CN108206941A - 目标跟踪方法、系统、终端设备及存储介质 - Google Patents

Abstract

本发明提供一种目标跟踪方法，包括：确定目标物体在视频画面中的位置，所述视频画面至少包括:第一区域和第二区域，所述第一区域为摄像装置在视频画面中需要对准的目标位置所在的区域；根据所述目标物体在视频画面中的位置控制所述摄像装置的转动速率，以对所述目标物体进行跟踪；其中，所述目标物体在所述第一区域时所述摄像装置对应的第一速率，小于所述目标物体在所述第二区域时所述摄像装置对应的第二速率。本发明提供的技术方案使得拍摄装置可以实时准确地对目标物体进行跟踪。

Description

目标跟踪方法、系统、终端设备及存储介质

技术领域

本发明涉及智能监控技术领域，具体涉及一种目标跟踪方法、系统、终端 设备及存储介质。

背景技术

视频监控技术是各行业重点场所或重点部门进行实时监控和远程管理的 技术基础，管理部门可通过它获得有效的数据包括图像或声音信息，对突发性 的异常事件的过程进行即时的记忆，从而提供高效及时的指挥，方便布置警力、 处理案件等。当代视频监控系统以网络为依托，以数字视频的压缩、传输、存 储和播放为核心，以智能实用的图像分析为特色，并与报警系统、门禁系统完 美的整合到一个硬件平台上，受到了安防部门和广大普通用户的极大关注。

在视频监控技术的硬件实现中，为了控制摄像装置的拍摄方向，一般会使 用到云台控制装置(即，PTZ装置，PTZ为Pan/Tilt/Zoom的简写，代表云台 全方位(左右/上下)移动及镜头变倍、变焦控制)，以便于对目标物体进行全 方位的跟踪拍摄。

在实际应用中，当确定目标物体之后，云台控制装置就会控制摄像装置对 目标物体进行跟踪拍摄。云台控制装置的转动速率会对跟踪效果造成不同的影 响，较大的转动速率会导致云台控制装置往返校正，造成一定的视频抖动现象； 较小的转动速率又会造成较大的拍摄时延，影响系统的实时性。

发明内容

本发明实施例第一方面提供一种目标跟踪方法，包括:

确定目标物体在视频画面中的位置，所述视频画面至少包括:第一区域和 第二区域，所述第一区域为摄像装置在视频画面中需要对准的目标位置所在的 区域；

根据所述目标物体在视频画面中的位置控制所述摄像装置的转动速率，以 对所述目标物体进行跟踪；其中，所述目标物体在所述第一区域时所述摄像装 置对应的第一速率，小于所述目标物体在所述第二区域时所述摄像装置对应的 第二速率。

可选的，所述视频画面还包括:第三区域；

所述根据所述目标物体在视频画面中的位置控制所述摄像装置的转动速 率，还包括：

若所述目标物体在所述第三区域内，则控制所述摄像装置使用第三速率对 所述目标物体进行跟踪，所述第三速率大于所述第二速率。

可选的，所述第一区域具体为中心区域，所述第二区域具体为边缘区域；

所述根据所述目标物体在视频画面中的位置控制摄像装置的转动速率，包 括：

若所述目标物体在所述中心区域内，则控制所述摄像装置使用第一速率对 所述目标物体进行跟踪；

若所述目标物体在所述边缘区域内，则指示所述摄像装置使用第二速率对 所述目标物体进行跟踪。

可选的，所述对所述目标物体进行跟踪的方式，包括：主动跟踪和被动跟 踪；

所述主动跟踪为根据预设的目标选择策略，在所述摄像装置拍摄到的图像 中选定目标物体进行跟踪；

所述被动跟踪为对指定的目标物体进行跟踪。

可选的，所述目标选择策略，包括：

选择最先被检测到的物体作为目标物体；

或，

选择当前拍摄的视频图像中物体分值最高的物体作为目标物体；

或，

选择当前拍摄的视频图像中图像像素值最高的物体作为目标物体。

可选的，所述主动跟踪包括人脸跟踪模式；

所述人脸跟踪模式包括：

对第一视频帧进行人脸检测，所述第一视频帧为当前拍摄到的视频图像；

根据所述目标选择策略以及所述人脸检测的结果确定目标人脸；

根据所述目标人脸的第一特征信息对所述目标人脸进行跟踪；

所述第一特征信息包括：

人脸位置信息和人脸的长宽信息，或，

人脸位置信息、人脸的长宽信息和人脸关键点信息。

可选的，所述根据所述目标人脸的特征信息对所述目标人脸进行跟踪，包 括：

在第一视频帧中获取所述目标人脸的第一特征信息；

根据所述目标人脸的特征信息确定第二视频帧中的搜索区域，所述第二视 频帧为所述第一视频帧之后的视频帧；

在所述搜索区域中获取人脸图像的第一特征信息；

将所述目标人脸的第一特征信息和所述人脸图像的第一特征信息进行特 征匹配；

根据所述特征匹配的结果确定当前的跟踪状态。

可选的，所述主动跟踪还包括人体跟踪模式；

所述人体跟踪模式包括：

对第一视频帧进行人体检测，所述第一视频帧为当前拍摄到的视频图像；

根据所述目标选择策略以及所述人体检测的结果确定目标人体；

根据所述目标人体的第二特征信息对所述目标人体进行跟踪，所述第二特 征信息包括：人体位置信息和人体的长宽信息。

可选的，所述根据所述目标人体的第二特征信息对所述目标人体进行跟 踪，包括：

在第一视频帧中获取所述目标人体的第二特征信息；

根据所述目标人体的第二特征信息确定第二视频帧中的搜索区域，所述第 二视频帧为所述第一视频帧之后的视频帧；

根据所述搜索区域确定所述目标人体在所述第二视频帧中的特征响应图；

确定所述特征响应图中滤波响应最大的特征点的位置为所述目标人体的 位置。

可选的，所述被动跟踪的跟踪流程包括：

获取用户选定的目标物体，并提取所述用户选定的目标物体的长宽特征；

根据所述长宽特征在视频帧中检测所述目标物体，若检测到所述目标物 体，则获取所述目标物体的特征信息；

根据所述特征信息对所述目标物体进行跟踪。

本发明实施例第二方面提供一种目标跟踪系统，包括：

主控装置，摄像装置和转动装置；

所述转动装置用于控制所述摄像装置的拍摄角度；

所述主控装置用于通过指示所述转动装置，控制所述摄像装置对目标物体 进行跟踪；所述主控装置包括：目标跟踪单元和跟踪控制单元；

所述目标跟踪单元用于对所述目标物体进行检测和跟踪；

所述跟踪控制单元用于根据所述目标物体在视频画面中的位置控制所述 摄像装置的转动速率。

可选的，所述视频画面还包括:第三区域；

所述根据所述目标物体在视频画面中的位置控制所述摄像装置的转动速 率，还包括：

若所述目标物体在所述第三区域内，则控制所述摄像装置使用第三速率对 所述目标物体进行跟踪，所述第三速率大于所述第二速率。

可选的，所述第一区域具体为中心区域，所述第二区域具体为边缘区域；

所述根据所述目标物体在视频画面中的位置控制摄像装置的转动速率，包 括：

若所述目标物体在所述中心区域内，则控制所述摄像装置使用第一速率对 所述目标物体进行跟踪；

若所述目标物体在所述边缘区域内，则指示所述摄像装置使用第二速率对 所述目标物体进行跟踪。

可选的，所述目标跟踪单元包括：主动跟踪模块和被动跟踪模块；

所述主动跟踪模块用于根据预设的目标选择策略，在所述摄像装置拍摄到 的图像中选定目标物体进行跟踪；

所述被动跟踪模块用于对指定的目标物体进行跟踪。

可选的，所述目标选择策略，包括：

选择最先被检测到的物体作为目标物体；

或，

选择当前拍摄的视频图像中物体分值最高的物体作为目标物体；

或，

选择当前拍摄的视频图像中图像像素值最高的物体作为目标物体。

可选的，所述主动跟踪模块包括人脸跟踪模式；

所述人脸跟踪模式包括：

对第一视频帧进行人脸检测，所述第一视频帧为当前拍摄到的视频图像；

根据所述目标选择策略以及所述人脸检测的结果确定目标人脸；

根据所述目标人脸的第一特征信息对所述目标人脸进行跟踪；

所述第一特征信息包括：

人脸位置信息和人脸的长宽信息，或，

人脸位置信息、人脸的长宽信息和人脸关键点信息。

可选的，所述根据所述目标人脸的特征信息对所述目标人脸进行跟踪，包 括：

在第一视频帧中获取所述目标人脸的第一特征信息；

根据所述目标人脸的特征信息确定第二视频帧中的搜索区域，所述第二视 频帧为所述第一视频帧之后的视频帧；

在所述搜索区域中获取人脸图像的第一特征信息；

将所述目标人脸的第一特征信息和所述人脸图像的第一特征信息进行特 征匹配；

根据所述特征匹配的结果确定当前的跟踪状态。

可选的，所述主动跟踪模块包括人体跟踪模式；

所述人体跟踪模式包括：

对第一视频帧进行人体检测，所述第一视频帧为当前拍摄到的视频图像；

根据所述目标选择策略以及所述人体检测的结果确定目标人体；

根据所述目标人体的第二特征信息对所述目标人体进行跟踪，所述第二特 征信息包括：人体位置信息和人体的长宽信息。

可选的，所述根据所述目标人体的第二特征信息对所述目标人体进行跟 踪，包括：

在第一视频帧中获取所述目标人体的第二特征信息；

根据所述目标人体的第二特征信息确定第二视频帧中的搜索区域，所述第 二视频帧为所述第一视频帧之后的视频帧；

根据所述搜索区域确定所述目标人体在所述第二视频帧中的特征响应图；

确定所述特征响应图中滤波响应最大的特征点的位置为所述目标人体的 位置。

可选的，所述被动跟踪模块的跟踪流程包括：

获取用户选定的目标物体，并提取所述用户选定的目标物体的长宽特征；

根据所述长宽特征在视频帧中检测所述目标物体，若检测到所述目标物 体，则获取所述目标物体的特征信息；

根据所述特征信息对所述目标物体进行跟踪。

本发明实施例第三方面提供的终端设备，包括存储器、处理器以及存储在 所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理 器执行所述计算机程序时实现上述目标跟踪方法的步骤。

本发明实施例第四方面提供的计算机可读存储介质，所述计算机可读存储 介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上 述目标跟踪方法的步骤。

由上可见，本发明实施例的目标跟踪方法先确定目标物体在视频画面中的 位置，根据所述目标物体在视频画面中的位置控制所述摄像装置的转动速率， 使得所述摄像装置在所述第二区域的转动速率大于在所述第一区域的转动速 率，从而在快速跟踪目标物体的同时，又避免了摄像装置对准了目标位置时所 造成的晃动。

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 出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种目标跟踪方法的流程示意图；

图2为本发明实施例提供的人脸跟踪的流程示意图；

图3为本发明实施例提供的人体跟踪的流程示意图；

图4为本发明实施例提供的被动跟踪的流程示意图；

图5为本发明实施例提供的一种目标跟踪系统结构示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，而非全部实施例。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。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、 “第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特 定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便 这里描述的本发明的实施例如能够以除了在这里图示或描述的那些以外的顺 序实施。此外，术语“包括”和“具有”以及他们的任何变形，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 设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或 对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

本发明实例提供的一种目标跟踪方法，请参阅图1，包括：

S1、确定目标物体在视频画面中的位置；

确定目标物体在视频画面中的位置，所述视频画面至少包括:第一区域和 第二区域，所述第一区域为摄像装置在视频画面中需要对准的目标位置所在的 区域。

示例性的，在实际应用中摄像装置的在视频画面的中心位置会有个对准框 (即上述需要对准的目标位置)，该对准框在跟踪目标物体时需要实时地对准 目标物体。在本发明实施例中，对视频画面中的区域进行划分，该对准框所在 的区域为第一区域，对应非第一区域的部分，根据实际对控制速度的需求，可 以划分为第二区域，第三区域等，不同的区域对应不同的控制速度。

S2、根据所述目标物体在视频画面中的位置控制所述摄像装置的转动速 率，以对所述目标物体进行跟踪。

根据所述目标物体在视频画面中的位置控制所述摄像装置的转动速率，以 对所述目标物体进行跟踪；其中，所述目标物体在所述第一区域时所述摄像装 置对应的第一速率，小于所述目标物体在所述第二区域时所述摄像装置对应的 第二速率。

可选的，若需要对准的目标位置在视频中心的场景，则视频画面可以划分 为中心区域和边缘区域，所述第一区域具体为中心区域，所述第二区域具体为 边缘区域。则根据所述目标物体在视频画面中的位置控制所述摄像装置的转动 速率为：若所述目标物体在所述中心区域内，则控制所述摄像装置使用第一速 率对所述目标物体进行跟踪；若所述目标物体在所述边缘区域内，则指示所述 摄像装置使用第二速率对所述目标物体进行跟踪。

可选的，若所述视频画面还包括第三区域；则若所述目标物体在所述第三 区域内，则控制所述摄像装置使用第三速率对所述目标物体进行跟踪，所述第 三速率大于所述第二速率。

在现有技术中，为了实时性的让视频画面中的对准框对准目标物体，会采 用较快的转动速率对目标物体进行跟踪，导致当对准框接近目标物体中，容易 错过目标物体，使得控制装置往返校正，造成一定的视频抖动现象。而在本发 明实施例中，先确定目标物体在视频画面中的位置，根据所述目标物体在视频 画面中的位置控制所述摄像装置的转动速率，使得所述摄像装置在所述第二区 域的转动速率大于在所述第一区域的转动速率，从而在快速跟踪目标物体的同 时，又避免了摄像装置对准了目标位置时所造成的晃动。

具体的，在本发明实施例中，目标跟踪的方式包括：主动跟踪和被动跟踪， 而主动跟踪又包括人脸跟踪模式和人体跟踪模式。

主动跟踪为根据预设的目标选择策略，在所述摄像装置拍摄到的图像中选 定目标物体进行跟踪。

被动跟踪为对指定的目标物体进行跟踪，指定的目标物体可以为预设的， 也可以为用户选定的。

请参考图2，下面对主动跟踪模块中的人脸跟踪模式进行说明：

S101、对第一视频帧进行人脸检测，所述第一视频帧为当前拍摄到的视频 图像；

在目标跟踪系统的主动跟踪模块中设置人脸跟踪模式，对第一视频帧进行 人脸检测。

S102、根据所述目标选择策略以及所述人脸检测的结果确定目标人脸；

由于视频帧中内出现的目标可能不止一个，因此，需要设定目标选择策略， 包括：

选择最先被检测到的物体作为目标物体；

或，

选择当前拍摄的视频图像中物体分值最高的物体作为目标物体；具体的， 在实际应用中，检测设备可以基于物体的大小和\或清晰度对视频图像中的物 体进行打分。

或，

选择当前拍摄的视频图像中图像像素值最高的物体作为目标物体。

在本发明实施例中，上述目标选择策略选择一张人脸作为目标物体，不同 的选择策略适用于不同的场景；其中，取最先被系统检测到的人脸作为目标物 体，适用于目标较少出现场景，如仓库等私密场所；取检测到人脸分值最高的 目标框内的人脸图像作为目标物体，适用于人脸匹配跟踪；取检测到人脸像素 值最大，即最靠近摄像头的检测框为目标框，适用于人脸识别场景。

S103、根据所述目标人脸的第一特征信息对所述目标人脸进行跟踪；

在第一视频帧中获取所述目标人脸的特征信息；根据所述目标人脸的第一 特征信息确定第二视频帧中的搜索区域，所述第二视频帧为所述第一视频帧之 后的视频帧，具体的，第二视频帧可以为所述第一视频帧的下一帧视频图像； 在所述搜索区域中获取人脸图像的第一特征信息；将所述目标人脸的第一特征 信息和所述人脸图像的第一特征信息进行特征匹配；根据所述特征匹配的结果 确定当前的跟踪状态。

所述第一特征信息包括：人脸位置信息和人脸的长宽信息，或/人脸位置 信息、人脸的长宽信息和人脸关键点信息。

具体的，在确定目标人脸之后，确定目标人脸的位置点[px,py]，目标人 脸的长度和宽度[width,height]，目标关键点(如，21个关键点)的具体信 息，后续搜索范围。

按照这一实施例，所述目标范围由21个关键点确定，根据21个关键点可 以获取到目标矩形框，搜索范围是由矩形框放大λ倍得到的，即后续搜索范 围大小未[λ*max(width,height)，λ*max(width,height)]。λ的值与目标 的运动速率及方向相关，一般情况下，取λ属于1.5至2之间。

具体的，在确定目标人脸的第一特征信息之后，获取目标跟踪系统下一帧 图像，在搜索区域内采用特征匹配的方法获取被跟踪的目标信息，在获得目标 信息之后，判断目标是否存在且通过21个特征点的匹配程度返回其跟踪状态。 若目标存在且21个特征点的匹配程度满足要求，更新目标所在的位置点 [px,py]和目标的大小[width,height]，通过跟踪控制单元指示转动装置进行 目标跟踪，若21个特征点的匹配程度不足，结束跟踪流程。

当在当前视频帧内目标丢失，或者转动装置的转动角度达到最大值，目标 人脸离开跟踪范围，跟踪结束，摄像装置返回原位置，清空跟踪状态。

请参考图3，下面对人体跟踪模式进行说明：

S201、对第一视频帧进行人体检测，所述第一视频帧为当前拍摄到的视频 图像；

为了更精准的捕获视频帧上的人体，基于深度学习的经典检测网络框架训 练了独立的人体检测模型。

S202、根据所述目标选择策略以及所述人体检测的结果确定目标人体；

鉴于视频帧内出现的目标可能不止一个，本发明使用了特定的方法选择视 频帧内的一个人体目标作为跟踪目标。一般的，选取当前检测到的多个检测框 中面积最大的框为目标框。当然，也可以采用人体置信度分值最高的检测框作 为目标框(每个人体检测框对应一个人体置信度分值)。

S203、根据所述目标人体的第二特征信息对所述目标人体进行跟踪；

所述特征信息包括：人体位置信息和人体的长宽信息。

在第一视频帧中获取所述目标人体的第二特征信息；根据所述目标人体的 第二特征信息确定第二视频帧中的搜索区域，所述第二视频帧为所述第一视频 帧的下一帧视频图像；根据所述搜索区域确定所述目标人体在所述第二视频帧 中的特征响应图；确定所述特征响应图中滤波响应最大的特征点的位置为所述 目标人体的位置。

具体的，在确定目标人体的位置点[px,py]，、长度和宽度[width,height] 信息之后，获取用于跟踪目标人体的目标矩形框，搜索范围是由矩形框放大 λ倍得到的，即后续搜索范围大小为[λ*width，λ*height]。一般地，因为 人体的特殊性，人体的高度远大于人体的宽度，即width＜height。我们设置 搜索区域为目标框的等倍扩展，一般地，生活场景下，λ在1.5至2的范围 内。

具体的，人体跟踪可以分为人体检测和人体匹配识别；

人体检测：确定的目标位置点和搜索区域的长度和宽度，并利用卷积网络 获取目标框信息作为特征信息。在获取下一帧图像后，在搜索区域内进行人体 检测，获取搜索区域的人体检测框。

人体匹配识别：一般地，在人体密度较大的情况下，搜索区域内的检测框 不止一个，所以为了更好的进行人体跟踪，设定了人体匹配识别的流程。用于 将搜索区域内的人体检测框和目标框内的人体进行匹配识别，不同于传统的方 法，本发明实施例特别采用了基于Siamese网络训练的人体匹配识别网络进行 人体识别，对上一帧获取的目标框和搜索区域内的检测框独立匹配，即每一个 检测框都和目标框进行一次匹配，从而获取相应的置信度分值。以最高的置信 度分值为准，通过该置信度分值判定目标的跟踪状态。为了更好的判定跟踪状 态，本实例提供了一个匹配阈值，当最高置信度分数大于阈值，则目标存在，置信度分数值越高，跟踪状态越好，当最高置信度分数低于阈值，则目标丢失。 若目标存在，通过跟踪控制单元指示转动装置进行目标跟踪，若目标不存在， 结束跟踪流程，计时归0，转动装置恢复到初始等待，等待下一个跟踪。

当在当前视频帧内目标丢失，或者转动装置的转动角度达到最大值，目标 人体离开跟踪范围，则保存人体信息，等待t时刻；在1-t-1时刻内，若目标 重新出现，则进行进行跟踪；否则，跟踪结束，摄像装置返回原位置，清空跟 踪状态。

请参考图4，下面对被动跟踪模式进行说明：

S301、获取用户选定的目标物体，并提取所述用户选定的目标物体的长宽 特征；

因为采用被动跟踪模式，需要用户选定跟踪的目标物体，本发明实施例提 供了多种方法便于用户选定目标物体，如使用鼠标画框、鼠标画线、鼠标画点 等方式，同时设定一长或宽的最小值为eps。

关于目标物体的长宽特征，若使用鼠标画框，则一次可以得到四个数值[x,y,width,height],在width小于或等于eps，或者height或等于eps时， 转化为由点[x+width/2,y+height/2]获取指定目标位置。若使用鼠标画线，则 一次可得到两个点[x1,y1]和[x2,y2],则可以得到一个待定目标框 [x,y,width,height],同理，在width小于或等于eps，或者height或等于 eps时，转化为由点[x+width/2,y+height/2]获取指定目标位置。使用鼠标 画点标定跟踪目标时可以得到一个点[x,y],此时，结合基于深度学习检测方 法，得到需要跟踪的目标。

S302、根据所述长宽特征在视频帧中检测所述目标物体，若检测到所述目 标物体，则获取所述目标物体的特征信息；

具体的，目标跟踪系统根据所述长宽特征设定用于检测的目标框(包括， 位置点[px,py]，大小[width,height])以及在视频帧中的搜索区域。

在被动跟踪情况下，搜索区域分三种情况进行处理，(1)width和height 相近，此时采用[λ*max(width,height)，λ*max(width,height)]得到一个长 宽相等的搜索区域，(2)width＞3*height,此时取搜索区域为 [λ*sqrt(width*height)，λ*sqrt(width*height)],截取后的搜索区域要压 缩成为原来的二分之一，(3)height＞3*width,搜索区域设置为[λ*width， λ*height]。

S303、根据所述特征信息对所述目标物体进行跟踪。

在检测到所述目标物体之后，获取所述目标物体的特征信息，并根据所述 特征信息对所述目标物体进行跟踪。

具体的，若所述目标物体为人脸，则特征信息包括：

人脸位置信息和人脸的长宽信息，或/

人脸位置信息、人脸的长宽信息和人脸关键点信息。

若所述目标物体为人体，则特征信息包括：

人体位置信息和人体的长宽信息。

若目标物体为人脸，则当在当前视频帧内目标丢失，或者转动装置的转动 角度达到最大值，目标人脸离开跟踪范围，跟踪结束，摄像装置返回原位置， 清空跟踪状态。

若目标物体为人体，则当在当前视频帧内目标丢失，或者转动装置的转动 角度达到最大值，目标人体离开跟踪范围，则保存人体信息，等待t时刻；在 1-t-1时刻内，若目标重新出现，则进行进行跟踪；否则，跟踪结束，摄像装 置返回原位置，清空跟踪状态。

在本发明实施例中，针对输入目标任意，以及算法精确性的要求，设计三 种不同的跟踪方法，为人脸和人体这两种经常被检测的目标提供了更加精准的 跟踪效果。这样可以避免采用同一种跟踪方法特征过于一致。

并且，目标跟踪系统使用MDnet(Learning Multi-Domain Convolutional NeuralNetworks for Visual Tracking)的卷积神经网络的第一层特征作为 输入，适合完成任意目标的跟踪任务，可以获得更高的跟踪精度。空间降维和PCA降维结合的方式来消除空间冗余和减少特征通道，从而达到在保证跟踪性 能的前提下，大大提升了跟踪速率。为了适应各种复杂的跟踪场景，卷积神经 网络特征可以和HOG特征，LAB颜色特征级联起来，共同作为输入。进一步提 升跟踪效果。由于卷积神经网络特征已经经过了降维处理，因此加HOG和LAB 特征后不会增加很多处理时间。

实施例二

本发明实例提供一种目标跟踪系统。如图5所示，本发明实施例中的目标 跟踪系统包括：

主控装置101，摄像装置102和转动装置103；

所述转动装置103用于控制所述摄像装置的拍摄角度；

所述主控装置101用于通过指示所述转动装置103，控制所述摄像装置102 对目标物体进行跟踪；所述主控装置101包括：目标跟踪单元1011和跟踪控 制单元1012；

在实际应用中，所述主控装置101在硬件实现上可以为CPU(Central ProcessingUnit，中央处理器)、GPU(Graphics Processing Unit，图像处 理器)或SOC(System onChip，片上系统，是一个有专用目标的集成电路， 其中包含完整系统并有嵌入软件的全部内容)。

所述目标跟踪单元1011用于通过深度学习的方法对所述目标物体进行检 测和跟踪；

在本发明实施例中，深度学习指的是通过组合低层特征形成更加抽象的高 层表示属性类别或特征，以发现数据的分布式特征表示。具体的，本发明实施 例中中目标跟踪所使用的神经网络模型是通过深度学习的方法训练得到的。

在实际应用中，目标物体的检测可以通过检测器实现。检测器可以为基于 深度卷积神经网络的高性能检测器，用于确定视频帧中的每个目标区域(目 标检测框)，例如，快速区域卷积神经网络(Faster-Region with Convolutional Neural Network，Faster-RCNN)。

目标跟踪单元1011通过检测器先检测出目标物体后，对该目标物体进行 跟踪。具体的，目标跟踪单元1011获取当前视频帧中目标物体的特征点，通 过训练好的神经网络对该目标物体在下一帧视频中的运动状态和位置进行预 测，从而实现对目标物体的跟踪。

所述跟踪控制单元1012用于根据所述目标物体在视频画面中的位置控制 所述摄像装置的转动速率。

具体的，所述视频帧指的是所述摄像装置所拍摄到的当前视频帧。在技术 实现中，在所述视频帧中可设置一中心点，跟踪控制单元1012检测目标物体 与该中心点的距离，动态控制转动速率的原则为：目标物体距离该中心点越远， 转动速率越快，目标物体距离该中心点越近，转动速率越慢。

在实际应用的一种实现方式中，所述视频帧可划为边缘区域和中心区域；

若所述目标物体在所述边缘区域内，则指示所述转动装置使用第二速率对 所述目标物体进行跟踪；若所述目标物体从所述边缘区域进入所述中心区域， 则指示所述转动装置使用第一速率对所述目标物体进行跟踪；所述第二速率大 于所述第一速率。

需要说明的是，上述方法仅为动态控制转动速率的一种实现方式，在实际 应用中，所述视频帧可根据边缘至中心点的距离划为多个区域，相应的为该多 个区域设置多个不同的转动速率，不同区域对应的转动速率向视频帧的中心方 向递减，即越靠近中心点的区域越近，转动速率越慢。

本发明实施例的目标跟踪系统包含有主控装置，利用主控装置中的跟踪控 制单元，根据目标物体在视频帧的位置动态地控制转动装置的转动速率，在目 标物体远离视频帧的中心位置时，使得转动装置快速的转动，在目标物体靠近 视频帧的中心位置时，使得转动装置较慢的转动，从而实时准确地对目标物体 进行跟踪拍摄。

实施例三

在实施例二中目标跟踪系统所述描述的系统结构的基础上，所述目标跟踪 单元1011包括有主动跟踪模块和被动跟踪模块；

所述主动跟踪模块用于根据预设的目标选择策略，在所述摄像装置拍摄到 的图像中选定目标物体进行跟踪；

所述被动跟踪模块用于根据用户选定地目标物体进行跟踪。

具体的，主动跟踪模块和被动跟踪模块的功能在上述方法实施例中已经有 详细的描述，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上 述各功能单元、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单元、模块完成，即将所述装置的内部结构划分成不 同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功 能单元、模块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。另外，各功能单元、模 块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上 述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程， 在此不再赘述。

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 述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示 例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来 实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用 和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现 所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通 过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如， 所述模块或单元的划分，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 合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以 是电性，机械或其它的形式。

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 明实施例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)执行本发明实施例各个实施 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、移动硬盘、只 读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

根据本发明实施例的一个方面，提供的一种终端设备，包括处理器，处理 器包括本发明目标跟踪方法各实施例中的任意一项。

根据本发明实施例的一个方面，提供的一种终端设备，包括：存储器，用 于存储可执行指令；

以及处理器，用于与存储器通信以执行可执行指令从而完成本发明目标跟 踪方法各实施例中的任意一项的操作。

根据本发明实施例的一个方面，提供的一种计算机存储介质，用于存储计 算机可读取的指令，所述指令被执行时执行本发明目标跟踪方法各实施例中的 任意一项的操作。

本发明实施例还提供了一种电子设备，例如可以是移动终端、个人计算机 (PC)、平板电脑、服务器等。计算机系统600包括一个或多个处理器、通信 部等，所述一个或多个处理器例如：一个或多个中央处理单元(CPU)601，和 /或一个或多个图像处理器(GPU)613等，处理器可以根据存储在只读存储器 (ROM)602中的可执行指令或者从存储部分608加载到随机访问存储器(RAM) 603中的可执行指令而执行各种适当的动作和处理。通信部612可包括但不限 于网卡，所述网卡可包括但不限于IB(Infiniband)网卡，

处理器可与只读存储器602和/或随机访问存储器630中通信以执行可执 行指令，通过总线604与通信部612相连、并经通信部612与其他目标设备通 信，从而完成本申请实施例提供的任一项方法对应的操作，例如，确定目标物 体在视频画面中的位置，所述视频画面至少包括:第一区域和第二区域，所述 第一区域为摄像装置在视频画面中需要对准的目标位置所在的区域；根据所述 目标物体在视频画面中的位置控制所述摄像装置的转动速率，以对所述目标物 体进行跟踪；其中，所述目标物体在所述第一区域时所述摄像装置对应的第一 速率，小于所述目标物体在所述第二区域时所述摄像装置对应的第二速率。

此外，在RAM 603中，还可存储有装置操作所需的各种程序和数据。CPU601、ROM602以及RAM603通过总线604彼此相连。在有RAM603的情况下，ROM602 为可选模块。RAM603存储可执行指令，或在运行时向ROM602中写入可执行指 令，可执行指令使处理器601执行上述通信方法对应的操作。输入/输出(I/O) 接口605也连接至总线604。通信部612可以集成设置，也可以设置为具有多 个子模块(例如多个IB网卡)，并在总线链接上。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括 诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607； 包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口 卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动 器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、 磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读 出的计算机程序根据需要被安装入存储部分608。

需要说明的，本发明实施例所示的架构仅为一种可选实现方式，在具体实 践过程中，可根据实际需要对本发明实施例的部件数量和类型进行选择、删减、 增加或替换；在不同功能部件设置上，也可采用分离设置或集成设置等实现方 式，例如GPU和CPU可分离设置或者可将GPU集成在CPU上，通信部可分离设 置，也可集成设置在CPU或GPU上，等等。这些可替换的实施方式均落入本发 明公开的保护范围。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为 计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有 形地包含在机器可读介质上的计算机程序，计算机程序包含用于执行流程图所 示的方法的程序代码，程序代码可包括对应执行本申请实施例提供的方法步骤 对应的指令，例如，确定目标物体在视频画面中的位置，所述视频画面至少包 括:第一区域和第二区域，所述第一区域为摄像装置在视频画面中需要对准的 目标位置所在的区域；根据所述目标物体在视频画面中的位置控制所述摄像装 置的转动速率，以对所述目标物体进行跟踪；其中，所述目标物体在所述第一 区域时所述摄像装置对应的第一速率，小于所述目标物体在所述第二区域时所 述摄像装置对应的第二速率。在这样的实施例中，该计算机程序可以通过通信 部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算 机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述 功能。

可能以许多方式来实现本发明的方法和装置、设备。例如，可通过软件、 硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和装置、设 备。用于方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限 于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中， 还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本 发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的 方法的程序的记录介质。

以上所述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精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种目标跟踪方法，其特征在于，包括：

确定目标物体在视频画面中的位置，所述视频画面至少包括:第一区域和第二区域，所述第一区域为摄像装置在视频画面中需要对准的目标位置所在的区域；

根据所述目标物体在视频画面中的位置控制所述摄像装置的转动速率，以对所述目标物体进行跟踪；其中，所述目标物体在所述第一区域时所述摄像装置对应的第一速率，小于所述目标物体在所述第二区域时所述摄像装置对应的第二速率。

2.根据权利要求1所述的方法，其特征在于，

所述视频画面还包括:第三区域；

所述根据所述目标物体在视频画面中的位置控制所述摄像装置的转动速率，还包括：

若所述目标物体在所述第三区域内，则控制所述摄像装置使用第三速率对所述目标物体进行跟踪，所述第三速率大于所述第二速率。

3.根据权利要求1所述的方法，其特征在于，

所述第一区域具体为中心区域，所述第二区域具体为边缘区域；

所述根据所述目标物体在视频画面中的位置控制摄像装置的转动速率，包括：

若所述目标物体在所述中心区域内，则控制所述摄像装置使用第一速率对所述目标物体进行跟踪；

若所述目标物体在所述边缘区域内，则指示所述摄像装置使用第二速率对所述目标物体进行跟踪。

4.根据权利要求1所述的方法，其特征在于，所述对所述目标物体进行跟踪的方式，包括：主动跟踪和被动跟踪；

所述主动跟踪为根据预设的目标选择策略，在所述摄像装置拍摄到的图像中选定目标物体进行跟踪；

所述被动跟踪为对指定的目标物体进行跟踪。

5.一种目标跟踪系统，其特征在于，包括：

主控装置，摄像装置和转动装置；

所述转动装置用于控制所述摄像装置的拍摄角度；

所述主控装置用于通过指示所述转动装置，控制所述摄像装置对目标物体进行跟踪；所述主控装置包括：目标跟踪单元和跟踪控制单元；

所述目标跟踪单元用于对所述目标物体进行检测和跟踪；

所述跟踪控制单元用于根据所述目标物体在视频画面中的位置控制所述摄像装置的转动速率；其中，所述目标物体在所述第一区域时所述摄像装置对应的第一速率，小于所述目标物体在所述第二区域时所述摄像装置对应的第二速率。

6.根据权利要求5所述的目标跟踪系统，其特征在于，

所述视频画面还包括:第三区域；

所述根据所述目标物体在视频画面中的位置控制所述摄像装置的转动速率，还包括：

若所述目标物体在所述第三区域内，则控制所述摄像装置使用第三速率对所述目标物体进行跟踪，所述第三速率大于所述第二速率。

7.根据权利要求5所述的目标跟踪系统，其特征在于，

所述第一区域具体为中心区域，所述第二区域具体为边缘区域；

所述根据所述目标物体在视频画面中的位置控制摄像装置的转动速率，包括：

若所述目标物体在所述中心区域内，则控制所述摄像装置使用第一速率对所述目标物体进行跟踪；

若所述目标物体在所述边缘区域内，则指示所述摄像装置使用第二速率对所述目标物体进行跟踪。

8.根据权利要求5所述的目标跟踪系统，其特征在于，

所述目标跟踪单元包括：主动跟踪模块和被动跟踪模块；

所述主动跟踪模块用于根据预设的目标选择策略，在所述摄像装置拍摄到的图像中选定目标物体进行跟踪；

所述被动跟踪模块用于对指定的目标物体进行跟踪。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任意一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任意一项所述方法的步骤。