一种基于特征关联的动态目标跟踪方法与流程

1.本发明涉及目标跟踪技术领域，具体是一种基于特征关联的动态目标跟踪方法。


背景技术：

2.目标跟踪是计算机视觉研究领域的热点之一，目前广泛应用在体育赛事转播、安防监控、无人机控制、无人车控制、机器人控制等领域。需要说明的是，目标跟踪是在连续的视频序列中，建立待跟踪物体的位置关系。
3.但是，同一场景中多个动态目标跟踪过程中，由于存在不同动态目标的关联特征相似情况，使得多个动态目标的目标跟踪过程中出现待跟踪物体跟丢、跟错等问题。


技术实现要素：

4.本发明的目的在于提供一种基于特征关联的动态目标跟踪方法，解决了现有技术中多个动态目标的关联特征相似导致动态目标跟错或跟丢的技术问题。
5.本发明提供，一种基于特征关联的动态目标跟踪方法，方法包括：
6.步骤s101：按照初始关联特征组，获取连续的多个图像帧中每一动态目标的关联特征数据，并将多个图像帧中的多个动态目标一一对应关联；
7.步骤s102：筛选每一动态目标的初始关联特征组中的关联特征，获取每一动态目标的目标特征组；
8.步骤s103：获取所有动态目标的目标特征组的共有的关联特征，生成公共特征组；
9.步骤s104：在所述公共特征组中获取若干项关联特征作为跟踪特征组；
10.步骤s105：在下一图像帧中，按照跟踪特征组获取多个动态目标的关联特征数据；根据多个动态目标的关联特征数据对多个动态目标一一对应标记跟踪标签。
11.进一步地，获取跟踪特征组，包括：
12.选取三项关联特征作为试验组，根据试验组中的关联特征对应的关联特征数据，获取各动态目标之间的差异度；判断任意两个动态目标之间的差异度是否均大于设定差异度；
13.若是，将所述试验组设置为跟踪特征组；若否，加公共特征组中剩余的关联特征逐个增添至所述试验组中，每增加一项关联特征后，均判断任意两动态目标之间的差异度是否均大于设定差异度，并将添加若干项关联特征后满足差异度要求的试验组设置为跟踪特征组。
14.进一步地，获取两个动态目标之间的差异度，包括：
15.获取两动态目标的公共特征组中每一项关联特征的特征值；
16.获取两动态目标的对应项两特征值差的标准比值；
17.将两动态目标公共特征组中所有对应项差的标准比值的相乘获取差异度。
18.进一步地，在下一图像帧中，还获取动态目标的数量；
19.当下一图像帧中动态目标的数量大于跟踪数量时，对新的动态目标标记跟踪标
签；
20.当下一图像帧中动态目标的数量小于跟踪数量时；获取缺少的动态目标的跟踪标签，并将其设置为待确认状态。
21.进一步地，所述对新的动态目标标记跟踪标签，还包括：
22.按照当前跟踪特征组获取新动态目标的关联特征数据，并判断新动态目标与其他动态目标之间的差异度是否均大于设定差异度；
23.若是，按照当前跟踪特征组在后续图像帧中，采集包括新动态目标在内的所有动态目标的关联特征数据；
24.若否，在当前跟踪特征组中逐项增加公共特征组中剩余的关联特征，直至新动态目标与各动态目标之间的差异度均大于设定差异度。
25.进一步地，还包括：
26.当所述下一图像帧之后的连续的超过设定数量的图像帧中，所述缺少的动态目标的跟踪标签均为待确认状态时，判断对应的动态目标消失；
27.当在所述下一图像帧之后的未超过设定数量的图像帧中，所述缺少的动态目标重新出现时，解除跟踪标签的待确认状态。
28.进一步地，判断对应的动态目标消失之后，还包括：
29.获取判断动态目标消失时对应图像帧之前连续的若干图像帧；
30.根据所述的连续的若干图像帧，重新获取跟踪特征组，并在后续的图像帧中按照新的跟踪特征组获取关联特征数据。
31.进一步地，筛选每一动态目标的初始关联特征组中的关联特征，包括：
32.获取同一动态目标的关联特征组中每一关联特征的无关度，并判断每一关联特征的无关度是否大于设定无关度；若是，将对应关联特征在初始关联特征组中删除；若否，保留对应关联特征。
33.进一步地，其中获取无关度包括：
34.根据每一关联特征的在连续的多个图像帧中的关联特征数据；获取每一项关联特征对应的方差即无关度。
35.进一步地，所述初始关联特征组包括：
36.脸部宽度、脸部长度、肩宽、上身宽度、上身长度、下肢长度、脚长、步长、衣物特征纹理的长度、衣物特征纹理的宽度。
37.与现有技术相比，本发明的有益效果：
38.本实施例通过设置初始关联特征组，按照初始关联特征组获取动态目标的多个关联特征数据；根据多个关联特征数据对初始关联特征数据进行筛选，避免不必要的关联特征数据采集；通过获取多个目标特征组的共有部分，即可获取当前最多需要获取的关联特征即公共特征组；然后在公共特征组中获取跟踪特征组，跟踪特征组能够使得尽量少而准确地采集各动态目标的特关联特征数据，来区分各动态目标以便标记跟踪标签，解决了现有技术中多个动态目标的关联特征相似导致动态目标跟错或跟丢的技术问题。
附图说明
39.图1为本发明的方法步骤图。
具体实施方式
40.如图1所示，一种基于特征关联的动态目标跟踪方法，所述方法包括：
41.步骤s101：按照初始关联特征组，获取连续的多个图像帧中每一动态目标的关联特征数据，并将多个图像帧中的多个动态目标一一对应关联；
42.步骤s102：筛选每一动态目标的初始关联特征组中的关联特征，获取每一动态目标的目标特征组；
43.步骤s103：获取所有动态目标的目标特征组的共有的关联特征，生成公共特征组；
44.步骤s104：在所述公共特征组中获取若干项关联特征作为跟踪特征组；
45.步骤s105：在下一图像帧中，按照跟踪特征组获取多个动态目标的关联特征数据；根据多个动态目标的关联特征数据对多个动态目标一一对应标记跟踪标签。
46.本实施例的具体实施过程包括：
47.本实施例中所述初始关联特征组包括：脸部宽度、脸部长度、肩宽、上身宽度、上身长度、下肢长度、脚长、步长、衣物特征纹理的长度以及衣物特征纹理的宽度。在一些其他的实施例中还包括耳朵长度等多个关联特征，通过分析图像帧中动态目标的关联特征在连续的图像帧中对同一动态目标进行跟踪；对于不同动态目标的组合，如果一直采用固定的若干关联特征来对动态目标进行跟踪，会导致跟踪失败或跟踪错误。本实施例中至少获取连续的三个图像帧。
48.本实施例通过设置初始关联特征组，按照初始关联特征组获取动态目标的多个关联特征数据；根据多个关联特征数据对初始关联特征数据进行筛选，避免不必要的关联特征数据采集；通过获取多个目标特征组的共有部分，即可获取当前最多需要获取的关联特征即公共特征组；然后在公共特征组中获取跟踪特征组，跟踪特征组能够使得尽量少而准确地采集各动态目标的特关联特征数据，来区分各动态目标以便标记跟踪标签，解决了现有技术中多个动态目标的关联特征相似导致动态目标跟错或跟丢的技术问题。
49.本发明的另一实施例，获取跟踪特征组，包括：
50.选取三项关联特征作为试验组，根据试验组中的关联特征对应的关联特征数据，获取各动态目标之间的差异度；判断任意两个动态目标之间的差异度是否均大于设定差异度；
51.若是，将所述试验组设置为跟踪特征组；若否，加公共特征组中剩余的关联特征逐个增添至所述试验组中，每增加一项关联特征后，均判断任意两动态目标之间的差异度是否均大于设定差异度，并将添加若干项关联特征后满足差异度要求的试验组设置为跟踪特征组。
52.本实施例的具体实施过程包括：
53.在公共特征组中随机获取三项关联特征，两两比较动态目标对应的关联特征数据并计算差异度，所述差异度越大，动态目标之间的差异越大，越容易通过三项关联特征对应的关联特征数据来区分各动态目标；在一些其他的实施例中，计算公共特征组中三项关联特征的所有组合对应的任两个动态目标的差异度，例如公共特征组中有10项关联特征，则共有c
103
种组合，其中c为排列组合符号；
54.当通过所述三项关联特征不能区分随机两动态目标时，即存在两动态目标的差异度小于对应的设定差异度；此时在公共特征组中剩余若干项关联特征中选取一项添加至试
验组中；此时试验组中存在四项关联特征，重新获取任意两动态目标的差异度并判断是否任意两动态目标的差异度均大于设定的差异度；
55.若此时依然存在两动态目标的差异度小于对应的设定差异度时；再在公共特征组中剩余若干项关联特征中选取一项添加至试验组中；此时试验组中存在五项关联特征，重新获取任意两动态目标的差异度并判断是否任意两动态目标的差异度均大于设定的差异度；重复此步骤，直至试验组中关联特征的项目数等于公共组中关联特征的项目数。
56.在一些其他的实施例中，当公共特征组中任意三项关联特征均不能区分任意两动态目标时，获取公共特征组中四项关联特征作为试验来区分动态目标，例如公共特征组中有10项关联特征，则共有c
104
种组合，其中c为排列组合符号；
57.当公共特征组中任意四项关联特征均不能区分任意两动态目标时，获取公共特征组中五项关联特征作为试验来区分动态目标，例如公共特征组中有10项关联特征，则共有c
105
种组合，其中c为排列组合符号；重复此步骤，直至试验组中关联特征的项目数等于公共组中关联特征的项目数。
58.本发明的另一实施例，获取两个动态目标之间的差异度，包括：
59.获取两动态目标的公共特征组中每一项关联特征的特征值；
60.获取两动态目标的对应项两特征值差的标准比值；
61.将两动态目标公共特征组中所有对应项差的标准比值的相乘获取差异度。
62.本实施例的具体实施过程包括：
63.所述关联特征的特征值包括连续的多个图像帧中对应关联特征数据的平均值；
64.两特征值差的标准比值计算公式包括：
65.bzn＝[2*(an-bn)]/(an+bn)；
[0066]
其中bzn为标准比值；an为动态目标a一项关联特征的特征值；bn为动态目标b一项关联特征的特征值，n为正整数。
[0067]
获取差异度公式包括：
[0068]
cyd＝bz1*bz2*
…
*bzn；
[0069]
其中cyd为差异度，bzn为第n项关联特征的特征值的标准比值。
[0070]
需要说明的是，当试验组中关联特征的项目数不同时，设定差异度的大小不同；分别根据关联特征的项目数设置有对应的设定差异度。
[0071]
本发明的另一实施例，在下一图像帧中，还获取动态目标的数量；
[0072]
当下一图像帧中动态目标的数量大于跟踪数量时，对新的动态目标标记跟踪标签；
[0073]
当下一图像帧中动态目标的数量小于跟踪数量时；获取缺少的动态目标的跟踪标签，并将其设置为待确认状态。
[0074]
本实施例的具体实施过程包括：
[0075]
当下一图像帧中动态目标的数量大于跟踪数量时，判断有新进入的动态目标，对新的动态目标标记跟踪标签，包括：
[0076]
按照当前跟踪特征组获取新动态目标的关联特征数据，并判断新动态目标与其他动态目标之间的差异度是否均大于设定差异度；
[0077]
若是，按照当前跟踪特征组在后续图像帧中，采集包括新动态目标在内的所有动
态目标的关联特征数据；
[0078]
若否，在当前跟踪特征组中逐项增加公共特征组中剩余的关联特征，直至新动态目标与各动态目标之间的差异度均大于设定差异度。
[0079]
当下一图像帧中动态目标的数量等于跟踪数量时，按照试验组中的关联特征区分各动态目标并标记跟踪标签；识别下一图像帧中的跟踪标签与当前图像帧中的跟踪标签是否一致，若是，则继续跟踪；若否，报跟丢；此时说明与当前图像帧相比，下一图像帧中动态目标消失的个数和新增的个数相同；
[0080]
当下一图像帧中动态目标的数量小于跟踪数量时，判断有动态目标跟丢，可能下一图像帧中有障碍物遮挡，因此将对应的跟踪标签设置为待确认状态，待判断后续的图像帧中所述消失的动态目标是否重新出现，包括：
[0081]
当所述下一图像帧之后的连续的超过设定数量的图像帧中，所述缺少的动态目标的跟踪标签均为待确认状态时，判断对应的动态目标消失；
[0082]
当在所述下一图像帧之后的未超过设定数量的图像帧中，所述缺少的动态目标重新出现时，解除跟踪标签的待确认状态。
[0083]
当动态目标消失后，上报对应动态目标跟丢。
[0084]
本发明的另一实施例，判断对应的动态目标消失之后，还包括：
[0085]
获取判断动态目标消失时对应图像帧之前连续的若干图像帧；
[0086]
根据所述的连续的若干图像帧，重新获取跟踪特征组，并在后续的图像帧中按照新的跟踪特征组获取关联特征数据。
[0087]
本实施例的具体实施过程，包括：
[0088]
当对应的动态目标消失之后，获取当前图像帧之前的若干连续的图像帧，本实施例中，获取当前图像帧之前的连续三张图像帧；根据上述的方法重新获取跟踪特征组；使得在后续图像帧中动态目标之间的差异度符合要求，使得区分动态目标更加准确，方便在后续图像帧中标记跟踪标签。
[0089]
本发明的另一实施例，筛选每一动态目标的初始关联特征组中的关联特征，包括：
[0090]
获取同一动态目标的关联特征组中每一关联特征的无关度，并判断每一关联特征的无关度是否大于设定无关度；若是，将对应关联特征在初始关联特征组中删除；若否，保留对应关联特征。
[0091]
本实施例的具体实施过程，包括：
[0092]
所述获取无关度包括，根据每一关联特征的在连续的多个图像帧中的关联特征数据；获取每一项关联特征对应的方差即无关度。
[0093]
无关度越大，说明对于若干图像帧中的该项关联特征的关联特征数据相差越大；对于区分若干图像帧中同一关联目标来说不宜采用，因此保留无关度小于设定无关度的关联特征。
[0094]
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

技术特征：
1.一种基于特征关联的动态目标跟踪方法，其特征在于：所述方法包括：步骤s101：按照初始关联特征组，获取连续的多个图像帧中每一动态目标的关联特征数据，并将多个图像帧中的多个动态目标一一对应关联；步骤s102：筛选每一动态目标的初始关联特征组中的关联特征，获取每一动态目标的目标特征组；步骤s103：获取所有动态目标的目标特征组的共有的关联特征，生成公共特征组；步骤s104：在所述公共特征组中获取若干项关联特征作为跟踪特征组；步骤s105：在下一图像帧中，按照跟踪特征组获取多个动态目标的关联特征数据；根据多个动态目标的关联特征数据对多个动态目标一一对应标记跟踪标签。2.如权利要求1所述的一种基于特征关联的动态目标跟踪方法，其特征在于：获取跟踪特征组，包括：选取三项关联特征作为试验组，根据试验组中的关联特征对应的关联特征数据，获取各动态目标之间的差异度；判断任意两个动态目标之间的差异度是否均大于设定差异度；若是，将所述试验组设置为跟踪特征组；若否，加公共特征组中剩余的关联特征逐个增添至所述试验组中，每增加一项关联特征后，均判断任意两动态目标之间的差异度是否均大于设定差异度，并将添加若干项关联特征后满足差异度要求的试验组设置为跟踪特征组。3.如权利要求2所述的一种基于特征关联的动态目标跟踪方法，其特征在于：获取两个动态目标之间的差异度，包括：获取两动态目标的公共特征组中每一项关联特征的特征值；获取两动态目标的对应项两特征值差的标准比值；将两动态目标公共特征组中所有对应项差的标准比值的相乘获取差异度。4.如权利要求2所述的一种基于特征关联的动态目标跟踪方法，其特征在于：在下一图像帧中，还获取动态目标的数量；当下一图像帧中动态目标的数量大于跟踪数量时，对新的动态目标标记跟踪标签；当下一图像帧中动态目标的数量小于跟踪数量时；获取缺少的动态目标的跟踪标签，并将其设置为待确认状态。5.如权利要求4所述的一种基于特征关联的动态目标跟踪方法，其特征在于：所述对新的动态目标标记跟踪标签，还包括：按照当前跟踪特征组获取新动态目标的关联特征数据，并判断新动态目标与其他动态目标之间的差异度是否均大于设定差异度；若是，按照当前跟踪特征组在后续图像帧中，采集包括新动态目标在内的所有动态目标的关联特征数据；若否，在当前跟踪特征组中逐项增加公共特征组中剩余的关联特征，直至新动态目标与各动态目标之间的差异度均大于设定差异度。6.如权利要求4所述的一种基于特征关联的动态目标跟踪方法，其特征在于：还包括：当所述下一图像帧之后的连续的超过设定数量的图像帧中，所述缺少的动态目标的跟踪标签均为待确认状态时，判断对应的动态目标消失；当在所述下一图像帧之后的未超过设定数量的图像帧中，所述缺少的动态目标重新出
现时，解除跟踪标签的待确认状态。7.如权利要求6所述的一种基于特征关联的动态目标跟踪方法，其特征在于：判断对应的动态目标消失之后，还包括：获取判断动态目标消失时对应图像帧之前连续的若干图像帧；根据所述的连续的若干图像帧，重新获取跟踪特征组，并在后续的图像帧中按照新的跟踪特征组获取关联特征数据。8.如权利要求1所述的一种基于特征关联的动态目标跟踪方法，其特征在于：筛选每一动态目标的初始关联特征组中的关联特征，包括：获取同一动态目标的关联特征组中每一关联特征的无关度，并判断每一关联特征的无关度是否大于设定无关度；若是，将对应关联特征在初始关联特征组中删除；若否，保留对应关联特征。9.如权利要求8所述的一种基于特征关联的动态目标跟踪方法，其特征在于：其中获取无关度包括：根据每一关联特征的在连续的多个图像帧中的关联特征数据；获取每一项关联特征对应的方差即无关度。10.如权利要求1所述的一种基于特征关联的动态目标跟踪方法，其特征在于：所述初始关联特征组包括：脸部宽度、脸部长度、肩宽、上身宽度、上身长度、下肢长度、脚长、步长、衣物特征纹理的长度以及衣物特征纹理的宽度。

技术总结
本发明公开了一种基于特征关联的动态目标跟踪方法。方法包括：按照初始关联特征组，获取连续的多个图像帧中每一动态目标的关联特征数据，并将多个图像帧中的多个动态目标一一对应关联；筛选每一动态目标的初始关联特征组中的关联特征，获取每一动态目标的目标特征组；获取所有动态目标的目标特征组的共有的关联特征，生成公共特征组；在公共特征组中获取若干项关联特征作为跟踪特征组；在下一图像帧中，按照跟踪特征组获取多个动态目标的关联特征数据；根据多个动态目标的关联特征数据对多个动态目标一一对应标记跟踪标签。解决了现有技术中多个动态目标的关联特征相似导致动态目标跟错或跟丢的技术问题。目标跟错或跟丢的技术问题。目标跟错或跟丢的技术问题。


技术研发人员：尚国珍
受保护的技术使用者：成都邻贞倾网络科技有限公司
技术研发日：2023.05.16
技术公布日：2023/7/21