CN109410243A - 基于区域交叠与模板匹配的多目标跟踪方法 - Google Patents
基于区域交叠与模板匹配的多目标跟踪方法 Download PDFInfo
- Publication number
- CN109410243A CN109410243A CN201811204620.1A CN201811204620A CN109410243A CN 109410243 A CN109410243 A CN 109410243A CN 201811204620 A CN201811204620 A CN 201811204620A CN 109410243 A CN109410243 A CN 109410243A
- Authority
- CN
- China
- Prior art keywords
- frame
- target
- tracking
- image
- region
- 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
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/223—Analysis of motion using block-matching
-
- 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
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
本发明公开了一种基于区域交叠与模板匹配的多目标跟踪方法,该方法先使用目标检测算法获取当前帧的目标框,再以前一帧中各目标框作为跟踪目标,以当前帧中各目标框作为检测目标,用各跟踪目标与获取的检测目标一一进行匹配,将与跟踪目标匹配的检测目标作为该跟踪目标的跟踪结果,最后再提取前一帧中未被匹配的目标框中的图像块,将该图像块与当前帧图像进行相关度模板匹配,找出前一帧中未被匹配的目标框的跟踪结果。本发明提供的多目标跟踪方法不需要大量的数据和大规模训练。具有计算代价小、时间代价小和使用简单的优点。
Description
技术领域
本发明涉及视频分析的技术领域,特别涉及一种基于区域交叠与模板匹配的多目标跟踪方法。
背景技术
随着各地智慧城市的建设和发展,视频分析技术受到越来越多的关注。其中目标跟踪算法一直是学界和工业界所感兴趣的技术。
传统的目标跟踪方法,大致分为生成类方法和判别类方法。前者首先对目标区域建模,再在后面的帧当中,搜索最为相似的区域作为跟踪结果。这种方法通常将跟踪和检测融合一体,应对复杂场景的能力较差。后者则是通过图像特征与机器学习方法相结合,即目标区域作为正样本,背景区域作为负样本的分类判别方法。而当前受到高度关注的深度学习方法,不仅需要巨大的数据量,还需要巨大的数据处理和训练的工作量。这些都导致跟踪方法应用代价变高,应用场景受限。
发明内容
针对现有技术存在的问题,本发明的主要目的是提供一种高效简单的基于区域交叠与模板匹配的多目标跟踪方法,该方法的运算工作量小,且高效、简便,可有效应对多目标跟踪场景,应用场景广泛。
为实现上述目的,本发明提出的基于区域交叠与模板匹配的多目标跟踪方法,其包括如下步骤:
S1,使用目标检测算法获取当前帧的目标框;
S2,以前一帧中各目标框作为跟踪目标,以当前帧中各目标框作为检测目标,用各跟踪目标与获取的检测目标一一进行匹配,将与跟踪目标匹配的检测目标作为该跟踪目标的跟踪结果;
其中,用各跟踪目标与获取的检测目标一一进行匹配包括:
S21,在当前帧的目标框集合中,为前一帧中各目标框选择出区域交叠度最大的目标框作为匹配框;
S22,若匹配框与其对应的前一帧的目标框的区域交叠度大于设定的第一阈值,则将该匹配框作为跟踪结果;
S3,提取前一帧中未被匹配的目标框中的图像块,将该图像块与当前帧图像进行相关度模板匹配,找出前一帧中未被匹配的目标框的跟踪结果。
优选地,在所述步骤S21中,为前一帧中各目标框选择出区域交叠度最大的目标框作为匹配框包括:
计算前一帧中目标框与当前帧中目标框的区域交叠度,计算公式如下:
其中,O1表示当前帧的目标框的区域面积,O2表示前一帧的目标框的区域面积。
优选地,在所述步骤S3中,将该图像块与当前帧图像进行相关度模板匹配,找出前一帧中未被匹配的目标框的跟踪结果包括:
S31,在当前帧图像中找出与所述图像块区域匹配度最大的图像目标框;
S32,计算所述图像块与所述图像目标框的模板匹配相关度,若该模板匹配相关度大于设定的第二阈值,则将所述图像图标框作为前一帧中未被匹配的目标框的跟踪结果;
所述模板匹配相关度的计算公式为:
其中,T(x,y)表示用于匹配的模板,即图像块;I(x,y)表示目标图像,即图像目标框;R(x,y)代表相关度函数;表示图像块的图像均值;表示图像目标框的图像均值,(x′,y′)、(x,y)、(x+x′,y+y′)均表示索引。
本发明的技术方案通过通过计算前后帧的目标框的区域交叠度,确认后一帧的目标框与前一帧的目标框是否为需要跟踪的同一跟踪目标,从而进行多目标跟踪;然后再使用相关度模板匹配的方法,对前一帧中未被确认的目标框进行二次处理,以重新找回丢失的跟踪目标进行跟踪。本发明提供的多目标跟踪方法不需要大量的数据和大规模训练。具有计算代价小、时间代价小和使用简单的优点。
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的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明一实施例的流程图;
本发明目的实现、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
本发明提出一种基于区域交叠与模板匹配的多目标跟踪方法。
参照图1,图1为本发明一实施例的流程图。
如图1所示,在本发明实施例中,该基于区域交叠与模板匹配的多目标跟踪方法,其包括如下步骤:
S1,使用目标检测算法获取当前帧的目标框。若当前帧为第一帧,则将所有目标框作为跟踪目标。
S2,以前一帧中各目标框作为跟踪目标,以当前帧中各目标框作为检测目标,用各跟踪目标与获取的检测目标一一进行匹配,将与跟踪目标匹配的检测目标作为该跟踪目标的跟踪结果。
其中,用各跟踪目标与获取的检测目标一一进行匹配包括:
S21,在当前帧的目标框集合中,为前一帧中各目标框选择出区域交叠度最大的目标框作为匹配框;
S22,若匹配框与其对应的前一帧的目标框的区域交叠度大于设定的第一阈值,则将匹配框与其对应的前一帧的目标框作为同一目标,进行目标跟踪。
在步骤S21中,为前一帧中各目标框选择出区域交叠度最大的目标框作为匹配框包括:
计算前一帧中目标框与当前帧中目标框的区域交叠度,计算公式如下:
其中,O1表示当前帧的目标框的区域面积,O2表示前一帧的目标框的区域面积。I值越大,则表示两个目标框的交叠区域越多。
S3,提取前一帧中未被匹配的目标框中的图像块,将该图像块与当前帧图像进行相关度模板匹配,找出前一帧中未被匹配的目标框的跟踪结果,以重新找回在步骤S2中跟丢的目标。
在步骤S3中,将该图像块与当前帧图像进行相关度模板匹配,找出前一帧中未被匹配的目标框的跟踪结果包括:
S31,在当前帧图像中找出与图像块区域匹配度最大的图像目标框;
S32,计算图像块与图像目标框的模板匹配相关度,若该模板匹配相关度大于设定的第二阈值,则将图像图标框作为前一帧中未被匹配的目标框的跟踪结果;
模板匹配相关度的计算公式为:
其中,T(x,y)表示用于匹配的模板,即图像块;I(x,y)表示目标图像,即图像目标框;R(x,y)代表相关度函数;表示图像块的图像均值;表示图像目标框的图像均值,(x′,y′)、(x,y)、(x+x′,y+y′)均表示索引。
本发明的技术方案通过通过计算前后帧的目标框的区域交叠度,确认后一帧的目标框与前一帧的目标框是否为需要跟踪的同一跟踪目标,从而进行多目标跟踪;然后再使用相关度模板匹配的方法,对前一帧中未被确认的目标框进行二次处理,以重新找回丢失的跟踪目标进行跟踪。本发明提供的多目标跟踪方法采用通过采用区域交叠的方式来确定跟踪目标,减小前后帧中场景对跟踪目标的影响,使得本方法可应对更多更复杂的场景,且运算代价小。同时,采用简单的模板匹配能够快速找回在区域交叠跟踪过程中丢失的目标,保证了多目标跟踪的效果。
与传统目标跟踪方法相比,本发明的优点在于能够应对较复杂的场景、数据量需求更小,不需要大规模训练,且运行时间代价更小。
以上所述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,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (3)
1.一种基于区域交叠与模板匹配的多目标跟踪方法,其特征在于,包括如下步骤:
S1,使用目标检测算法获取当前帧的目标框;
S2,以前一帧中各目标框作为跟踪目标,以当前帧中各目标框作为检测目标,用各跟踪目标与获取的检测目标一一进行匹配,将与跟踪目标匹配的检测目标作为该跟踪目标的跟踪结果;
其中,用各跟踪目标与获取的检测目标一一进行匹配包括:
S21,在当前帧的目标框集合中,为前一帧中各目标框选择出区域交叠度最大的目标框作为匹配框;
S22,若匹配框与其对应的前一帧的目标框的区域交叠度大于设定的第一阈值,则将该匹配框作为跟踪结果;
S3,提取前一帧中未被匹配的目标框中的图像块,将该图像块与当前帧图像进行相关度模板匹配,找出前一帧中未被匹配的目标框的跟踪结果。
2.如权利要求1所述的基于区域交叠与模板匹配的多目标跟踪方法,其特征在于,所述步骤S21中,为前一帧中各目标框选择出区域交叠度最大的目标框作为匹配框包括:
计算前一帧中目标框与当前帧中目标框的区域交叠度,计算公式如下:
其中,O1表示当前帧的目标框的区域面积,O2表示前一帧的目标框的区域面积。
3.如权利要求1所述的基于区域交叠与模板匹配的多目标跟踪方法,其特征在于,所述步骤S3中,将该图像块与当前帧图像进行相关度模板匹配,找出前一帧中未被匹配的目标框的跟踪结果包括:
S31,在当前帧图像中找出与所述图像块区域匹配度最大的图像目标框;
S32,计算所述图像块与所述图像目标框的模板匹配相关度,若该模板匹配相关度大于设定的第二阈值,则将所述图像图标框作为前一帧中未被匹配的目标框的跟踪结果;
所述模板匹配相关度的计算公式为:
其中,T(x,y)表示用于匹配的模板,即图像块;I(x,y)表示目标图像,即图像目标框;R(x,y)代表相关度函数;表示图像块的图像均值;表示图像目标框的图像均值,(x′,y′)、(x,y)、(x+x′,y+y′)均表示索引。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811204620.1A CN109410243A (zh) | 2018-10-16 | 2018-10-16 | 基于区域交叠与模板匹配的多目标跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811204620.1A CN109410243A (zh) | 2018-10-16 | 2018-10-16 | 基于区域交叠与模板匹配的多目标跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109410243A true CN109410243A (zh) | 2019-03-01 |
Family
ID=65467307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811204620.1A Pending CN109410243A (zh) | 2018-10-16 | 2018-10-16 | 基于区域交叠与模板匹配的多目标跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109410243A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428442A (zh) * | 2019-08-07 | 2019-11-08 | 北京百度网讯科技有限公司 | 目标确定方法、目标确定系统和监控安防系统 |
CN110555867A (zh) * | 2019-09-05 | 2019-12-10 | 杭州立宸科技有限公司 | 一种融合物体捕获识别技术的多目标物体跟踪方法 |
CN111429483A (zh) * | 2020-03-31 | 2020-07-17 | 杭州博雅鸿图视频技术有限公司 | 高速跨摄像机多目标跟踪方法、系统、装置及存储介质 |
CN112561963A (zh) * | 2020-12-18 | 2021-03-26 | 北京百度网讯科技有限公司 | 目标跟踪的方法、装置、路侧设备以及存储介质 |
CN113112526A (zh) * | 2021-04-27 | 2021-07-13 | 北京百度网讯科技有限公司 | 目标跟踪方法、装置、设备和介质 |
CN115184917A (zh) * | 2022-09-13 | 2022-10-14 | 湖南华诺星空电子技术有限公司 | 一种融合毫米波雷达与相机的区域目标跟踪方法 |
CN117197507A (zh) * | 2023-11-07 | 2023-12-08 | 北京闪马智建科技有限公司 | 图像块的确定方法及装置、存储介质及电子装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101173987A (zh) * | 2007-10-31 | 2008-05-07 | 北京航空航天大学 | 多模多目标精密跟踪装置和方法 |
JP4444583B2 (ja) * | 2003-05-21 | 2010-03-31 | 富士通株式会社 | 物体検出装置及びプログラム |
CN101783015A (zh) * | 2009-01-19 | 2010-07-21 | 北京中星微电子有限公司 | 一种视频跟踪设备及方法 |
CN101807303A (zh) * | 2010-03-05 | 2010-08-18 | 北京智安邦科技有限公司 | 一种基于多目标均值漂移的跟踪装置 |
CN102982559A (zh) * | 2012-11-28 | 2013-03-20 | 大唐移动通信设备有限公司 | 车辆跟踪方法及系统 |
CN103083089A (zh) * | 2012-12-27 | 2013-05-08 | 广东圣洋信息科技实业有限公司 | 数字立体显微系统的虚拟标尺方法和系统 |
CN104463911A (zh) * | 2014-12-09 | 2015-03-25 | 上海新跃仪表厂 | 基于复杂背景估计的红外运动小目标检测方法 |
CN107423702A (zh) * | 2017-07-20 | 2017-12-01 | 西安电子科技大学 | 基于tld跟踪系统的视频目标跟踪方法 |
CN108171112A (zh) * | 2017-12-01 | 2018-06-15 | 西安电子科技大学 | 基于卷积神经网络的车辆识别与跟踪方法 |
-
2018
- 2018-10-16 CN CN201811204620.1A patent/CN109410243A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4444583B2 (ja) * | 2003-05-21 | 2010-03-31 | 富士通株式会社 | 物体検出装置及びプログラム |
CN101173987A (zh) * | 2007-10-31 | 2008-05-07 | 北京航空航天大学 | 多模多目标精密跟踪装置和方法 |
CN101783015A (zh) * | 2009-01-19 | 2010-07-21 | 北京中星微电子有限公司 | 一种视频跟踪设备及方法 |
CN101807303A (zh) * | 2010-03-05 | 2010-08-18 | 北京智安邦科技有限公司 | 一种基于多目标均值漂移的跟踪装置 |
CN102982559A (zh) * | 2012-11-28 | 2013-03-20 | 大唐移动通信设备有限公司 | 车辆跟踪方法及系统 |
CN103083089A (zh) * | 2012-12-27 | 2013-05-08 | 广东圣洋信息科技实业有限公司 | 数字立体显微系统的虚拟标尺方法和系统 |
CN104463911A (zh) * | 2014-12-09 | 2015-03-25 | 上海新跃仪表厂 | 基于复杂背景估计的红外运动小目标检测方法 |
CN107423702A (zh) * | 2017-07-20 | 2017-12-01 | 西安电子科技大学 | 基于tld跟踪系统的视频目标跟踪方法 |
CN108171112A (zh) * | 2017-12-01 | 2018-06-15 | 西安电子科技大学 | 基于卷积神经网络的车辆识别与跟踪方法 |
Non-Patent Citations (1)
Title |
---|
BOCHINSKI, E.等: "High-Speed Tracking-by-Detection Without Using Image Information", 《 INTERNATIONAL WORKSHOP ON TRAFFIC AND STREET SURVEILLANCE FOR SAFETY AND SECURITY AT IEEE AVSS 2017 IEEE》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428442A (zh) * | 2019-08-07 | 2019-11-08 | 北京百度网讯科技有限公司 | 目标确定方法、目标确定系统和监控安防系统 |
CN110428442B (zh) * | 2019-08-07 | 2022-04-12 | 北京百度网讯科技有限公司 | 目标确定方法、目标确定系统和监控安防系统 |
CN110555867A (zh) * | 2019-09-05 | 2019-12-10 | 杭州立宸科技有限公司 | 一种融合物体捕获识别技术的多目标物体跟踪方法 |
CN110555867B (zh) * | 2019-09-05 | 2023-07-07 | 杭州智爱时刻科技有限公司 | 一种融合物体捕获识别技术的多目标物体跟踪方法 |
CN111429483A (zh) * | 2020-03-31 | 2020-07-17 | 杭州博雅鸿图视频技术有限公司 | 高速跨摄像机多目标跟踪方法、系统、装置及存储介质 |
CN112561963A (zh) * | 2020-12-18 | 2021-03-26 | 北京百度网讯科技有限公司 | 目标跟踪的方法、装置、路侧设备以及存储介质 |
CN113112526A (zh) * | 2021-04-27 | 2021-07-13 | 北京百度网讯科技有限公司 | 目标跟踪方法、装置、设备和介质 |
WO2022227771A1 (zh) * | 2021-04-27 | 2022-11-03 | 北京百度网讯科技有限公司 | 目标跟踪方法、装置、设备和介质 |
CN113112526B (zh) * | 2021-04-27 | 2023-09-22 | 北京百度网讯科技有限公司 | 目标跟踪方法、装置、设备和介质 |
CN115184917A (zh) * | 2022-09-13 | 2022-10-14 | 湖南华诺星空电子技术有限公司 | 一种融合毫米波雷达与相机的区域目标跟踪方法 |
CN117197507A (zh) * | 2023-11-07 | 2023-12-08 | 北京闪马智建科技有限公司 | 图像块的确定方法及装置、存储介质及电子装置 |
CN117197507B (zh) * | 2023-11-07 | 2024-02-09 | 北京闪马智建科技有限公司 | 图像块的确定方法及装置、存储介质及电子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410243A (zh) | 基于区域交叠与模板匹配的多目标跟踪方法 | |
CN111291739B (zh) | 面部检测、图像检测神经网络训练方法、装置和设备 | |
CN102256065B (zh) | 基于视频监控网络的视频自动浓缩方法 | |
CN101404086B (zh) | 基于视频的目标跟踪方法及装置 | |
CN109685013B (zh) | 人体姿态识别中头部关键点的检测方法及装置 | |
CN107590831B (zh) | 一种基于深度学习的立体匹配方法 | |
CN108053419A (zh) | 基于背景抑制和前景抗干扰的多尺度目标跟踪方法 | |
CN107909059A (zh) | 一种面向复杂城市场景中协同仿生视觉的交通标志牌检测与识别方法 | |
Tang et al. | ESTHER: Joint camera self-calibration and automatic radial distortion correction from tracking of walking humans | |
CN106534967A (zh) | 视频剪辑方法及装置 | |
CN103345751A (zh) | 一种基于鲁棒特征跟踪的视觉定位方法 | |
CN103383700B (zh) | 基于边缘方向差直方图的图像检索方法 | |
CN103955950B (zh) | 一种利用关键点特征匹配的图像跟踪方法 | |
CN102592115B (zh) | 一种人手定位方法及系统 | |
CN104301630B (zh) | 一种视频图像拼接方法及装置 | |
CN106934455B (zh) | 基于cnn的遥感影像光学适配结构选取方法及系统 | |
CN109087337B (zh) | 基于分层卷积特征的长时间目标跟踪方法及系统 | |
CN104021559A (zh) | 基于互信息和Harris角点检测的图像配准方法 | |
CN102779270A (zh) | 一种针对购物图像搜索的目标衣物图像提取方法 | |
CN107945210A (zh) | 基于深度学习和环境自适应的目标跟踪算法 | |
CN110909741A (zh) | 一种基于背景分割的车辆再识别方法 | |
CN103035003A (zh) | 一种实现增强现实的方法及装置 | |
CN104851095A (zh) | 基于改进型形状上下文的工件图像稀疏立体匹配方法 | |
CN110807402A (zh) | 一种基于肤色检测的五官定位方法、系统和终端设备 | |
CN106599810A (zh) | 一种基于栈式自编码的头部姿态估计方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190301 |
|
RJ01 | Rejection of invention patent application after publication |