一種對(duì)多個(gè)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤的方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及目標(biāo)跟蹤技術(shù)領(lǐng)域，特別是涉及一種對(duì)多個(gè)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤的方法 及裝置。
【背景技術(shù)】
[0002] 為解決遮擋問(wèn)題，國(guó)內(nèi)外學(xué)者進(jìn)行了大量的研究，提出了許多在特定場(chǎng)合下比較 有效的算法。有中心加權(quán)、概率、多樣學(xué)習(xí)建模以及分塊等。中心加權(quán)就是中間占較大權(quán)重， 邊緣占較小權(quán)重，當(dāng)發(fā)生輕微遮擋時(shí)由于邊緣所占權(quán)重較小，因此對(duì)結(jié)果影響較小，但若遮 擋稍微嚴(yán)重一些時(shí)，中心部分特征失效從而導(dǎo)致算法失效；概率就是指一類(lèi)基于概率分析 的方法來(lái)解決遮擋問(wèn)題的算法，如常見(jiàn)的粒子濾波算法，通過(guò)一些離散的隨機(jī)采樣點(diǎn)（粒 子）近似表示狀態(tài)變量的概率密度函數(shù)，通過(guò)概率評(píng)估目標(biāo)的最佳位置，實(shí)現(xiàn)跟蹤；多樣學(xué) 習(xí)建模是指通過(guò)大量的樣本學(xué)習(xí)對(duì)目標(biāo)建模；而分塊是解決遮擋問(wèn)題的代表方法之一，目 標(biāo)被遮擋的時(shí)候仍有部分信息未被遮擋，采用分塊的方式就能利用這部分未被遮擋的局部 f目息進(jìn)彳丁跟蹤。
[0003] 而當(dāng)目標(biāo)之間發(fā)生遮擋時(shí)，目標(biāo)被遮擋部分的信息已經(jīng)失效，此時(shí)如果繼續(xù)將該 部分的特征作為匹配特征，必然導(dǎo)致跟蹤算法失效。因此，提供一種將未被遮擋的子塊作為 有效匹配子塊進(jìn)行匹配來(lái)對(duì)多個(gè)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤的方法是非常有必要的。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種對(duì)多個(gè)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤的方法及裝置，目的在于解決 現(xiàn)有技術(shù)中對(duì)交叉遮擋目標(biāo)進(jìn)行目標(biāo)跟蹤的問(wèn)題。
[0005] 為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種對(duì)多個(gè)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤的方法，包括：
[0006] 米集視頻幀圖像；
[0007] 從所述視頻幀圖像中檢測(cè)出各個(gè)運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)區(qū)域；
[0008] 對(duì)所述運(yùn)動(dòng)區(qū)域進(jìn)行分塊，獲取所述運(yùn)動(dòng)區(qū)域內(nèi)子塊的跟蹤特征；
[0009] 篩選所述運(yùn)動(dòng)區(qū)域內(nèi)未被其他運(yùn)動(dòng)目標(biāo)所遮擋的子塊作為有效匹配子塊；
[0010] 將所述有效匹配子塊的跟蹤特征與預(yù)先建立的多個(gè)運(yùn)動(dòng)目標(biāo)中相對(duì)應(yīng)的子塊的 跟蹤特征進(jìn)行匹配，分別確定各個(gè)運(yùn)動(dòng)目標(biāo)的當(dāng)前位置；
[0011] 其中，所述跟蹤特征包括通過(guò)對(duì)區(qū)域內(nèi)子塊進(jìn)行閾值處理得到的強(qiáng)梯度帶特征以 及區(qū)域內(nèi)側(cè)的灰度特征。
[0012] 可選地，所述獲取所述運(yùn)動(dòng)區(qū)域內(nèi)子塊的跟蹤特征包括：
[0013] 通過(guò)索貝爾算子計(jì)算相應(yīng)區(qū)域內(nèi)所有像素點(diǎn)的梯度值；
[0014] 將所述梯度值與預(yù)設(shè)閾值相比較，獲取所述梯度值大于所述預(yù)設(shè)閾值的強(qiáng)梯度像 素點(diǎn)；
[0015] 沿所述強(qiáng)梯度像素點(diǎn)的梯度方向向目標(biāo)匹配時(shí)的搜索中心推移預(yù)設(shè)個(gè)像素點(diǎn)，得 到內(nèi)側(cè)點(diǎn)灰度值；
[0016] 將梯度方向以及灰度值分別均分為預(yù)設(shè)多個(gè)等級(jí)進(jìn)行統(tǒng)計(jì)分析；
[0017] 通過(guò)梯度方向直方圖和灰度直方圖的重心對(duì)子塊特征進(jìn)行量化，得到所述子塊的 跟蹤特征。
[0018] 可選地，所述篩選所述運(yùn)動(dòng)區(qū)域內(nèi)未被其他運(yùn)動(dòng)目標(biāo)所遮擋的子塊作為有效匹配 子塊包括：
[0019] 預(yù)測(cè)各個(gè)運(yùn)動(dòng)目標(biāo)在下一幀圖像中的位置坐標(biāo)；
[0020] 通過(guò)所述運(yùn)動(dòng)目標(biāo)的位置坐標(biāo)和透視原理判斷所述運(yùn)動(dòng)目標(biāo)之間是否存在遮 擋；
[0021] 當(dāng)所述運(yùn)動(dòng)目標(biāo)之間存在遮擋時(shí)，判斷對(duì)應(yīng)被遮擋的子塊的位置，確定未被遮擋 的子塊作為有效匹配子塊；當(dāng)所述運(yùn)動(dòng)目標(biāo)之間不存在遮擋時(shí)，確定所述運(yùn)動(dòng)目標(biāo)的所有 子塊均為有效匹配子塊。
[0022] 可選地，所述將所述有效匹配子塊的跟蹤特征與預(yù)先建立的多個(gè)運(yùn)動(dòng)目標(biāo)中相對(duì) 應(yīng)的子塊的跟蹤特征進(jìn)行匹配，分別確定各個(gè)運(yùn)動(dòng)目標(biāo)的當(dāng)前位置包括：
[0023] 在所述運(yùn)動(dòng)區(qū)域內(nèi)進(jìn)行搜索，對(duì)所述運(yùn)動(dòng)目標(biāo)搜素區(qū)域內(nèi)的多個(gè)可能候選位置進(jìn) 行評(píng)估，計(jì)算各個(gè)有效匹配子塊的跟蹤特征的歐式距離：
[0025] 將各個(gè)有效匹配子塊求得的歐式距離的總和作為目標(biāo)特征差異值；
[0026] 將差異值最小的候選位置確定為所述運(yùn)動(dòng)目標(biāo)的當(dāng)前位置。
[0027] 可選地，在所述從所述視頻幀圖像中檢測(cè)出各個(gè)運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)區(qū)域之前還包 括：
[0028] 對(duì)所述視頻幀圖像進(jìn)行預(yù)處理操作。
[0029] 本發(fā)明還提供了一種對(duì)多個(gè)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤的裝置，包括：
[0030] 采集模塊，用于采集視頻幀圖像；
[0031] 檢測(cè)模塊，用于從所述視頻幀圖像中檢測(cè)出各個(gè)運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)區(qū)域；
[0032] 獲取模塊，用于對(duì)所述運(yùn)動(dòng)區(qū)域進(jìn)行分塊，獲取所述運(yùn)動(dòng)區(qū)域內(nèi)子塊的跟蹤特 征；
[0033] 篩選模塊，用于篩選所述運(yùn)動(dòng)區(qū)域內(nèi)未被其他運(yùn)動(dòng)目標(biāo)所遮擋的子塊作為有效匹 配子塊；
[0034] 匹配模塊，用于將所述有效匹配子塊的跟蹤特征與預(yù)先建立的多個(gè)運(yùn)動(dòng)目標(biāo)中相 對(duì)應(yīng)的子塊的跟蹤特征進(jìn)行匹配，分別確定各個(gè)運(yùn)動(dòng)目標(biāo)的當(dāng)前位置；
[0035] 其中，所述跟蹤特征包括通過(guò)對(duì)區(qū)域內(nèi)子塊進(jìn)行閾值處理得到的強(qiáng)梯度帶特征以 及區(qū)域內(nèi)側(cè)的灰度特征。
[0036] 可選地，所述獲取模塊包括：
[0037] 計(jì)算單元，用于通過(guò)索貝爾算子計(jì)算相應(yīng)區(qū)域內(nèi)所有像素點(diǎn)的梯度值；
[0038] 第一獲取單元，用于將所述梯度值與預(yù)設(shè)閾值相比較，獲取所述梯度值大于所述 預(yù)設(shè)閾值的強(qiáng)梯度像素點(diǎn)；
[0039] 第二獲取單元，沿所述強(qiáng)梯度像素點(diǎn)的梯度方向向目標(biāo)匹配時(shí)的搜索中心推移預(yù) 設(shè)個(gè)像素點(diǎn)，得到內(nèi)側(cè)點(diǎn)灰度值；
[0040] 統(tǒng)計(jì)單元，用于將梯度方向以及灰度值分別均分為預(yù)設(shè)多個(gè)等級(jí)進(jìn)行統(tǒng)計(jì)分析；
[0041] 第三獲取單元，用于通過(guò)梯度方向直方圖和灰度直方圖的重心對(duì)子塊特征進(jìn)行量 化，得到所述子塊的跟蹤特征。
[0042] 可選地，所述篩選模塊包括：
[0043] 預(yù)測(cè)單元，用于預(yù)測(cè)各個(gè)運(yùn)動(dòng)目標(biāo)在下一幀圖像中的位置坐標(biāo)；
[0044] 判斷單元，用于通過(guò)所述運(yùn)動(dòng)目標(biāo)的位置坐標(biāo)和透視原理判斷所述運(yùn)動(dòng)目標(biāo)之間 是否存在遮擋；
[0045] 確定單元，用于當(dāng)所述運(yùn)動(dòng)目標(biāo)之間存在遮擋時(shí)，判斷對(duì)應(yīng)被遮擋的子塊的位置， 確定未被遮擋的子塊作為有效匹配子塊；當(dāng)所述運(yùn)動(dòng)目標(biāo)之間不存在遮擋時(shí)，確定所述運(yùn) 動(dòng)目標(biāo)的所有子塊均為有效匹配子塊。
[0046] 可選地，所述匹配模塊用于將所述有效匹配子塊的跟蹤特征與預(yù)先建立的多個(gè)運(yùn) 動(dòng)目標(biāo)中相對(duì)應(yīng)的子塊的跟蹤特征進(jìn)行匹配，分別確定各個(gè)運(yùn)動(dòng)目標(biāo)的當(dāng)前位置包括：
[0047] 所述匹配模塊具體用于在所述運(yùn)動(dòng)區(qū)域內(nèi)進(jìn)行搜索，對(duì)所述運(yùn)動(dòng)目標(biāo)搜素區(qū) 域內(nèi)的多個(gè)可能候選位置進(jìn)行評(píng)估，計(jì)算各個(gè)有效匹配子塊的跟蹤特征的歐式距離：
將各個(gè)有效匹配子塊求得的歐式距 離的總和作為目標(biāo)特征差異值；將差異值最小的候選位置確定為所述運(yùn)動(dòng)目標(biāo)的當(dāng)前位 置。
[0048] 可選地，還包括：
[0049] 預(yù)處理模塊，用于在所述檢測(cè)模塊從所述視頻幀圖像中檢測(cè)出各個(gè)運(yùn)動(dòng)目標(biāo)的運(yùn) 動(dòng)區(qū)域之前，對(duì)所述視頻幀圖像進(jìn)行預(yù)處理操作。
[0050] 本發(fā)明所提供的對(duì)多個(gè)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤的方法及裝置，通過(guò)采集視頻幀圖像， 檢測(cè)出各個(gè)運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)區(qū)域；對(duì)該運(yùn)動(dòng)區(qū)域進(jìn)行分塊，獲取得到運(yùn)動(dòng)區(qū)域內(nèi)子塊的跟