本發(fā)明涉及計算機圖像處理技術(shù)領(lǐng)域，特別是涉及一種目標(biāo)檢測跟蹤方法及裝置。

背景技術(shù)：

人臉檢測作為一種特定類型目標(biāo)的檢測任務(wù)，一方面具有其自己鮮明的特點，需要考慮人臉這一目標(biāo)的特殊性，另一方面其也和其它類型目標(biāo)的檢測任務(wù)具有一定的共性，能夠直接借鑒在通用目標(biāo)檢測方法上的研究經(jīng)驗。

目標(biāo)檢測任務(wù)作為一個分類問題，其不僅受益于計算機視覺領(lǐng)域相關(guān)技術(shù)的不斷發(fā)展，在機器學(xué)習(xí)領(lǐng)域的研究進(jìn)展同樣也對目標(biāo)檢測任務(wù)具有推波助瀾的作用。事實上，從2006年開始逐步蔓延開的深度學(xué)習(xí)大爆發(fā)給目標(biāo)檢測的研究帶來了強勁的助推力，使得通用的目標(biāo)檢測以及各種特定類型目標(biāo)的檢測任務(wù)得到了跨越式地發(fā)展。

同時，隨著技術(shù)的進(jìn)步，人們也對目標(biāo)檢測的精度提出了更高的要求。傳統(tǒng)的人臉檢測方法由于受限于檢測器的準(zhǔn)確性，在檢測過程中難免會出現(xiàn)誤差。同時，也缺乏有效的手段去糾正這種誤差，導(dǎo)致其性能難以滿足目前人們對人臉檢測的要求。

此外，無人機隨著技術(shù)的發(fā)展和進(jìn)步，在軍用和民用領(lǐng)域的應(yīng)用都越來越廣泛。而計算機圖像處理技術(shù)和無人機技術(shù)的融合更使得無人機在測繪、巡檢和偵查等方面大展身手。與此同時，由于無人機的運動過程不同于以往的任何載體，這就使得搭載于無人機上的圖像獲取和處理裝置的處理方法也將不同于常規(guī)的固定載體和低速運動載體。

在基于無人機的圖像處理中，目標(biāo)跟蹤是一個尤為重要的課題。運動目標(biāo)跟蹤在軍事制導(dǎo)，視覺導(dǎo)航，機器人，智能交通，公共安全等領(lǐng)域有著廣泛的應(yīng)用。例如，在車輛違章抓拍系統(tǒng)中，車輛的跟蹤就是必不可少的。在入侵檢測中，人、動物、車輛等大型運動目標(biāo)的檢測與跟蹤也是整個系統(tǒng)運行的關(guān)鍵所在。因此，如何找到一種能夠適應(yīng)于無人機的目標(biāo)檢測方法，同時提升檢測的準(zhǔn)確性和效率，就顯得尤為重要。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種目標(biāo)檢測跟蹤方法及裝置，以解決現(xiàn)有目標(biāo)檢測跟蹤技術(shù)檢測結(jié)果精度不高、效率較低的問題。

為解決上述技術(shù)問題，本發(fā)明提供一種目標(biāo)檢測跟蹤方法，包括：

獲取待檢測圖像；

調(diào)用預(yù)先建立的人臉檢測模型，對所述待檢測圖像進(jìn)行人臉檢測；

在所述待檢測圖像中檢測到人臉后，調(diào)用預(yù)先建立的人頭檢測模型，在檢測到人臉的位置處進(jìn)行人頭檢測；

對檢測到的人頭的區(qū)域進(jìn)行跟蹤。

可選地，在所述對檢測到的人頭的區(qū)域進(jìn)行跟蹤之后還包括：

采用人頭檢測器校驗跟蹤結(jié)果，判斷所述跟蹤結(jié)果是否正確。

可選地，在所述采用人頭檢測器校驗跟蹤結(jié)果，判斷所述跟蹤結(jié)果是否正確之后還包括：

在判定所述跟蹤結(jié)果正確的情況下，對目標(biāo)跟蹤框的位置以及大小進(jìn)行調(diào)整。

可選地，所述對目標(biāo)跟蹤框的位置以及大小進(jìn)行調(diào)整包括：

響應(yīng)檢測到的人頭的位置以及大小；

響應(yīng)跟蹤到人頭的對應(yīng)目標(biāo)跟蹤框的位置以及大小；

調(diào)整跟蹤到人頭的對應(yīng)目標(biāo)跟蹤框的位置以及大小，以使其適應(yīng)所述人頭的位置以及大小。

可選地，所述人臉檢測模型采用基于特征子臉、模板匹配、外觀或膚色的方法對人臉進(jìn)行檢測，所述人體檢測模型采用基于特征、模板匹配、外觀的方法對人頭進(jìn)行檢測。

本發(fā)明還提供了一種目標(biāo)檢測跟蹤裝置，包括：

圖像獲取模塊，用于獲取待檢測圖像；

人臉檢測模塊，用于調(diào)用預(yù)先建立的人臉檢測模型，對所述待檢測圖像進(jìn)行人臉檢測；

人頭檢測模塊，用于在所述待檢測圖像中檢測到人臉后，調(diào)用預(yù)先建立的人頭檢測模型，在檢測到人臉的位置處進(jìn)行人頭檢測；

跟蹤模塊，用于對檢測到的人頭的區(qū)域進(jìn)行跟蹤。

可選地，還包括：

校驗?zāi)K，用于在對檢測到的人頭的區(qū)域進(jìn)行跟蹤之后，采用人頭檢測器校驗跟蹤結(jié)果，判斷所述跟蹤結(jié)果是否正確。

可選地，還包括：

調(diào)整模塊，用于在采用人頭檢測器校驗跟蹤結(jié)果，判斷所述跟蹤結(jié)果是否正確之后，在判定所述跟蹤結(jié)果正確的情況下，對目標(biāo)跟蹤框的位置以及大小進(jìn)行調(diào)整。

可選地，所述調(diào)整模塊包括：

第一響應(yīng)單元，用于響應(yīng)檢測到的人頭的位置以及大??；

第二響應(yīng)單元，用于響應(yīng)跟蹤到人頭的對應(yīng)目標(biāo)跟蹤框的位置以及大??；

調(diào)整單元，用于調(diào)整跟蹤到人頭的對應(yīng)目標(biāo)跟蹤框的位置以及大小，以使其適應(yīng)所述人頭的位置以及大小。

可選地，所述人臉檢測模型采用基于特征子臉、模板匹配、外觀或膚色的方法對人臉進(jìn)行檢測，所述人體檢測模型采用基于特征、模板匹配、外觀的方法對人頭進(jìn)行檢測。

本發(fā)明所提供的目標(biāo)檢測跟蹤方法及裝置，通過獲取待檢測圖像；調(diào)用預(yù)先建立的人臉檢測模型，對待檢測圖像進(jìn)行人臉檢測；在待檢測圖像中檢測到人臉后，調(diào)用預(yù)先建立的人頭檢測模型，在檢測到人臉的位置處進(jìn)行人頭檢測；對檢測到的人頭的區(qū)域進(jìn)行跟蹤。本發(fā)明所提供的目標(biāo)檢測跟蹤方法及裝置，在人臉檢測的基礎(chǔ)上進(jìn)行人頭檢測，提升了檢測結(jié)果的精度；另一方面，也便于人頭檢測器快速鎖定目標(biāo)，提升了系統(tǒng)運行的效率。

附圖說明

為了更清楚的說明本發(fā)明實施例或現(xiàn)有技術(shù)的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明所提供的目標(biāo)檢測跟蹤方法的一種具體實施方式的流程圖；

圖2為本發(fā)明所提供的目標(biāo)檢測跟蹤方法的另一種具體實施方式的流程圖；

圖3為本發(fā)明所提供的目標(biāo)檢測跟蹤方法的又一種具體實施方式的流程圖；

圖4為本發(fā)明實施例提供的目標(biāo)檢測跟蹤裝置的結(jié)構(gòu)框圖。

具體實施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面結(jié)合附圖和具體實施方式對本發(fā)明作進(jìn)一步的詳細(xì)說明。顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明所提供的目標(biāo)檢測跟蹤方法的一種具體實施方式的流程圖如圖1所示，該方法包括：

步驟s101：獲取待檢測圖像；

步驟s102：調(diào)用預(yù)先建立的人臉檢測模型，對所述待檢測圖像進(jìn)行人臉檢測；

具體地，本發(fā)明實施例可以通過預(yù)先對大量樣本圖像進(jìn)行訓(xùn)練，建立人臉訓(xùn)練集。在輸入待檢測圖像之后，能夠根據(jù)訓(xùn)練好的模型自動進(jìn)行人臉檢測，得到檢測結(jié)果。

步驟s103：在所述待檢測圖像中檢測到人臉后，調(diào)用預(yù)先建立的人頭檢測模型，在檢測到人臉的位置處進(jìn)行人頭檢測；

同樣地，本發(fā)明實施例可以通過預(yù)先對大量樣本圖像進(jìn)行訓(xùn)練，建立人頭訓(xùn)練集。在輸入待檢測圖像之后，能夠根據(jù)訓(xùn)練好的模型自動進(jìn)行人頭檢測，得到檢測結(jié)果。

需要指出的是，本發(fā)明實施例中可以采用進(jìn)行人臉檢測的人臉檢測器以及用于進(jìn)行人頭檢測的人頭檢測器。人臉檢測模型采用基于特征子臉、模板匹配、外觀或膚色的方法對人臉進(jìn)行檢測，所述人體檢測模型采用基于特征、模板匹配、外觀的方法對人頭進(jìn)行檢測。

作為一種具體實施方式，基于模板匹配的人臉檢測器采用如下方法進(jìn)行人臉檢測：利用一屏蔽模板濾掉測試圖像邊緣的無用信息，然后根據(jù)人臉灰度分布將人臉劃分成不同的區(qū)域；計算每個區(qū)域的灰度平均值表示該區(qū)域，用整個樣本的灰度平均值進(jìn)行歸正，得到一維連續(xù)特征向量。

作為一種具體實施方式，基于特征子臉的人臉檢測方法包括以下步驟：對訓(xùn)練集樣本中每個元素用其樣本灰度平均值進(jìn)行歸正，得到樣本集；計算所有樣本的平均樣本，對樣本進(jìn)行歸正；得到協(xié)方差矩陣；求解協(xié)方差矩陣的特征向量，選擇其中最大的特征向量作為特征子臉；待特征子臉產(chǎn)生后，將人臉檢測轉(zhuǎn)變成模式識別；通過進(jìn)行模式識別，最終得到人臉檢測的結(jié)果。

步驟s104：對檢測到的人頭的區(qū)域進(jìn)行跟蹤。

本發(fā)明所提供的目標(biāo)檢測跟蹤方法，通過獲取待檢測圖像；調(diào)用預(yù)先建立的人臉檢測模型，對待檢測圖像進(jìn)行人臉檢測；在待檢測圖像中檢測到人臉后，調(diào)用預(yù)先建立的人頭檢測模型，在檢測到人臉的位置處進(jìn)行人頭檢測；對檢測到的人頭的區(qū)域進(jìn)行跟蹤。本發(fā)明所提供的目標(biāo)檢測跟蹤方法，在人臉檢測的基礎(chǔ)上進(jìn)行人頭檢測，提升了檢測結(jié)果的精度；另一方面，也便于人頭檢測器快速鎖定目標(biāo)，提升了系統(tǒng)運行的效率。

在上述實施例的基礎(chǔ)上，本發(fā)明所提供的目標(biāo)檢測跟蹤方法在對檢測到的人頭的區(qū)域進(jìn)行跟蹤之后還包括：采用人頭檢測器校驗跟蹤結(jié)果，判斷所述跟蹤結(jié)果是否正確。進(jìn)一步地，在采用人頭檢測器校驗跟蹤結(jié)果，判斷所述跟蹤結(jié)果是否正確之后還可以包括：在判定所述跟蹤結(jié)果正確的情況下，對目標(biāo)跟蹤框的位置以及大小進(jìn)行調(diào)整。

如圖2本發(fā)明所提供的目標(biāo)檢測跟蹤方法的另一種具體實施方式的流程圖所示，該方法包括：

步驟s201：獲取待檢測圖像；

步驟s202：調(diào)用預(yù)先建立的人臉檢測模型，對所述待檢測圖像進(jìn)行人臉檢測；

步驟s203：在所述待檢測圖像中檢測到人臉后，調(diào)用預(yù)先建立的人頭檢測模型，在檢測到人臉的位置處進(jìn)行人頭檢測；

步驟s204：對檢測到的人頭的區(qū)域進(jìn)行跟蹤；

步驟s205：采用人頭檢測器校驗跟蹤結(jié)果，判斷所述跟蹤結(jié)果是否正確；

步驟s206：在判定所述跟蹤結(jié)果正確的情況下，對目標(biāo)跟蹤框的位置以及大小進(jìn)行調(diào)整。

具體地，進(jìn)行調(diào)整的步驟可以包括：

響應(yīng)檢測到的人頭的位置以及大小；

響應(yīng)跟蹤到人頭的對應(yīng)目標(biāo)跟蹤框的位置以及大小；

調(diào)整跟蹤到人頭的對應(yīng)目標(biāo)跟蹤框的位置以及大小，以使其適應(yīng)所述人頭的位置以及大小。

下面結(jié)合具體場景對本發(fā)明所提供的目標(biāo)檢測跟蹤方法進(jìn)行進(jìn)一步詳細(xì)闡述，參照圖3，該過程包括：

步驟s301：檢測圖片中的人臉；

步驟s302：判斷是否檢測到人臉；如果未檢測到人臉，則重新返回步驟s301；若檢測到人臉，則執(zhí)行步驟s303；

步驟s303：在每張臉的位置進(jìn)行人頭檢測；

步驟s304：判斷是否檢測到人頭；如果未檢測到人頭，則重新返回步驟s301；若檢測到人頭，則執(zhí)行步驟s305；

步驟s305：對人頭區(qū)域使用跟蹤器進(jìn)行跟蹤；

步驟s306：使用人頭檢測器校驗跟蹤結(jié)果，判斷跟蹤結(jié)果是否正確；若跟蹤結(jié)果正確，則執(zhí)行步驟s307；若跟蹤結(jié)果不正確，則重新返回步驟s301；

步驟s307：對跟蹤框的位置、大小進(jìn)行調(diào)整；返回執(zhí)行步驟s305。

其中，對跟蹤框大小進(jìn)行調(diào)整的方法包括以下步驟：

響應(yīng)檢測到的人頭的大小；

響應(yīng)跟蹤到的人頭的對應(yīng)的跟蹤框的大小；

調(diào)整跟蹤到的人頭的對應(yīng)的跟蹤框的大小，使其更加接近于檢測到的人頭的大小。

對跟蹤框位置進(jìn)行調(diào)整的方法包括以下步驟：

響應(yīng)檢測到的人頭的位置；

響應(yīng)跟蹤到的人頭的對應(yīng)的跟蹤框的位置；

調(diào)整跟蹤到的人頭的對應(yīng)的跟蹤框的位置，使其更加接近于檢測到的人頭的位置。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

1、精度更高：本發(fā)明實施例在人臉檢測的基礎(chǔ)上進(jìn)行人頭檢測，提升了人頭檢測的精度；同時，由于采用了人臉檢測和人頭檢測相結(jié)合再進(jìn)行跟蹤的方式，提升了跟蹤的準(zhǔn)確性；在發(fā)生跟蹤錯誤后，通過對跟蹤框的微調(diào)，再進(jìn)行跟蹤，整體上提升了跟蹤的準(zhǔn)確性。

2、效率更高：本發(fā)明實施例在人頭檢測的過程中，基于人臉檢測的結(jié)果，無須再對整張圖片進(jìn)行人頭檢測，提升了人頭檢測的效率。

3、容易實現(xiàn)：本發(fā)明實施例在實現(xiàn)過程中的原理和人臉檢測類似，復(fù)雜度較低，容易實現(xiàn)和應(yīng)用。

4、實用性高：本發(fā)明實施例可以應(yīng)用于目標(biāo)跟蹤，在目標(biāo)跟蹤發(fā)生錯誤后，通過對跟蹤框的調(diào)整，保證了跟蹤的準(zhǔn)確性，增強了系統(tǒng)的實用性。

下面對本發(fā)明實施例提供的目標(biāo)檢測跟蹤裝置進(jìn)行介紹，下文描述的目標(biāo)檢測跟蹤裝置與上文描述的目標(biāo)檢測跟蹤方法可相互對應(yīng)參照。

圖4為本發(fā)明實施例提供的目標(biāo)檢測跟蹤裝置的結(jié)構(gòu)框圖，參照圖4目標(biāo)檢測跟蹤裝置可以包括：

圖像獲取模塊100，用于獲取待檢測圖像；

人臉檢測模塊200，用于調(diào)用預(yù)先建立的人臉檢測模型，對所述待檢測圖像進(jìn)行人臉檢測；

人頭檢測模塊300，用于在所述待檢測圖像中檢測到人臉后，調(diào)用預(yù)先建立的人頭檢測模型，在檢測到人臉的位置處進(jìn)行人頭檢測；

跟蹤模塊400，用于對檢測到的人頭的區(qū)域進(jìn)行跟蹤。

作為一種具體實施方式，本發(fā)明所提供的目標(biāo)檢測跟蹤裝置還可以進(jìn)一步包括：

校驗?zāi)K，用于在對檢測到的人頭的區(qū)域進(jìn)行跟蹤之后，采用人頭檢測器校驗跟蹤結(jié)果，判斷所述跟蹤結(jié)果是否正確。

進(jìn)一步地，本發(fā)明實施例還可以包括：

調(diào)整模塊，用于在采用人頭檢測器校驗跟蹤結(jié)果，判斷所述跟蹤結(jié)果是否正確之后，在判定所述跟蹤結(jié)果正確的情況下，對目標(biāo)跟蹤框的位置以及大小進(jìn)行調(diào)整。

其中，所述調(diào)整模塊包括：

第一響應(yīng)單元，用于響應(yīng)檢測到的人頭的位置以及大??；

第二響應(yīng)單元，用于響應(yīng)跟蹤到人頭的對應(yīng)目標(biāo)跟蹤框的位置以及大??；

調(diào)整單元，用于調(diào)整跟蹤到人頭的對應(yīng)目標(biāo)跟蹤框的位置以及大小，以使其適應(yīng)所述人頭的位置以及大小。

在上述任一實施例的基礎(chǔ)上，本發(fā)明所提供的目標(biāo)檢測跟蹤裝置中，所述人臉檢測模型采用基于特征子臉、模板匹配、外觀或膚色的方法對人臉進(jìn)行檢測，所述人體檢測模型采用基于特征、模板匹配、外觀的方法對人頭進(jìn)行檢測。

本實施例的目標(biāo)檢測跟蹤裝置用于實現(xiàn)前述的目標(biāo)檢測跟蹤方法，因此目標(biāo)檢測跟蹤裝置中的具體實施方式可見前文中的目標(biāo)檢測跟蹤方法的實施例部分，例如，圖像獲取模塊100，人臉檢測模塊200，人頭檢測模塊300，跟蹤模塊400，分別用于實現(xiàn)上述目標(biāo)檢測跟蹤方法中步驟s101，s102，s103和s104，所以，其具體實施方式可以參照相應(yīng)的各個部分實施例的描述，在此不再贅述。

本發(fā)明所提供的目標(biāo)檢測跟蹤裝置，通過獲取待檢測圖像；調(diào)用預(yù)先建立的人臉檢測模型，對待檢測圖像進(jìn)行人臉檢測；在待檢測圖像中檢測到人臉后，調(diào)用預(yù)先建立的人頭檢測模型，在檢測到人臉的位置處進(jìn)行人頭檢測；對檢測到的人頭的區(qū)域進(jìn)行跟蹤。本發(fā)明所提供的目標(biāo)檢測跟蹤裝置，在人臉檢測的基礎(chǔ)上進(jìn)行人頭檢測，提升了檢測結(jié)果的精度；另一方面，也便于人頭檢測器快速鎖定目標(biāo)，提升了系統(tǒng)運行的效率。

本說明書中各個實施例采用遞進(jìn)的方式描述，每個實施例重點說明的都是與其它實施例的不同之處，各個實施例之間相同或相似部分互相參見即可。對于實施例公開的裝置而言，由于其與實施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。

專業(yè)人員還可以進(jìn)一步意識到，結(jié)合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬件、計算機軟件或者二者的結(jié)合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計約束條件。專業(yè)技術(shù)人員可以對每個特定的應(yīng)用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

結(jié)合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實施。軟件模塊可以置于隨機存儲器(ram)、內(nèi)存、只讀存儲器(rom)、電可編程rom、電可擦除可編程rom、寄存器、硬盤、可移動磁盤、cd-rom、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲介質(zhì)中。

以上對本發(fā)明所提供的目標(biāo)檢測跟蹤方法以及裝置進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進(jìn)行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。