本發(fā)明涉及人工智能領(lǐng)域，具體涉及一種目標(biāo)跟蹤方法及裝置。

背景技術(shù)：

因人臉檢測(cè)的速度較慢，跟蹤的速度較快，在實(shí)時(shí)人臉識(shí)別系統(tǒng)中，往往只抽取來(lái)自攝像機(jī)的部分幀的圖像進(jìn)行人臉檢測(cè)，在其他幀的圖像上對(duì)檢測(cè)到的目標(biāo)作跟蹤，在保證實(shí)時(shí)的前提下，可使得系統(tǒng)盡量不出現(xiàn)人臉的漏檢，并將同一人所檢測(cè)到的不同人臉圖像作為同一個(gè)目標(biāo)進(jìn)行存儲(chǔ)。對(duì)每個(gè)監(jiān)控范圍內(nèi)的人員，可選取一張或者少量?jī)?yōu)質(zhì)人臉圖像傳入后臺(tái)處理，防止全部檢測(cè)到的人臉都傳到后臺(tái)，增加計(jì)算開(kāi)銷。

目前為了實(shí)現(xiàn)目標(biāo)跟蹤，主要基于光流跟蹤算法來(lái)實(shí)現(xiàn)。較為流行的是使用雙向光流來(lái)保證跟蹤的可靠性，雖然可靠性增加了，但計(jì)算耗時(shí)較多。并且光流跟蹤本身在幀率較高時(shí)(如25fps)，對(duì)遮擋不敏感，經(jīng)常會(huì)出現(xiàn)人流交叉穿行導(dǎo)致的跟蹤框漂移的問(wèn)題，當(dāng)跟蹤框漂移后，人臉框也很容易與跟蹤框錯(cuò)配，導(dǎo)致目標(biāo)跟蹤準(zhǔn)確度低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供了一種目標(biāo)跟蹤方法及裝置，以期可以提高目標(biāo)跟蹤速度與準(zhǔn)確度。

第一方面，本發(fā)明實(shí)施例提供一種目標(biāo)跟蹤方法，包括：

獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象；

基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)；

利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)；

基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

第二方面，本發(fā)明實(shí)施例提供一種目標(biāo)跟蹤方法裝置，包括：

獲取模塊，用于獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象；

確定模塊，用于基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)；

檢測(cè)模塊，用于利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)；

更新模塊，用于基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

可以看出，本發(fā)明實(shí)施例所提供的技術(shù)方案中，獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象；基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)；利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)；基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。本發(fā)明實(shí)施例通過(guò)基于匈牙利算法將目標(biāo)跟蹤框與目標(biāo)對(duì)象框進(jìn)行匹配以更新預(yù)設(shè)目標(biāo)跟蹤框集合，從而使得預(yù)設(shè)目標(biāo)跟蹤框能根據(jù)目標(biāo)對(duì)象進(jìn)行更新，提高目標(biāo)跟蹤準(zhǔn)確率。

進(jìn)一步的，通過(guò)使用單向光流跟蹤算法，減少了計(jì)算開(kāi)銷，提高目標(biāo)跟蹤效率。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實(shí)施例提供的一種目標(biāo)跟蹤方法的第一實(shí)施例流程示意圖；

圖2示出了本發(fā)明實(shí)施例提供的一種基于光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤的流程示意圖；

圖3是本發(fā)明實(shí)施例提供的一種目標(biāo)跟蹤方法的第二實(shí)施例流程示意圖；

圖4是本發(fā)明實(shí)施例提供的一種目標(biāo)跟蹤裝置的第一實(shí)施例的結(jié)構(gòu)示意圖；

圖5示出了本發(fā)明實(shí)施例提供的一種確定模塊的結(jié)構(gòu)示意圖；

圖6是本發(fā)明實(shí)施例提供的一種目標(biāo)跟蹤裝置的第二實(shí)施例的結(jié)構(gòu)示意圖。

具體實(shí)施方式

本發(fā)明實(shí)施例提供了一種目標(biāo)跟蹤方法及裝置，以期可以提高目標(biāo)跟蹤速度與準(zhǔn)確度。

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分的實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。

本發(fā)明的說(shuō)明書(shū)和權(quán)利要求書(shū)及上述附圖中的術(shù)語(yǔ)“第一”、“第二”和“第三”等是用于區(qū)別不同對(duì)象，而非用于描述特定順序。此外，術(shù)語(yǔ)“包括”以及它們?nèi)魏巫冃?，意圖在于覆蓋不排他的包含。例如包含了一系列步驟或單元的過(guò)程、方法、系統(tǒng)、產(chǎn)品或設(shè)備沒(méi)有限定于已列出的步驟或單元，而是可選地還包括沒(méi)有列出的步驟或單元，或可選地還包括對(duì)于這些過(guò)程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。

本發(fā)明實(shí)施例提供的一種目標(biāo)跟蹤方法，包括：

獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象；基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)；利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)；基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

參見(jiàn)圖1，圖1是本發(fā)明實(shí)施例提供的一種目標(biāo)跟蹤方法的第一實(shí)施例流程示意圖。如圖1所示，本發(fā)明實(shí)施例提供的目標(biāo)跟蹤方法包括以下步驟：

S101、獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象。

其中，目標(biāo)圖像可以是指從視頻流中獲取到的各幀圖像，優(yōu)選地，該圖像包括人臉的圖像。目標(biāo)對(duì)象是指該目標(biāo)圖像中需要關(guān)注的特征，例如，若該目標(biāo)圖像為人臉圖像，該目標(biāo)對(duì)象可以為人臉。

在本發(fā)明實(shí)施例中，通過(guò)在目標(biāo)區(qū)域或位置安裝攝像頭來(lái)獲取視頻流，再對(duì)該視頻流進(jìn)行解碼，以從該視頻流中獲取一幀幀的視頻圖像，也即目標(biāo)圖像，再對(duì)該目標(biāo)圖像進(jìn)行圖像處理。

在本發(fā)明實(shí)施例中，可以在小區(qū)門(mén)口、學(xué)校門(mén)口、進(jìn)出關(guān)口等位置安裝該攝像頭。

舉例說(shuō)明，在本發(fā)明的一個(gè)示例中，若為了統(tǒng)計(jì)某一關(guān)口的人數(shù)量，可以在關(guān)口位置安裝一攝像頭，然后獲取攝像頭拍攝的視頻流，并對(duì)視頻流進(jìn)行解碼得到目標(biāo)圖像，然后再基于該目標(biāo)圖像中的目標(biāo)對(duì)象，也即人臉對(duì)象進(jìn)行人物計(jì)數(shù)，但基于人臉對(duì)象進(jìn)行計(jì)數(shù)的過(guò)程中，由于視頻流中的不同幀可能存在同一人臉對(duì)象，所以為了防止重復(fù)計(jì)數(shù)，可以使用本發(fā)明實(shí)施例提供的目標(biāo)跟蹤方法對(duì)目標(biāo)對(duì)象進(jìn)行跟蹤以去重，提高計(jì)數(shù)準(zhǔn)確率。

S102、基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)。

其中，預(yù)設(shè)目標(biāo)跟蹤框集合是指在該時(shí)刻目標(biāo)圖像之前出現(xiàn)在目標(biāo)圖像中的預(yù)設(shè)目標(biāo)所對(duì)應(yīng)的預(yù)設(shè)目標(biāo)跟蹤框集合。例如，若為了統(tǒng)計(jì)某一關(guān)口的人數(shù)量，在某一時(shí)刻獲取到一幀目標(biāo)圖像，但由于在該時(shí)刻之前的目標(biāo)圖像中可能出現(xiàn)過(guò)目標(biāo)人臉，從而需要對(duì)該幀目標(biāo)圖像中與之前的目標(biāo)人臉重復(fù)的人臉進(jìn)行去重，從而可以使用預(yù)設(shè)人臉跟蹤框來(lái)確定重復(fù)的預(yù)設(shè)人臉并進(jìn)行濾除。

其中，目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框是指利用光流法跟蹤算法跟蹤到目標(biāo)圖像中的目標(biāo)，該目標(biāo)跟蹤框是指目標(biāo)圖像中的目標(biāo)對(duì)象的目標(biāo)跟蹤框，例如，若目標(biāo)圖像為人臉圖像，則該目標(biāo)跟蹤框?yàn)槟繕?biāo)人臉圖像跟蹤框。

具體地，參見(jiàn)圖2，圖2示出了本發(fā)明實(shí)施例提供的一種基于光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤的流程示意圖，包括：

S201、在所述目標(biāo)圖像的上一個(gè)目標(biāo)圖像中提取第一目標(biāo)特征點(diǎn)。

其中，第一目標(biāo)特征點(diǎn)是指目標(biāo)圖像的上一個(gè)目標(biāo)圖像中的與目標(biāo)相關(guān)的特征點(diǎn)。

具體地，在上一幀目標(biāo)圖像的目標(biāo)跟蹤框內(nèi)，提取易于跟蹤的特征點(diǎn)。

更進(jìn)一步，具體地，可以采用提取網(wǎng)格節(jié)點(diǎn)的方式，也可以計(jì)算每個(gè)像素點(diǎn)的跟蹤性能，再?gòu)闹羞x取一些易于跟蹤的點(diǎn)，并保證各點(diǎn)之間有一定的距離。

在本發(fā)明實(shí)施例中，若該目標(biāo)圖像為人臉圖像，則該目標(biāo)特征點(diǎn)可以為人臉特征點(diǎn)。

S202、基于光流獲取所述目標(biāo)特征點(diǎn)在所述目標(biāo)圖像中對(duì)應(yīng)的第二目標(biāo)特征點(diǎn)。

具體地，當(dāng)獲取到目標(biāo)圖像的上一個(gè)目標(biāo)圖像中的第一目標(biāo)特征點(diǎn)后，可以基于該第一目標(biāo)特征點(diǎn)，計(jì)算光流，并利用光流信息，即可得到第一目標(biāo)特征點(diǎn)在該目標(biāo)圖像中的第二目標(biāo)特征點(diǎn)。

例如，若上一目標(biāo)圖像中存在3個(gè)人臉目標(biāo)特征點(diǎn)，則可以通過(guò)計(jì)算光流，得到該目標(biāo)圖像中這3個(gè)人臉目標(biāo)特征點(diǎn)。

S203、基于所述第二目標(biāo)特征點(diǎn)獲取所述目標(biāo)圖像的目標(biāo)跟蹤框。

其中，目標(biāo)跟蹤框是指為了對(duì)目標(biāo)特征點(diǎn)進(jìn)行跟蹤的一個(gè)具有特征形狀的跟蹤框，以便于對(duì)目標(biāo)進(jìn)行跟蹤。

更進(jìn)一步，具體地，計(jì)算每個(gè)特征點(diǎn)在上一幀與當(dāng)前幀中位置的差值，按差值的大小進(jìn)行排序，取中間的差值作為跟蹤框移動(dòng)的距離。計(jì)算上一幀中每個(gè)特征點(diǎn)之間的距離，同時(shí)計(jì)算當(dāng)前幀中每個(gè)特征點(diǎn)之間的距離，顯然兩幀中由特征點(diǎn)距離構(gòu)成的矩陣的維度是一致的，將兩幀中對(duì)應(yīng)的距離兩兩相除得到商值，將商值按大小排序，取中間的商值作為跟蹤框的縮放比例。

S204、獲取所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度。

其中，該相關(guān)度是為了更為準(zhǔn)確地表示預(yù)設(shè)目標(biāo)跟蹤框與目標(biāo)跟蹤框之間相似程度的一個(gè)度量。

具體地，獲取所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度，包括：

將所述目標(biāo)跟蹤框與所述預(yù)設(shè)目標(biāo)跟蹤縮放至相同尺寸；

基于歸一化相似性度量函數(shù)(Normalized cross correlation，簡(jiǎn)稱NCC)計(jì)算所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度。

可以理解，通過(guò)以NCC來(lái)評(píng)價(jià)預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度，從而使得相關(guān)度計(jì)算更為準(zhǔn)確，提高跟蹤準(zhǔn)確度。

具體地，該NNC的公式表示如下：

S205、在所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度大于或等于預(yù)設(shè)閾值時(shí)，利用所述目標(biāo)跟蹤框替換所述預(yù)設(shè)目標(biāo)跟蹤框集合中相應(yīng)的目標(biāo)跟蹤框，以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

具體地，當(dāng)利用NCC來(lái)評(píng)價(jià)相似度時(shí)，當(dāng)NNC值高于預(yù)設(shè)閾值時(shí)，對(duì)預(yù)設(shè)目標(biāo)跟蹤框集合更行更新。

更進(jìn)一步，具體地，可以設(shè)置利用預(yù)設(shè)目標(biāo)跟蹤框集合更新頻率，若處于模板更新幀，則將目標(biāo)跟蹤框的圖像賦值給預(yù)設(shè)目標(biāo)跟蹤框。例如，對(duì)于25幀每秒的視頻，模板更新頻率可以為每3幀1次，從而可以很好的判斷目標(biāo)是否遮擋。

舉例說(shuō)明，在本發(fā)明的一個(gè)示例中，若在預(yù)設(shè)人臉跟蹤框集合中有3個(gè)人臉跟蹤框，也即3個(gè)不同的人臉圖像，然后在上一幀目標(biāo)圖像中獲取第一人臉特征點(diǎn)，并基于該人臉特征點(diǎn)計(jì)算該目標(biāo)圖像的第二人臉特征點(diǎn)，并基于該第二人臉特征點(diǎn)得到人臉跟蹤框，然后再計(jì)算得到的3個(gè)人臉跟蹤框與預(yù)設(shè)的3個(gè)人臉跟蹤框的相關(guān)度，當(dāng)相關(guān)度大于一定的閾值時(shí)，將該第二特征點(diǎn)對(duì)應(yīng)的人臉跟蹤框更新預(yù)設(shè)人臉跟蹤框集合對(duì)應(yīng)的預(yù)設(shè)人臉跟蹤框。

可以理解，由于當(dāng)相關(guān)度大于一定的閾值時(shí)，則證明該預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與當(dāng)前圖像的目標(biāo)跟蹤框匹配，但很顯然當(dāng)前圖像中檢測(cè)到的目標(biāo)跟蹤框相對(duì)預(yù)設(shè)目標(biāo)跟蹤框更為準(zhǔn)確，所以此時(shí)利用當(dāng)前圖像的目標(biāo)跟蹤框去替換預(yù)設(shè)目標(biāo)跟蹤框，將使得后續(xù)對(duì)目標(biāo)的跟蹤更為準(zhǔn)確，提高目標(biāo)跟蹤準(zhǔn)確率。

S103、利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)。

具體地，該圖像檢測(cè)算法例如可以為Sift特征匹配算法，也可以為其它圖像檢測(cè)算法。

舉例說(shuō)明，在本發(fā)明的一個(gè)示例中，可以通過(guò)Sift特征匹配算法準(zhǔn)確地檢測(cè)出來(lái)人臉圖像中的3個(gè)目標(biāo)人臉框。

可選地，可以只對(duì)視頻圖像流中的部分幀利用圖像檢測(cè)算法進(jìn)一步進(jìn)行檢測(cè)。例如，對(duì)10幀視頻圖像中選擇一幀視頻圖像進(jìn)行檢測(cè)。從而在提高跟蹤準(zhǔn)確率的同時(shí)，也可以減少檢測(cè)時(shí)間。從而當(dāng)當(dāng)前幀為人臉檢測(cè)幀，則進(jìn)行人臉檢測(cè)。

S104、基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

其中，對(duì)N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配時(shí)，也即利用如下公式計(jì)算目標(biāo)跟蹤框與目標(biāo)對(duì)象框之間的重疊度：

其中，r_face指人臉框，r_tracker指跟蹤框。

具體地，當(dāng)利用重疊度構(gòu)建表征人臉框與跟蹤框之間關(guān)系的權(quán)重矩陣，再利用匈牙利算法，找到最大有權(quán)二分圖，此時(shí)目標(biāo)對(duì)象框與目標(biāo)跟蹤框的重疊度總和最大，且一個(gè)目標(biāo)對(duì)象框至多匹配到一個(gè)目標(biāo)跟蹤框，一個(gè)目標(biāo)跟蹤框也至多匹配一個(gè)目標(biāo)對(duì)象框，該匹配可認(rèn)為是目標(biāo)對(duì)象框與目標(biāo)跟蹤框的最佳匹配。

具體地，基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合，包括：

基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以確定所述M個(gè)目標(biāo)對(duì)象框中匹配成功的目標(biāo)對(duì)象框、未匹配成功的目標(biāo)對(duì)象框以及所述預(yù)設(shè)目標(biāo)跟蹤框集合中未匹配成功的預(yù)設(shè)目標(biāo)跟蹤框；

將所述未匹配成功的目標(biāo)對(duì)象框加入所述預(yù)設(shè)目標(biāo)跟蹤框集合、將所述未匹配成功的預(yù)設(shè)目標(biāo)跟蹤框從所述預(yù)設(shè)目標(biāo)跟蹤框刪除，以及將所述匹配成功的目標(biāo)對(duì)象框替換與所述匹配成功的目標(biāo)對(duì)象框?qū)?yīng)的預(yù)設(shè)目標(biāo)跟蹤框，以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

舉例說(shuō)明，在本發(fā)明的一個(gè)示例中，當(dāng)需要跟蹤某個(gè)人臉圖像時(shí)，首先利用光流跟蹤法確定出來(lái)該人臉圖像中的人臉對(duì)象框并對(duì)預(yù)設(shè)人臉跟蹤框進(jìn)行更新得到更新后的5個(gè)人臉對(duì)象，然后再利用圖像檢測(cè)算法檢測(cè)出來(lái)該人臉圖像中的準(zhǔn)確的4個(gè)人臉對(duì)象框，并將該4個(gè)人臉對(duì)象框與5個(gè)預(yù)設(shè)人臉跟蹤框利用匈牙利算法進(jìn)行匹配，若該5個(gè)預(yù)設(shè)人臉對(duì)象框中有3個(gè)與這4個(gè)人臉對(duì)象框匹配成功，4個(gè)人臉對(duì)象框中有一個(gè)人臉對(duì)象框在5個(gè)預(yù)設(shè)人臉對(duì)象框中從未出現(xiàn)，從而還有2個(gè)預(yù)設(shè)人臉對(duì)象框不能與這4個(gè)人臉對(duì)象框中的任何一個(gè)人臉對(duì)象框匹配，則將匹配成功的這3個(gè)人臉對(duì)象框更新原來(lái)的預(yù)設(shè)人臉對(duì)象框中的3個(gè)預(yù)設(shè)人臉對(duì)象框，將這1個(gè)未在預(yù)設(shè)人臉對(duì)象框中出現(xiàn)的人臉對(duì)象框加入該預(yù)設(shè)人臉對(duì)象框，并將該2個(gè)未匹配成功預(yù)設(shè)人臉對(duì)象框從原來(lái)的預(yù)設(shè)人臉對(duì)象框中刪除，最后這個(gè)預(yù)設(shè)人臉對(duì)象框集合中將包括4個(gè)預(yù)設(shè)人臉對(duì)象框。

可以理解，將所述未匹配成功的目標(biāo)對(duì)象框加入所述預(yù)設(shè)目標(biāo)跟蹤框集合、將所述未匹配成功的預(yù)設(shè)目標(biāo)跟蹤框從所述預(yù)設(shè)目標(biāo)跟蹤框刪除，以及將所述匹配成功的目標(biāo)對(duì)象框替換與所述匹配成功的目標(biāo)對(duì)象框?qū)?yīng)的預(yù)設(shè)目標(biāo)跟蹤框，以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合，從而可以使得后續(xù)對(duì)目標(biāo)的跟蹤更為準(zhǔn)確，以及節(jié)約跟蹤時(shí)間，提高目標(biāo)跟蹤效率。

需要說(shuō)明，對(duì)預(yù)設(shè)目標(biāo)跟蹤框集合進(jìn)行更新的三個(gè)步驟沒(méi)有先后順序。

可以看出，本實(shí)施例的方案中，獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象；基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)；利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)；基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。本發(fā)明實(shí)施例通過(guò)基于匈牙利算法將目標(biāo)跟蹤框與目標(biāo)對(duì)象框進(jìn)行匹配以更新預(yù)設(shè)目標(biāo)跟蹤框集合，從而使得預(yù)設(shè)目標(biāo)跟蹤框能根據(jù)目標(biāo)對(duì)象進(jìn)行更新，提高目標(biāo)跟蹤準(zhǔn)確率。

進(jìn)一步的，通過(guò)使用單向光流跟蹤算法，減少了計(jì)算開(kāi)銷，提高目標(biāo)跟蹤效率。

參見(jiàn)圖3，圖3是本發(fā)明實(shí)施例提供的一種目標(biāo)跟蹤方法的第二實(shí)施例流程示意圖。圖3所示的方法中，與圖1所示方法相同或類似的內(nèi)容可以參考圖1中的詳細(xì)描述，此處不再贅述。如圖3所示，本發(fā)明實(shí)施例提供的目標(biāo)跟蹤方法包括以下步驟：

S301、獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象。

S302、基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)。

S303、判斷所述目標(biāo)圖像是否為預(yù)設(shè)檢測(cè)幀。

可選地，若該目標(biāo)圖像為預(yù)設(shè)檢測(cè)幀時(shí)，執(zhí)行步驟S304。

可選地，若該目標(biāo)圖像不為預(yù)設(shè)檢測(cè)幀時(shí)，執(zhí)行返回執(zhí)行步驟S301。

具體地，可以間隔一定幀數(shù)選擇一幅預(yù)設(shè)檢測(cè)幀用于檢測(cè)進(jìn)一步利用圖像檢測(cè)算法檢測(cè)目標(biāo)。

S304、利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)。

S305、基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以確定所述M個(gè)目標(biāo)對(duì)象框中匹配成功的目標(biāo)對(duì)象框、未匹配成功的目標(biāo)對(duì)象框以及所述預(yù)設(shè)目標(biāo)跟蹤框集合中未匹配成功的預(yù)設(shè)目標(biāo)跟蹤框。

S306、將所述未匹配成功的目標(biāo)對(duì)象框加入所述預(yù)設(shè)目標(biāo)跟蹤框集合。

S307、將所述未匹配成功的預(yù)設(shè)目標(biāo)跟蹤框從所述預(yù)設(shè)目標(biāo)跟蹤框刪除。

S308、將所述匹配成功的目標(biāo)對(duì)象框替換與所述匹配成功的目標(biāo)對(duì)象框?qū)?yīng)的預(yù)設(shè)目標(biāo)跟蹤框。

更進(jìn)一步地，當(dāng)執(zhí)行完步驟S308后，也即對(duì)預(yù)設(shè)目標(biāo)跟蹤框進(jìn)行更新后，再轉(zhuǎn)入執(zhí)行步驟S301，從而使得后續(xù)利用該預(yù)設(shè)目標(biāo)跟蹤框進(jìn)行人臉跟蹤得到的效果更優(yōu)。

需要說(shuō)明，上述更新預(yù)設(shè)目標(biāo)跟蹤框的步驟S306、S307以及S308沒(méi)有嚴(yán)格的先后順序。

可以看出，本實(shí)施例的方案中，獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象；基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)；利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)；基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。本發(fā)明實(shí)施例通過(guò)基于匈牙利算法將目標(biāo)跟蹤框與目標(biāo)對(duì)象框進(jìn)行匹配以更新預(yù)設(shè)目標(biāo)跟蹤框集合，從而使得預(yù)設(shè)目標(biāo)跟蹤框能根據(jù)目標(biāo)對(duì)象進(jìn)行更新，提高目標(biāo)跟蹤準(zhǔn)確率。

進(jìn)一步的，通過(guò)使用單向光流跟蹤算法，減少了計(jì)算開(kāi)銷，提高目標(biāo)跟蹤效率。

本發(fā)明實(shí)施例還提供一種目標(biāo)跟蹤裝置，包括：

獲取模塊，用于獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象；

確定模塊，用于基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)；

檢測(cè)模塊，用于利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)；

更新模塊，用于基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

具體地，請(qǐng)參見(jiàn)圖4，圖4是本發(fā)明實(shí)施例提供的一種目標(biāo)跟蹤裝置的第一實(shí)施例的結(jié)構(gòu)示意圖，用于實(shí)現(xiàn)本發(fā)明實(shí)施例公開(kāi)的一種目標(biāo)跟蹤方法。其中，如圖4所示，本發(fā)明實(shí)施例提供的一種目標(biāo)跟蹤裝置400可以包括：

獲取模塊410、確定模塊420、檢測(cè)模塊430和更新模塊440。

其中，獲取模塊410，用于獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象。

其中，目標(biāo)圖像可以是指從視頻流中獲取到的各幀圖像，優(yōu)選地，該圖像包括人臉的圖像。目標(biāo)對(duì)象是指該目標(biāo)圖像中需要關(guān)注的特征，例如，若該目標(biāo)圖像為人臉圖像，該目標(biāo)對(duì)象可以為人臉。

在本發(fā)明實(shí)施例中，通過(guò)在目標(biāo)區(qū)域或位置安裝攝像頭來(lái)獲取視頻流，再對(duì)該視頻流進(jìn)行解碼，以從該視頻流中獲取一幀幀的視頻圖像，也即目標(biāo)圖像，再對(duì)該目標(biāo)圖像進(jìn)行圖像處理。

在本發(fā)明實(shí)施例中，可以在小區(qū)門(mén)口、學(xué)校門(mén)口、進(jìn)出關(guān)口等位置安裝該攝像頭。

舉例說(shuō)明，在本發(fā)明的一個(gè)示例中，若為了統(tǒng)計(jì)某一關(guān)口的人數(shù)量，可以在關(guān)口位置安裝一攝像頭，然后獲取攝像頭拍攝的視頻流，并對(duì)視頻流進(jìn)行解碼得到目標(biāo)圖像，然后再基于該目標(biāo)圖像中的目標(biāo)對(duì)象，也即人臉對(duì)象進(jìn)行人物計(jì)數(shù)，但基于人臉對(duì)象進(jìn)行計(jì)數(shù)的過(guò)程中，由于視頻流中的不同幀可能存在同一人臉對(duì)象，所以為了防止重復(fù)計(jì)數(shù)，可以使用本發(fā)明實(shí)施例提供的目標(biāo)跟蹤方法對(duì)目標(biāo)對(duì)象進(jìn)行跟蹤以去重，提高計(jì)數(shù)準(zhǔn)確率。

確定模塊420，用于基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)。

其中，預(yù)設(shè)目標(biāo)跟蹤框集合是指在該時(shí)刻目標(biāo)圖像之前出現(xiàn)在目標(biāo)圖像中的預(yù)設(shè)目標(biāo)所對(duì)應(yīng)的預(yù)設(shè)目標(biāo)跟蹤框集合。例如，若為了統(tǒng)計(jì)某一關(guān)口的人數(shù)量，在某一時(shí)刻獲取到一幀目標(biāo)圖像，但由于在該時(shí)刻之前的目標(biāo)圖像中可能出現(xiàn)過(guò)目標(biāo)人臉，從而需要對(duì)該幀目標(biāo)圖像中與之前的目標(biāo)人臉重復(fù)的人臉進(jìn)行去重，從而可以使用預(yù)設(shè)人臉跟蹤框來(lái)確定重復(fù)的預(yù)設(shè)人臉并進(jìn)行濾除。

其中，目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框是指利用光流法跟蹤算法跟蹤到目標(biāo)圖像中的目標(biāo)，該目標(biāo)跟蹤框是指目標(biāo)圖像中的目標(biāo)對(duì)象的目標(biāo)跟蹤框，例如，若目標(biāo)圖像為人臉圖像，則該目標(biāo)跟蹤框?yàn)槟繕?biāo)人臉圖像跟蹤框。

具體地，參見(jiàn)圖5，圖5示出了本發(fā)明實(shí)施例提供的一種確定模塊的結(jié)構(gòu)示意圖，如圖5所示，該確定模塊420，包括：

提取單元421，用于在所述目標(biāo)圖像的上一個(gè)目標(biāo)圖像中提取第一目標(biāo)特征點(diǎn)。

其中，第一目標(biāo)特征點(diǎn)是指目標(biāo)圖像的上一個(gè)目標(biāo)圖像中的與目標(biāo)相關(guān)的特征點(diǎn)。

具體地，在上一幀目標(biāo)圖像的目標(biāo)跟蹤框內(nèi)，提取易于跟蹤的特征點(diǎn)。

更進(jìn)一步，具體地，可以采用提取網(wǎng)格節(jié)點(diǎn)的方式，也可以計(jì)算每個(gè)像素點(diǎn)的跟蹤性能，再?gòu)闹羞x取一些易于跟蹤的點(diǎn)，并保證各點(diǎn)之間有一定的距離。

在本發(fā)明實(shí)施例中，若該目標(biāo)圖像為人臉圖像，則該目標(biāo)特征點(diǎn)可以為人臉特征點(diǎn)。

獲取單元422，用于基于光流獲取所述目標(biāo)特征點(diǎn)在所述目標(biāo)圖像中對(duì)應(yīng)的第二目標(biāo)特征點(diǎn)。

具體地，當(dāng)獲取到目標(biāo)圖像的上一個(gè)目標(biāo)圖像中的第一目標(biāo)特征點(diǎn)后，可以基于該第一目標(biāo)特征點(diǎn)，計(jì)算光流，并利用光流信息，即可得到第一目標(biāo)特征點(diǎn)在該目標(biāo)圖像中的第二目標(biāo)特征點(diǎn)。

例如，若上一目標(biāo)圖像中存在3個(gè)人臉目標(biāo)特征點(diǎn)，則可以通過(guò)計(jì)算光流，得到該目標(biāo)圖像中這3個(gè)人臉目標(biāo)特征點(diǎn)。

所述獲取單元422，還用于基于所述第二目標(biāo)特征點(diǎn)獲取所述目標(biāo)圖像的目標(biāo)跟蹤框。

其中，目標(biāo)跟蹤框是指為了對(duì)目標(biāo)特征點(diǎn)進(jìn)行跟蹤的一個(gè)具有特征形狀的跟蹤框，以便于對(duì)目標(biāo)進(jìn)行跟蹤。

更進(jìn)一步，具體地，計(jì)算每個(gè)特征點(diǎn)在上一幀與當(dāng)前幀中位置的差值，按差值的大小進(jìn)行排序，取中間的差值作為跟蹤框移動(dòng)的距離。計(jì)算上一幀中每個(gè)特征點(diǎn)之間的距離，同時(shí)計(jì)算當(dāng)前幀中每個(gè)特征點(diǎn)之間的距離，顯然兩幀中由特征點(diǎn)距離構(gòu)成的矩陣的維度是一致的，將兩幀中對(duì)應(yīng)的距離兩兩相除得到商值，將商值按大小排序，取中間的商值作為跟蹤框的縮放比例。

所述獲取單元422，還用于獲取所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度。

其中，該相關(guān)度是為了更為準(zhǔn)確地表示預(yù)設(shè)目標(biāo)跟蹤框與目標(biāo)跟蹤框之間相似程度的一個(gè)度量。

具體地，所述獲取單元422獲取所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度具體為：

將所述目標(biāo)跟蹤框與所述預(yù)設(shè)目標(biāo)跟蹤縮放至相同尺寸；

基于歸一化相似性度量函數(shù)NCC計(jì)算所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度。：

將所述目標(biāo)跟蹤框與所述預(yù)設(shè)目標(biāo)跟蹤縮放至相同尺寸；

基于歸一化相似性度量函數(shù)(Normalized cross correlation，簡(jiǎn)稱NCC)計(jì)算所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度。

可以理解，通過(guò)以NCC來(lái)評(píng)價(jià)預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度，從而使得相關(guān)度計(jì)算更為準(zhǔn)確，提高跟蹤準(zhǔn)確度。

具體地，該NNC的公式表示如下：

更新單元423，用于在所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度大于或等于預(yù)設(shè)閾值時(shí)，利用所述目標(biāo)跟蹤框替換所述預(yù)設(shè)目標(biāo)跟蹤框集合中相應(yīng)的目標(biāo)跟蹤框，以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

具體地，當(dāng)利用NCC來(lái)評(píng)價(jià)相似度時(shí)，當(dāng)NNC值高于預(yù)設(shè)閾值時(shí)，對(duì)預(yù)設(shè)目標(biāo)跟蹤框集合更行更新。

更進(jìn)一步，具體地，可以設(shè)置利用預(yù)設(shè)目標(biāo)跟蹤框集合更新頻率，若處于模板更新幀，則將目標(biāo)跟蹤框的圖像賦值給預(yù)設(shè)目標(biāo)跟蹤框。例如，對(duì)于25幀每秒的視頻，模板更新頻率可以為每3幀1次，從而可以很好的判斷目標(biāo)是否遮擋。

舉例說(shuō)明，在本發(fā)明的一個(gè)示例中，若在預(yù)設(shè)人臉跟蹤框集合中有3個(gè)人臉跟蹤框，也即3個(gè)不同的人臉圖像，然后在上一幀目標(biāo)圖像中獲取第一人臉特征點(diǎn)，并基于該人臉特征點(diǎn)計(jì)算該目標(biāo)圖像的第二人臉特征點(diǎn)，并基于該第二人臉特征點(diǎn)得到人臉跟蹤框，然后再計(jì)算得到的3個(gè)人臉跟蹤框與預(yù)設(shè)的3個(gè)人臉跟蹤框的相關(guān)度，當(dāng)相關(guān)度大于一定的閾值時(shí)，將該第二特征點(diǎn)對(duì)應(yīng)的人臉跟蹤框更新預(yù)設(shè)人臉跟蹤框集合對(duì)應(yīng)的預(yù)設(shè)人臉跟蹤框。

可以理解，由于當(dāng)相關(guān)度大于一定的閾值時(shí)，則證明該預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與當(dāng)前圖像的目標(biāo)跟蹤框匹配，但很顯然當(dāng)前圖像中檢測(cè)到的目標(biāo)跟蹤框相對(duì)預(yù)設(shè)目標(biāo)跟蹤框更為準(zhǔn)確，所以此時(shí)利用當(dāng)前圖像的目標(biāo)跟蹤框去替換預(yù)設(shè)目標(biāo)跟蹤框，將使得后續(xù)對(duì)目標(biāo)的跟蹤更為準(zhǔn)確，提高目標(biāo)跟蹤準(zhǔn)確率。

檢測(cè)模塊430，用于利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)。

具體地，該圖像檢測(cè)算法例如可以為Sift特征匹配算法，也可以為其它圖像檢測(cè)算法。

舉例說(shuō)明，在本發(fā)明的一個(gè)示例中，可以通過(guò)Sift特征匹配算法準(zhǔn)確地檢測(cè)出來(lái)人臉圖像中的3個(gè)目標(biāo)人臉框。

可選地，可以只對(duì)視頻圖像流中的部分幀利用圖像檢測(cè)算法進(jìn)一步進(jìn)行檢測(cè)。例如，對(duì)10幀視頻圖像中選擇一幀視頻圖像進(jìn)行檢測(cè)。從而在提高跟蹤準(zhǔn)確率的同時(shí)，也可以減少檢測(cè)時(shí)間。從而當(dāng)當(dāng)前幀為人臉檢測(cè)幀，則進(jìn)行人臉檢測(cè)。

更新模塊440，用于基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

其中，對(duì)N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配時(shí)，也即利用如下公式計(jì)算目標(biāo)跟蹤框與目標(biāo)對(duì)象框之間的重疊度：

其中，r_face指人臉框，r_tracker指跟蹤框。

具體地，當(dāng)利用重疊度構(gòu)建表征人臉框與跟蹤框之間關(guān)系的權(quán)重矩陣，再利用匈牙利算法，找到最大有權(quán)二分圖，此時(shí)目標(biāo)對(duì)象框與目標(biāo)跟蹤框的重疊度總和最大，且一個(gè)目標(biāo)對(duì)象框至多匹配到一個(gè)目標(biāo)跟蹤框，一個(gè)目標(biāo)跟蹤框也至多匹配一個(gè)目標(biāo)對(duì)象框，該匹配可認(rèn)為是目標(biāo)對(duì)象框與目標(biāo)跟蹤框的最佳匹配。

具體地，所述更新模塊440包括：

確定單元441，用于基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以確定所述M個(gè)目標(biāo)對(duì)象框中匹配成功的目標(biāo)對(duì)象框、未匹配成功的目標(biāo)對(duì)象框以及所述預(yù)設(shè)目標(biāo)跟蹤框集合中未匹配成功的預(yù)設(shè)目標(biāo)跟蹤框；

更新單元442，用于將所述未匹配成功的目標(biāo)對(duì)象框加入所述預(yù)設(shè)目標(biāo)跟蹤框集合、將所述未匹配成功的預(yù)設(shè)目標(biāo)跟蹤框從所述預(yù)設(shè)目標(biāo)跟蹤框刪除，以及將所述匹配成功的目標(biāo)對(duì)象框替換與所述匹配成功的目標(biāo)對(duì)象框?qū)?yīng)的預(yù)設(shè)目標(biāo)跟蹤框，以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

舉例說(shuō)明，在本發(fā)明的一個(gè)示例中，當(dāng)需要跟蹤某個(gè)人臉圖像時(shí)，首先利用光流跟蹤法確定出來(lái)該人臉圖像中的人臉對(duì)象框并對(duì)預(yù)設(shè)人臉跟蹤框進(jìn)行更新得到更新后的5個(gè)人臉對(duì)象，然后再利用圖像檢測(cè)算法檢測(cè)出來(lái)該人臉圖像中的準(zhǔn)確的4個(gè)人臉對(duì)象框，并將該4個(gè)人臉對(duì)象框與5個(gè)預(yù)設(shè)人臉跟蹤框利用匈牙利算法進(jìn)行匹配，若該5個(gè)預(yù)設(shè)人臉對(duì)象框中有3個(gè)與這4個(gè)人臉對(duì)象框匹配成功，4個(gè)人臉對(duì)象框中有一個(gè)人臉對(duì)象框在5個(gè)預(yù)設(shè)人臉對(duì)象框中從未出現(xiàn)，從而還有2個(gè)預(yù)設(shè)人臉對(duì)象框不能與這4個(gè)人臉對(duì)象框中的任何一個(gè)人臉對(duì)象框匹配，則將匹配成功的這3個(gè)人臉對(duì)象框更新原來(lái)的預(yù)設(shè)人臉對(duì)象框中的3個(gè)預(yù)設(shè)人臉對(duì)象框，將這1個(gè)未在預(yù)設(shè)人臉對(duì)象框中出現(xiàn)的人臉對(duì)象框加入該預(yù)設(shè)人臉對(duì)象框，并將該2個(gè)未匹配成功預(yù)設(shè)人臉對(duì)象框從原來(lái)的預(yù)設(shè)人臉對(duì)象框中刪除，最后這個(gè)預(yù)設(shè)人臉對(duì)象框集合中將包括4個(gè)預(yù)設(shè)人臉對(duì)象框。

可以理解，將所述未匹配成功的目標(biāo)對(duì)象框加入所述預(yù)設(shè)目標(biāo)跟蹤框集合、將所述未匹配成功的預(yù)設(shè)目標(biāo)跟蹤框從所述預(yù)設(shè)目標(biāo)跟蹤框刪除，以及將所述匹配成功的目標(biāo)對(duì)象框替換與所述匹配成功的目標(biāo)對(duì)象框?qū)?yīng)的預(yù)設(shè)目標(biāo)跟蹤框，以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合，從而可以使得后續(xù)對(duì)目標(biāo)的跟蹤更為準(zhǔn)確，以及節(jié)約跟蹤時(shí)間，提高目標(biāo)跟蹤效率。

可以看出，本實(shí)施例的方案中，目標(biāo)跟蹤裝置400獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象；目標(biāo)跟蹤裝置400再基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)；并利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)；最后目標(biāo)跟蹤裝置400基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。本發(fā)明實(shí)施例通過(guò)基于匈牙利算法將目標(biāo)跟蹤框與目標(biāo)對(duì)象框進(jìn)行匹配以更新預(yù)設(shè)目標(biāo)跟蹤框集合，從而使得預(yù)設(shè)目標(biāo)跟蹤框能根據(jù)目標(biāo)對(duì)象進(jìn)行更新，提高目標(biāo)跟蹤準(zhǔn)確率。

進(jìn)一步的，通過(guò)使用單向光流跟蹤算法，減少了計(jì)算開(kāi)銷，提高目標(biāo)跟蹤效率。

在本實(shí)施例中，目標(biāo)跟蹤裝置400是以單元的形式來(lái)呈現(xiàn)。這里的“單元”可以指特定應(yīng)用集成電路(application-specific integrated circuit，ASIC)，執(zhí)行一個(gè)或多個(gè)軟件或固件程序的處理器和存儲(chǔ)器，集成邏輯電路，和/或其他可以提供上述功能的器件。

可以理解的是，本實(shí)施例的目標(biāo)跟蹤裝置400的各功能單元的功能可根據(jù)上述方法實(shí)施例中的方法具體實(shí)現(xiàn)，其具體實(shí)現(xiàn)過(guò)程可以參照上述方法實(shí)施例的相關(guān)描述，此處不再贅述。

參見(jiàn)圖6，圖6是本發(fā)明實(shí)施例提供的一種目標(biāo)跟蹤裝置的第二實(shí)施例的結(jié)構(gòu)示意圖，用于實(shí)現(xiàn)本發(fā)明實(shí)施例公開(kāi)的圖像識(shí)別方法。其中，該目標(biāo)跟蹤裝置600可以包括：至少一個(gè)總線601、與總線601相連的至少一個(gè)處理器602以及與總線601相連的至少一個(gè)存儲(chǔ)器603。

其中，處理器602通過(guò)總線601，調(diào)用存儲(chǔ)器中存儲(chǔ)的代碼以用于獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象；基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)；利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)；基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

可選地，在本發(fā)明的一些可能的實(shí)施方式中，所述處理器602基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合，包括：

基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以確定所述M個(gè)目標(biāo)對(duì)象框中匹配成功的目標(biāo)對(duì)象框、未匹配成功的目標(biāo)對(duì)象框以及所述預(yù)設(shè)目標(biāo)跟蹤框集合中未匹配成功的預(yù)設(shè)目標(biāo)跟蹤框；

將所述未匹配成功的目標(biāo)對(duì)象框加入所述預(yù)設(shè)目標(biāo)跟蹤框集合、將所述未匹配成功的預(yù)設(shè)目標(biāo)跟蹤框從所述預(yù)設(shè)目標(biāo)跟蹤框刪除，以及將所述匹配成功的目標(biāo)對(duì)象框替換與所述匹配成功的目標(biāo)對(duì)象框?qū)?yīng)的預(yù)設(shè)目標(biāo)跟蹤框，以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

可選地，在本發(fā)明的一些可能的實(shí)施方式中，所述處理器602基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，包括：

在所述目標(biāo)圖像的上一個(gè)目標(biāo)圖像中提取第一目標(biāo)特征點(diǎn)；

基于光流獲取所述目標(biāo)特征點(diǎn)在所述目標(biāo)圖像中對(duì)應(yīng)的第二目標(biāo)特征點(diǎn)；

基于所述第二目標(biāo)特征點(diǎn)獲取所述目標(biāo)圖像的目標(biāo)跟蹤框；

獲取所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度；

在所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度大于或等于預(yù)設(shè)閾值時(shí)，利用所述目標(biāo)跟蹤框替換所述預(yù)設(shè)目標(biāo)跟蹤框集合中相應(yīng)的目標(biāo)跟蹤框，以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。

可選地，在本發(fā)明的一些可能的實(shí)施方式中，所述處理器602獲取所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度，包括：

將所述目標(biāo)跟蹤框與所述預(yù)設(shè)目標(biāo)跟蹤縮放至相同尺寸；

基于歸一化相似性度量函數(shù)NCC計(jì)算所述預(yù)設(shè)目標(biāo)跟蹤框集合中的預(yù)設(shè)目標(biāo)跟蹤框與所述目標(biāo)跟蹤框之間的相關(guān)度。

可選地，在本發(fā)明的一些可能的實(shí)施方式中，所述目標(biāo)對(duì)象為人臉對(duì)象。

可以看出，本實(shí)施例的方案中，目標(biāo)跟蹤裝置600獲取目標(biāo)圖像，所述目標(biāo)圖像中包括至少一個(gè)目標(biāo)對(duì)象；目標(biāo)跟蹤裝置600再基于預(yù)設(shè)目標(biāo)跟蹤框集合利用光流法跟蹤算法對(duì)目標(biāo)圖像進(jìn)行跟蹤以確定所述目標(biāo)圖像中的N個(gè)目標(biāo)跟蹤框，所述N為正整數(shù)；并利用圖像檢測(cè)算法檢測(cè)所述目標(biāo)圖像中的M個(gè)目標(biāo)對(duì)象框，所述M為正整數(shù)；最后目標(biāo)跟蹤裝置600基于匈牙利算法將所述N個(gè)目標(biāo)跟蹤框與所述M個(gè)目標(biāo)對(duì)象框進(jìn)行匹配以更新所述預(yù)設(shè)目標(biāo)跟蹤框集合。本發(fā)明實(shí)施例通過(guò)基于匈牙利算法將目標(biāo)跟蹤框與目標(biāo)對(duì)象框進(jìn)行匹配以更新預(yù)設(shè)目標(biāo)跟蹤框集合，從而使得預(yù)設(shè)目標(biāo)跟蹤框能根據(jù)目標(biāo)對(duì)象進(jìn)行更新，提高目標(biāo)跟蹤準(zhǔn)確率。

進(jìn)一步的，通過(guò)使用單向光流跟蹤算法，減少了計(jì)算開(kāi)銷，提高目標(biāo)跟蹤效率。

在本實(shí)施例中，目標(biāo)跟蹤裝置600是以單元的形式來(lái)呈現(xiàn)。這里的“單元”可以指特定應(yīng)用集成電路(application-specific integrated circuit，ASIC)，執(zhí)行一個(gè)或多個(gè)軟件或固件程序的處理器和存儲(chǔ)器，集成邏輯電路，和/或其他可以提供上述功能的器件。

可以理解的是，本實(shí)施例的目標(biāo)跟蹤裝置600的各功能單元的功能可根據(jù)上述方法實(shí)施例中的方法具體實(shí)現(xiàn)，其具體實(shí)現(xiàn)過(guò)程可以參照上述方法實(shí)施例的相關(guān)描述，此處不再贅述。

本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，其中，該計(jì)算機(jī)存儲(chǔ)介質(zhì)可存儲(chǔ)有程序，該程序執(zhí)行時(shí)包括上述方法實(shí)施例中記載的任何目標(biāo)跟蹤方法的部分或全部步驟。

需要說(shuō)明的是，對(duì)于前述的各方法實(shí)施例，為了簡(jiǎn)單描述，故將其都表述為一系列的動(dòng)作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動(dòng)作順序的限制，因?yàn)橐罁?jù)本發(fā)明，某些步驟可以采用其他順序或者同時(shí)進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說(shuō)明書(shū)中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例，所涉及的動(dòng)作和模塊并不一定是本發(fā)明所必須的。

在上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒(méi)有詳述的部分，可以參見(jiàn)其他實(shí)施例的相關(guān)描述。

在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的裝置，可通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，裝置或單元的間接耦合或通信連接，可以是電性或其它的形式。

所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明的各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可為個(gè)人計(jì)算機(jī)、服務(wù)器或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤(pán)、只讀存儲(chǔ)器(ROM，Read-Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、移動(dòng)硬盤(pán)、磁碟或者光盤(pán)等各種可以存儲(chǔ)程序代碼的介質(zhì)。

以上所述，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。