响应值中，选取最大响应值的样本作为所述当前帧的目标位置，将所述最大响应值的样本的尺度作为所述当前帧中目标的尺度。
在可选实施例中，利用核相关滤波算法，得到循环矩阵后，对循环矩阵进行处理，计算所述当前帧对应的核相关矩阵，基于所述当前帧对应的核相关矩阵及所述当前帧中所述多个候选样本中每个候选样本对应的响应值，更新核相关滤波算法中的滤波器系数，以计算所述当前帧的滤波器，便于所述当前帧的下一帧中多个候选样本的响应值的计算。
所述更新核相关滤波算法中的滤波器系数的计算公式如下：
其中表示所述当前帧中所述多个候选样本中每个候选样本对应的响应值，表示所述当前帧对应的核相关矩阵的第一行，表示滤波器系数。
S13，所述电子设备基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数。
优选地，当所述当前帧的前第一预设帧为所述当前帧的上一帧时，将所述当前帧中的目标位置对应的响应值与所述当前帧的上一帧中的目标位置对应的响应值的比值作为所述当前帧对应的尺度调整参数。
优选地，当所述当前帧的前第一预设帧包括所述当前帧的上一帧，所述当前帧的上一帧的前预设N帧时，所述电子设备还可以获取所述当前帧的上一帧的前预设N帧中的目标位置，N为大于0的正整数；根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，计算所述当前帧对应的尺度调整参数。这样可以参考与所述当前帧相邻的多帧中目标的位置，利用所述相邻的多帧与所述当前帧的相关性，对所述当前帧中目标的位置进行预测，从而能更准确快速的跟踪到所述当前帧中目标的位置。
进一步地，根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，利用第一调整公式，计算所述当前帧对应的尺度调整参数，所述调整公式为：
其中表示所述当前帧对应的尺度调整参数，p(xi)表示第i帧的目标位置对应的响应值，p(xi-1)表示第(i-1)帧的目标位置对应的响应值，所述n表示当前帧的帧数，i的取值从第I帧开始，所述I＝(n-N-1)。
例如，N取1的话，若所述当前帧为第六帧，则根据第四帧中目标位置对应的响应值、第五帧中目标位置对应的响应值计算第六帧中目标位置对应的响应值，计算所述当前帧对应的尺度调整参数。即：
优选地，在按照上述任意方式计算出所述当前帧对应的尺度调整参数后，还可以根据所述当前帧的相邻多帧对应的多个尺度调整参数，对所述当前帧对应的尺度调整参数进行调整。
进一步地，所述电子设备获取所述当前帧的前第二预设帧对应的尺度调整参数；根据所述当前帧的前第二预设帧对应的尺度调整参数，对所述当前帧对应的尺度调整参数进行调整；将更新后的尺度调整参数作为所述当前帧对应的尺度调整参数。这样可以防止目标跟踪时对应尺度变换过于敏感，导致跟踪不准确。
进一步地，其中所述当前帧的前第二预设帧包含的帧数可以为一帧或者多帧。所述当前帧的前第二预设帧对应的尺度调整参数可能为一个或者多个。优选地，选取与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，对所述当前帧对应的尺度调整参数进行调整。
例如，每两帧更新一次尺度调整参数，所述当前帧为第七帧，所述前预设帧为第五帧，第六帧，则与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数为在第五帧及第六帧中对应的一个尺度调整参数。
根据所述与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，利用第一更新公式，对所述当前帧对应的尺度调整参数进行调整，所述第一更新公式如下：
其中表示所述当前帧对应的尺度调整参数，表示所述与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，表示更新后的尺度调整参数，λ表示常数。
S14，所述电子设备基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度。
可选地，所述当前帧的下一帧中目标的尺度等于所述当前帧中目标的尺度与所述当前帧对应的尺度调整参数的乘积。
S15，所述电子设备基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。
在可选实施例中，后续目标跟踪中，返回S10，将所述下一帧作为当前帧，执行S10至S15，进行跟踪，直至结束所述目标的跟踪。例如，若当前帧为第二帧，则所述下一帧为第三帧，返回S10后，所述第三帧即为当前帧，依次类推，直至结束跟踪。
本发明获取当前帧，所述当前帧的帧数大于1；获取所述当前帧的前第一预设帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器；基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度；基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数；基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度；基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。因此本发明能目标发生尺度变化时，避免造成目标漂移，极大地提高了跟踪效率。
如图2所示，本发明目标跟踪装置的较佳实施例的功能模块图。所述目标跟踪装置11包括获取模块100、确定模块101、计算模块102、调整模块103、预估模块104及跟踪模块105。本发明所称的单元是指一种能够被目标跟踪装置11的处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各单元的功能将在后续的实施例中详述。
所述获取模块100获取当前帧。
在本发明中，所述当前帧的帧数大于1。从抓拍的视频中，按照帧率获取当前帧。
在获取当前帧之前，所述获取模块100还可以获取第一帧，基于所述第一帧，利用核相关滤波算法计算所述第一帧中目标的位置及所述第一帧中目标的尺度。所述第一帧中目标的位置及所述第一帧中目标的尺度的计算与后续其他帧的一样，具体过程将在后续详述。
所述获取模块100获取所述当前帧的前第一预设帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器。
在本发明中，当所述当前帧为第二帧时，所述当前帧的上一帧为第一帧；当所述当前帧为第三帧时，所述当前帧的上一帧为第二帧，依次类推，利用核相关滤波算法计算每一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及训练每一帧中的滤波器，相关计算过程，将以当前帧的计算为例，在后续计算过程详述。
优选地，所述当前帧的前第一预设帧包括，但不限于：所述当前帧的上一帧，所述当前帧的上一帧的前预设N帧，N为大于0的正整数。
所述确定模块101基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度。
在本发明中，所述确定模块101利用所述核相关滤波算法，先在所述当前帧的上一帧的目标位置附近进行采样，通过循环移位产生多个候选样本，所述多个候选样本组成一个循环矩阵。利用循环矩阵可以被傅立叶矩阵相似对角化的性质，可以将计算从时域变换到频域，从而减少了算法的运算复杂度，加快了跟踪速度实现实时性。
具体地，在可选实施例中，所述确定模块101基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度包括：
(1)利用核相关滤波算法，基于所述当前帧的上一帧中的目标位置，确定所述当前帧中多个候选样本。
在可选实施例中，利用核相关滤波算法采用循环矩阵的方法，先在所述当前帧的上一帧的目标位置附近进行采样，对采样的样本进行循环移位，得到所述当前帧中多个候选样本，所述当前帧中多个候选样本组成所述当前帧对应的循环矩阵。
(2)基于所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，计算所述当前帧中所述多个候选样本中每个候选样本对应的响应值。
在可选实施例中，所述确定模块101基于核相关滤波算法利用循环矩阵可以被傅立叶矩阵相似对角化的性质，可以将计算从时域变换到频域，并计算所述当前帧中所述多个候选样本中每个候选样本对应的响应值。从而减少了算法的运算复杂度，加快了跟踪速度实现实时性。
(3)从所述当前帧中所述多个候选样本中每个候选样本对应的响应值中，选取最大响应值的样本作为所述当前帧的目标位置，将所述最大响应值的样本的尺度作为所述当前帧中目标的尺度。
在可选实施例中，所述确定模块101利用核相关滤波算法，得到循环矩阵后，对循环矩阵进行处理，计算所述当前帧对应的核相关矩阵，基于所述当前帧对应的核相关矩阵及所述当前帧中所述多个候选样本中每个候选样本对应的响应值，更新核相关滤波算法中的滤波器系数，以计算所述当前帧的滤波器，便于所述当前帧的下一帧中多个候选样本的响应值的计算。
所述更新核相关滤波算法中的滤波器系数的计算公式如下：
其中表示所述当前帧中所述多个候选样本中每个候选样本对应的响应值，表示所述当前帧对应的核相关矩阵的第一行，表示滤波器系数。
所述计算模块102基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数。
优选地，所述计算模块102将所述当前帧中的目标位置对应的响应值与所述当前帧的上一帧中的目标位置对应的响应值的比值作为所述当前帧对应的尺度调整参数。
优选地，当所述当前帧的前第一预设帧包括所述当前帧的上一帧，所述当前帧的上一帧的前预设N帧时，所述计算模块102还可以获取所述当前帧的上一帧的前预设N帧中的目标位置，N为大于0的正整数；根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，计算所述当前帧对应的尺度调整参数。这样可以参考与所述当前帧相邻的多帧中目标的位置，利用所述相邻的多帧与所述当前帧的相关性，对所述当前帧中目标的位置进行预测，从而能更准确快速的跟踪到所述当前帧中目标的位置。
进一步地，所述计算模块102根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，利用第一调整公式，计算所述当前帧对应的尺度调整参数，所述调整公式为：
其中表示所述当前帧对应的尺度调整参数，p(xi)表示第i帧的目标位置对应的响应值，p(xi-1)表示第(i-1)帧的目标位置对应的响应值，所述n表示当前帧的帧数，i的取值从第I帧开始，所述I＝(n-N-1)。
例如，N取1的话，若所述当前帧为第六帧，则根据第四帧中目标位置对应的响应值、第五帧中目标位置对应的响应值计算第六帧中目标位置对应的响应值，计算所述当前帧对应的尺度调整参数。即：
优选地，在按照上述任意方式计算出所述当前帧对应的尺度调整参数后，还可以根据所述当前帧的相邻多帧对应的多个尺度调整参数，对所述当前帧对应的尺度调整参数进行调整。
进一步地，所述调整模块103获取所述当前帧的前第二预设帧对应的尺度调整参数；根据所述当前帧的前第二预设帧对应的尺度调整参数，对所述当前帧对应的尺度调整参数进行调整；将更新后的尺度调整参数作为所述当前帧对应的尺度调整参数。这样可以防止目标跟踪时对应尺度变换过于敏感，导致跟踪不准确。
进一步地，其中所述当前帧的前第二预设帧包含的帧数可以为一帧或者多帧。所述当前帧的前第二预设帧对应的尺度调整参数可能为一个或者多个。优选地，所述调整模块103选取与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，对所述当前帧对应的尺度调整参数进行调整。
例如，每两帧更新一次尺度调整参数，所述当前帧为第七帧，所述前预设帧为第五帧，第六帧，则与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数为在第五帧及第六帧中对应的一个尺度调整参数。
所述调整模块103根据根据所述与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，利用第一更新公式，对所述当前帧对应的尺度调整参数进行调整，所述第一更新公式如下：
其中表示所述当前帧对应的尺度调整参数，表示所述与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，表示更新后的尺度调整参数，λ表示常数。
所述预估模块104基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度。
可选地，所述当前帧的下一帧中目标的尺度等于所述当前帧中目标的尺度与所述当前帧对应的尺度调整参数的乘积。
所述跟踪模块105基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。
在可选实施例中，返回执行获取模块100获取下一帧，将所述下一帧作为当前帧，执行所述确定模块101、所述计算模块102、所述调整模块103及所述预估模块104，进行跟踪，直至结束所述目标的跟踪。例如，若当前帧为第二帧，则所述下一帧为第三帧，返回S10后，所述第三帧即为当前帧，依次类推，直至结束跟踪。
本发明获取当前帧，所述当前帧的帧数大于1；获取所述当前帧的前第一预设帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器；基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度；基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数；基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度；基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。因此本发明能目标发生尺度变化时，避免造成目标漂移，极大地提高了跟踪效率。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明每个实施例所述方法的部分步骤。
如图3所示，所述电子设备3包括至少一个发送装置31、至少一个存储器32、至少一个处理器33、至少一个接收装置34以及至少一个通信总线。其中，所述通信总线用于实现这些组件之间的连接通信。
所述电子设备3是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。所述电子设备3还可包括网络设备和/或用户设备。其中，所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量主机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。
所述电子设备3可以是，但不限于任何一种可与用户通过键盘、触摸板或声控设备等方式进行人机交互的电子产品，例如，平板电脑、智能手机、个人数字助理(PersonalDigital Assistant，PDA)、智能式穿戴式设备、摄像设备、监控设备等终端。
所述电子设备3所处的网络包括，但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
其中，所述接收装置34和所述发送装置31可以是有线发送端口，也可以为无线设备，例如包括天线装置，用于与其他设备进行数据通信。
所述存储器32用于存储程序代码。所述存储器32可以是集成电路中没有实物形式的具有存储功能的电路，如RAM(Random-Access Memory，随机存取存储器)、FIFO(First InFirst Out，)等。或者，所述存储器32也可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)、智能媒体卡(smart media card)、安全数字卡(secure digitalcard)、快闪存储器卡(flash card)等储存设备等等。
所述处理器33可以包括一个或者多个微处理器、数字处理器。所述处理器33可调用存储器32中存储的程序代码以执行相关的功能。例如，图2中所述的各个单元是存储在所述存储器32中的程序代码，并由所述处理器33所执行，以实现一种目标跟踪方法。所述处理器33又称中央处理器(CPU，Central Processing Unit)，是一块超大规模的集成电路，是运算核心(Core)和控制核心(Control Unit)。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机指令，所述指令当被包括一个或多个处理器的电子设备执行时，使电子设备执行如上文方法实施例所述的目标跟踪方法。
结合图1所示，所述电子设备3中的所述存储器32存储多个指令以实现一种商品推荐方法，所述处理器33可执行所述多个指令从而实现：
获取当前帧，所述当前帧的帧数大于1；获取所述当前帧的前第一预设帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器；基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度；基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数；基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度；基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。
在本发明的优选实施例中，所述处理器33执行的多个指令用于所述基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数包括：
将所述当前帧中的目标位置对应的响应值与所述当前帧的上一帧中的目标位置对应的响应值的比值作为所述当前帧对应的尺度调整参数。
在本发明的优选实施例中，所述处理器33执行的多个指令用于所述当前帧的前第一预设帧包括所述当前帧的上一帧及所述当前帧的上一帧的前预设N帧，N为大于0的正整数，所述基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数包括：
根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，计算所述当前帧对应的尺度调整参数。
在本发明的优选实施例中，所述处理器33执行的多个指令用于所述根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，计算所述当前帧对应的尺度调整参数包括：
根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，利用第一调整公式，计算所述当前帧对应的尺度调整参数，所述调整公式为：
其中表示所述当前帧对应的尺度调整参数，p(xi)表示第i帧的目标位置对应的响应值，p(xi-1)表示第(i-1)帧的目标位置对应的响应值，所述n表示所述当前帧的帧数，i的取值从第I帧开始，所述I＝(n-N-1)。
在本发明的优选实施例中，所述处理器33执行的多个指令用于在基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数之后，所述方法还包括：
获取所述当前帧的前第二预设帧对应的尺度调整参数；
根据所述当前帧的前第二预设帧对应的尺度调整参数，对所述当前帧对应的尺度调整参数进行调整；
将更新后的尺度调整参数作为所述当前帧对应的尺度调整参数。
在本发明的优选实施例中，所述处理器33执行的多个指令用于所述根据所述当前帧的前第二预设帧对应的尺度调整参数，对所述当前帧对应的尺度调整参数进行调整包括：
选取与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数；
根据所述与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，利用第一更新公式，对所述当前帧对应的尺度调整参数进行调整，所述第一更新公式如下：
其中表示所述当前帧对应的尺度调整参数，表示所述与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，表示更新后的尺度调整参数，λ表示常数。
在本发明的优选实施例中，所述当前帧的下一帧中目标的尺度等于所述当前帧中目标的尺度与所述当前帧对应的尺度调整参数的乘积。
以上说明的本发明的特征性的手段可以通过集成电路来实现，并控制实现上述任意实施例中所述目标跟踪方法的功能。即，本发明的集成电路安装于所述电子设备中，使所述电子设备发挥如下功能：获取当前帧，所述当前帧的帧数大于1；获取所述当前帧的前第一预设帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器；基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度；基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数；基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度；基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。
在任意实施例中所述目标跟踪方法所能实现的功能都能通过本发明的集成电路安装于所述电子设备中，使所述电子设备发挥任意实施例中所述目标跟踪方法所能实现的功能，在此不再详述。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明的各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种目标跟踪方法，其特征在于，所述方法包括：
获取当前帧，所述当前帧的帧数大于1；
获取所述当前帧的前第一预设帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器；
基于所述当前帧的上一帧中的目标位置、所述当前帧的上一帧中的目标的尺度及所述当前帧的上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度；
基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数；
基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度；
基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。
2.如权利要求1所述的目标跟踪方法，其特征在于，所述基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数包括：
将所述当前帧中的目标位置对应的响应值与所述当前帧的上一帧中的目标位置对应的响应值的比值作为所述当前帧对应的尺度调整参数。
3.如权利要求1所述的目标跟踪方法，其特征在于，所述当前帧的前第一预设帧包括所述当前帧的上一帧及所述当前帧的上一帧的前预设N帧，N为大于0的正整数，所述基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数包括：
根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，计算所述当前帧对应的尺度调整参数。
4.如权利要求3所述的目标跟踪方法，其特征在于，所述根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，计算所述当前帧对应的尺度调整参数包括：
根据所述当前帧的上一帧的前预设N帧中每帧中目标位置对应的响应值、所述当前帧的上一帧的目标位置对应的响应值及所述当前帧的目标位置对应的响应值，利用第一调整公式，计算所述当前帧对应的尺度调整参数，所述调整公式为：
<mrow> <msub> <mo>&amp;part;</mo> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mi>I</mi> </mrow> <mi>n</mi> </munderover> <msqrt> <mfrac> <mrow> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> </msqrt> <mo>,</mo> </mrow>
其中表示所述当前帧对应的尺度调整参数，p(xi)表示第i帧的目标位置对应的响应值，p(xi-1)表示第(i-1)帧的目标位置对应的响应值，所述n表示所述当前帧的帧数，i的取值从第I帧开始，所述I＝(n-N-1)。
5.如权利要求1中所述的目标跟踪方法，其特征在于，在基于所述当前帧的前第一预设帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数之后，所述方法还包括：
获取所述当前帧的前第二预设帧对应的尺度调整参数；
根据所述当前帧的前第二预设帧对应的尺度调整参数，对所述当前帧对应的尺度调整参数进行调整；
将更新后的尺度调整参数作为所述当前帧对应的尺度调整参数。
6.如权利要求5所述的目标跟踪方法，其特征在于，所述根据所述当前帧的前第二预设帧对应的尺度调整参数，对所述当前帧对应的尺度调整参数进行调整包括：
选取与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数；
根据所述与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，利用第一更新公式，对所述当前帧对应的尺度调整参数进行调整，所述第一更新公式如下：
<mrow> <msub> <mo>&amp;part;</mo> <mrow> <mi>u</mi> <mi>p</mi> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>e</mi> </mrow> </msub> <mo>=</mo> <mi>&amp;lambda;</mi> <mo>&amp;part;</mo> <mo>+</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> <msub> <mo>&amp;part;</mo> <mn>1</mn> </msub> <mo>,</mo> </mrow>
其中表示所述当前帧对应的尺度调整参数，表示所述与所述当前帧对应的尺度调整参数相邻的一个尺度调整参数，表示更新后的尺度调整参数，λ表示常数。
7.如权利要求1至6中任一项所述的目标跟踪方法，其特征在于，所述当前帧的下一帧中目标的尺度等于所述当前帧中目标的尺度与所述当前帧对应的尺度调整参数的乘积。
8.一种目标跟踪装置，其特征在于，所述装置包括：
获取模块，用于获取当前帧，所述当前帧的帧数大于1；
所述获取模块还用于获取所述当前帧的上一帧中的目标位置、所述上一帧中的滤波器；
确定模块，用于基于所述上一帧的目标位置及所述上一帧中的滤波器，利用核相关滤波算法，确定所述当前帧的目标位置及所述当前帧中目标的尺度；
计算模块，用于基于所述当前帧的上一帧中的目标位置及所述当前帧的目标位置，计算所述当前帧对应的尺度调整参数；
预估模块，用于基于所述当前帧中目标的尺度及所述当前帧对应的尺度调整参数，预估所述当前帧的下一帧中目标的尺度；
跟踪模块，用于基于所述当前帧的下一帧中目标的尺度，对所述当前帧的下一帧进行目标跟踪。
9.一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器用于存储至少一个指令，所述处理器用于执行所述至少一个指令以实现如权利要求1至7中任一项所述目标跟踪方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至7中任一项所述目标跟踪方法。
CN201711352448.XA 2017-12-15 2017-12-15 目标跟踪方法、装置、电子设备及存储介质 Active CN108053424B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201711352448.XA CN108053424B (zh) 2017-12-15 2017-12-15 目标跟踪方法、装置、电子设备及存储介质
PCT/CN2017/119639 WO2019114042A1 (zh) 2017-12-15 2017-12-29 目标跟踪方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711352448.XA CN108053424B (zh) 2017-12-15 2017-12-15 目标跟踪方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN108053424A true CN108053424A (zh) 2018-05-18
CN108053424B CN108053424B (zh) 2020-06-16

Family

ID=62133321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711352448.XA Active CN108053424B (zh) 2017-12-15 2017-12-15 目标跟踪方法、装置、电子设备及存储介质

Country Status (2)

Country Link
CN (1) CN108053424B (zh)
WO (1) WO2019114042A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110309731A (zh) * 2019-06-12 2019-10-08 中国人民解放军海军工程大学 松耦合结构无人航行器光电自主目标检测跟踪方法和系统
CN110827327A (zh) * 2018-08-13 2020-02-21 中国科学院长春光学精密机械与物理研究所 一种基于融合的长期目标跟踪方法
CN110838133A (zh) * 2019-09-27 2020-02-25 深圳云天励飞技术有限公司 多目标跟踪方法及相关设备
CN111383236A (zh) * 2020-04-24 2020-07-07 中国人民解放军总医院 用于标注感兴趣区域的方法、装置和计算机可读存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115222776B (zh) * 2022-09-19 2022-12-27 中国人民解放军国防科技大学 匹配辅助视觉目标跟踪方法、装置、电子设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010015544A (ja) * 2008-06-04 2010-01-21 Nikon Corp 被写体追跡プログラムおよび被写体追跡装置
CN107103616A (zh) * 2017-04-27 2017-08-29 中国科学院长春光学精密机械与物理研究所 一种目标跟踪方法及系统
CN107154024A (zh) * 2017-05-19 2017-09-12 南京理工大学 基于深度特征核相关滤波器的尺度自适应目标跟踪方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9947077B2 (en) * 2013-12-31 2018-04-17 Thomson Licensing Video object tracking in traffic monitoring
CN106251364A (zh) * 2016-07-19 2016-12-21 北京博瑞爱飞科技发展有限公司 目标跟踪方法及装置
CN106875422B (zh) * 2017-02-06 2022-02-25 腾讯科技（上海）有限公司 人脸跟踪方法和装置
CN107452025A (zh) * 2017-08-18 2017-12-08 成都通甲优博科技有限责任公司 目标跟踪方法、装置及电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010015544A (ja) * 2008-06-04 2010-01-21 Nikon Corp 被写体追跡プログラムおよび被写体追跡装置
CN107103616A (zh) * 2017-04-27 2017-08-29 中国科学院长春光学精密机械与物理研究所 一种目标跟踪方法及系统
CN107154024A (zh) * 2017-05-19 2017-09-12 南京理工大学 基于深度特征核相关滤波器的尺度自适应目标跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KAIHUA ZHANG等: "《Proceedings of 2014 European Conference on Computer Vision》", 31 December 2014 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110827327A (zh) * 2018-08-13 2020-02-21 中国科学院长春光学精密机械与物理研究所 一种基于融合的长期目标跟踪方法
CN110827327B (zh) * 2018-08-13 2023-04-18 中国科学院长春光学精密机械与物理研究所 一种基于融合的长期目标跟踪方法
CN110309731A (zh) * 2019-06-12 2019-10-08 中国人民解放军海军工程大学 松耦合结构无人航行器光电自主目标检测跟踪方法和系统
CN110309731B (zh) * 2019-06-12 2021-09-07 中国人民解放军海军工程大学 松耦合结构无人航行器光电自主目标检测跟踪方法和系统
CN110838133A (zh) * 2019-09-27 2020-02-25 深圳云天励飞技术有限公司 多目标跟踪方法及相关设备
CN111383236A (zh) * 2020-04-24 2020-07-07 中国人民解放军总医院 用于标注感兴趣区域的方法、装置和计算机可读存储介质

Also Published As

Publication number Publication date
WO2019114042A1 (zh) 2019-06-20
CN108053424B (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
CN108053424A (zh) 目标跟踪方法、装置、电子设备及存储介质
CN107369166A (zh) 一种基于多分辨率神经网络的目标跟踪方法及系统
Bibi et al. Multi-template scale-adaptive kernelized correlation filters
Zeng et al. A novel tensor decomposition-based efficient detector for low-altitude aerial objects with knowledge distillation scheme
CN111311647B (zh) 一种基于全局-局部及卡尔曼滤波的目标跟踪方法及装置
CN110120065B (zh) 一种基于分层卷积特征和尺度自适应核相关滤波的目标跟踪方法及系统
CN108846851B (zh) 运动目标跟踪方法及终端设备
CN107194430A (zh) 一种样本筛选方法及装置，电子设备
Yang et al. Visual tracking with long-short term based correlation filter
Zhang et al. A background-aware correlation filter with adaptive saliency-aware regularization for visual tracking
CN107067410A (zh) 一种基于增广样本的流形正则化相关滤波目标跟踪方法
Li et al. Vehicle counting and traffic flow parameter estimation for dense traffic scenes
Leka et al. A hybrid cnn-lstm model for virtual machine workload forecasting in cloud data center
CN115690545B (zh) 训练目标跟踪模型和目标跟踪的方法和装置
CN112991394B (zh) 基于三次样条插值和马尔科夫链的kcf目标跟踪方法
CN112233143B (zh) 目标跟踪方法、装置以及计算机可读存储介质
CN108093153A (zh) 目标跟踪方法、装置、电子设备及存储介质
CN113158904A (zh) 一种基于双掩膜模板更新的孪生网络目标跟踪方法及装置
CN116861262A (zh) 一种感知模型训练方法、装置及电子设备和存储介质
CN106251364A (zh) 目标跟踪方法及装置
Liu et al. Multiple objects tracking based vehicle speed analysis with Gaussian filter from drone video
CN115687912A (zh) 预测对象的轨迹数据的方法和系统及训练机器学习方法来预测对象的轨迹数据的方法和系统
CN114743150A (zh) 目标跟踪方法、装置、电子设备及存储介质
Liu et al. Anti-occlusion object tracking based on correlation filter
CN111460948A (zh) 一种基于代价敏感结构化svm的目标跟踪方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant