本公開總體涉及圖像處理，具體涉及對象跟蹤方法及設(shè)備。

背景技術(shù)：

對象跟蹤是圖像處理的基礎(chǔ)功能，在視頻監(jiān)控、人機交互等多個研究方向有重要的應(yīng)用。近年來，隨著技術(shù)的發(fā)展，對象跟蹤取得了很大的進步。但是，在實際應(yīng)用中，對象跟蹤仍面臨著很多挑戰(zhàn)，比如場景中的光線變化、對象遮擋、對象自身外觀發(fā)生變化等等。

kcf(kernelcorrelationfilter，核相關(guān)濾波)是一種新的單目標(biāo)跟蹤方法，該方法運算速度快、跟蹤性能較好。但是在實際應(yīng)用中，kcf同樣面臨著目標(biāo)對象的大小發(fā)生變化、目標(biāo)對象被遮擋、跟蹤場景非常復(fù)雜等挑戰(zhàn)。例如，圖1示出了采用kcf在實際場景中進行跟蹤的示例情形。圖1中最左側(cè)的圖中用矩形框框出的為要跟蹤的目標(biāo)對象；可以看到，在圖1中最右側(cè)的圖中，跟蹤結(jié)果錯誤，目標(biāo)對象丟失?？梢?，在稠密環(huán)境中，當(dāng)目標(biāo)對象被遮擋并且該目標(biāo)對象旁邊有與其外觀接近的其他對象時，kcf跟蹤會失敗。

技術(shù)實現(xiàn)要素：

根據(jù)本公開的一個方面的實施例，提供了一種對象跟蹤方法，包括：根據(jù)對象的歷史運動信息預(yù)測該對象在當(dāng)前幀圖像中的位置及該位置處的運動速度矢量；沿所述運動速度矢量進行核相關(guān)濾波，以檢測所述對象在當(dāng)前幀圖像中的位置；判斷在當(dāng)前幀中所述對象是否被遮擋；如果在當(dāng)前幀中所述對象未被遮擋，則將檢測到的所述位置作為該對象在當(dāng)前幀圖像中的位置；否則，對預(yù)測的位置和進行核相關(guān)濾波的檢測結(jié)果進行貝葉斯驗證，并將貝葉斯決策結(jié)果作為對象在當(dāng)前幀中的位置。

根據(jù)本公開的另一個方面的實施例，提供了一種對象跟蹤設(shè)備，包括：預(yù)測單元，配置為根據(jù)對象的歷史運動信息預(yù)測該對象在當(dāng)前幀圖像中的位置及該位置處的運動速度矢量；檢測單元，配置為沿所述運動速度矢量進行 核相關(guān)濾波，以檢測所述對象在當(dāng)前幀圖像中的位置；判斷單元，配置為判斷在當(dāng)前幀中所述對象是否被遮擋；確定單元，配置為如果在當(dāng)前幀中所述對象未被遮擋，則將檢測到的所述位置作為該對象在當(dāng)前幀圖像中的位置；否則，對預(yù)測的位置和進行核相關(guān)濾波的檢測結(jié)果進行貝葉斯驗證，并將貝葉斯決策結(jié)果作為對象在當(dāng)前幀中的位置。

根據(jù)本公開的另一個方面的實施例，提供了一種對象跟蹤設(shè)備，包括：處理器；存儲器；和存儲在所述存儲器中的計算機程序指令。所述計算機程序指令在被所述處理器運行時執(zhí)行以下步驟：根據(jù)對象的歷史運動信息預(yù)測該對象在當(dāng)前幀圖像中的位置及該位置處的運動速度矢量；沿所述運動速度矢量進行核相關(guān)濾波，以檢測所述對象在當(dāng)前幀圖像中的位置；判斷在當(dāng)前幀中所述對象是否被遮擋；如果在當(dāng)前幀中所述對象未被遮擋，則將檢測到的所述位置作為該對象在當(dāng)前幀圖像中的位置；否則，對預(yù)測的位置和進行核相關(guān)濾波的檢測結(jié)果進行貝葉斯驗證，并將貝葉斯決策結(jié)果作為對象在當(dāng)前幀中的位置。

上述對象跟蹤方法和設(shè)備采用kcf進行對象跟蹤，并且在對象被遮擋時采用對象的歷史運動信息預(yù)測該對象的位置并通過貝葉斯驗證對預(yù)測的位置進行修正，從而使得即使對象被遮擋也能獲得較為可靠的對象位置，由此提高了跟蹤的準(zhǔn)確性，使得能夠長時間地對對象進行跟蹤。

附圖說明

通過結(jié)合附圖對本公開實施例進行更詳細(xì)的描述，本公開的上述以及其它目的、特征和優(yōu)勢將變得更加明顯。附圖用來提供對本公開實施例的進一步理解，并且構(gòu)成說明書的一部分，與本公開實施例一起用于解釋本公開，并不構(gòu)成對本公開的限制。在附圖中，相同的參考標(biāo)號通常代表相同部件或步驟。

圖1示出了采用kcf在實際場景中進行跟蹤的示例情形。

圖2示出了根據(jù)本公開實施例的對象跟蹤方法的流程圖。

圖3示出了根據(jù)本公開實施例的對象跟蹤方法中沿著預(yù)測的運動速度矢量進行kcf檢測的流程圖。

圖4示出了表示通過kcf檢測獲得的示例性檢測結(jié)果的置信度圖。

圖5示出了根據(jù)本公開實施例的對象跟蹤方法中對預(yù)測的位置和進行核 相關(guān)濾波的檢測結(jié)果進行貝葉斯驗證處理的流程圖。

圖6示出了一個示意性的先驗概率。

圖7示出了根據(jù)本公開實施例的對象跟蹤設(shè)備的功能配置框圖。

圖8示出了用于實現(xiàn)根據(jù)本公開實施例的示例性對象跟蹤設(shè)備的計算設(shè)備的框圖。

具體實施方式

下面將結(jié)合本公開實施例中的附圖，對本公開實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本公開一部分實施例，而不是全部的實施例。基于本公開中的實施例，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，都屬于本公開保護的范圍。

如前所述，在稠密環(huán)境中，當(dāng)目標(biāo)對象被遮擋并且該目標(biāo)對象旁邊有與其外觀接近的其他對象時，kcf檢測可能會發(fā)生錯誤，從而導(dǎo)致跟蹤失敗。因此，在本公開中，當(dāng)目標(biāo)對象發(fā)生遮擋時，不采用通過kcf檢測到的位置作為跟蹤結(jié)果，而是對根據(jù)目標(biāo)對象的歷史運動信息預(yù)測出的位置和kcf的檢測結(jié)果進行貝葉斯(bayes)驗證，并將貝葉斯決策結(jié)果作為跟蹤結(jié)果，由此使得即使目標(biāo)對象被遮擋也能獲得較為可靠的對象位置。

下面參考圖2對根據(jù)本公開實施例的對象跟蹤方法進行描述。圖2示出了根據(jù)本公開實施例的對象跟蹤方法的流程圖。

如圖2所示，在步驟s210，根據(jù)對象的歷史運動信息預(yù)測該對象在當(dāng)前幀圖像中的位置及該位置處的運動速度矢量。

在該步驟中可以通過諸如卡爾曼(kalman)濾波、粒子濾波等本領(lǐng)域中任何適當(dāng)?shù)姆椒▉磉M行所述預(yù)測。為了便于說明，在下文中以采用kalman濾波進行預(yù)測為例來進行說明。

利用kalman濾波器來對對象的運動模型進行建模。眾所周知，kalman濾波器的工作原理可通過如下等式來表示：

x′(t|t-1)＝p(t-1|t-1)*x(t-1|t-1)(1)

pt|t-1＝pt-1|t-1+q(2)

kgt＝pt|t-1*h+(h*pt|t-1+r)(3)

xt＝x′t|t-1+kgt*(h*yt-h*x′t|t-1)(4)

pt＝(i-kgt)*h*pt|t-1(5)

其中，x表示系統(tǒng)狀態(tài)值，x＝[xyvxvy]’，其中[x,y]’是對象在圖像幀中的位置，[vxvy]’是對象在圖像中的[x,y]’處的運動速度矢量，y表示測量值，kgt是誤差增益，下標(biāo)t,t-1表示的是時刻(在本公開中假定時刻t對應(yīng)于當(dāng)前幀圖像，t-1對應(yīng)于前一幀圖像)；p表示狀態(tài)轉(zhuǎn)移矩陣，h是觀測模型，q和r分別是系統(tǒng)過程噪聲的方差和測量噪聲的方差，p，h，q和r的初始值可以根據(jù)具體的應(yīng)用場景根據(jù)經(jīng)驗來設(shè)定，例如作為一種非限定性的示例，p，h，q和r可以如下設(shè)定：

上面的等式(1)描述kalman濾波器的預(yù)測過程，x′t|t-1代表在時刻t的預(yù)測的系統(tǒng)狀態(tài)值；等式(2)-(5)描述kalman濾波器的更新過程，xt代表在時刻t的估計的系狀態(tài)值。

需要說明的是，該步驟中所述的當(dāng)前幀圖像是包含被跟蹤對象的圖像幀序列中除第一幀以外的圖像幀。而在所述圖像幀序列中的第一幀圖像中，可以通過任何對象檢測方法或者通過人工指定來確定所述對象的初始位置。另外，為了便于描述，在本實施例中，用圖像幀中對象的外接矩形框代表該對象，并且矩形框中心點的坐標(biāo)作為對象的位置坐標(biāo)。例如，假設(shè)圖1最左側(cè)的圖中所示的矩形框即在圖像幀序列中的第一幀圖像中確定的對象的初始位置。

另外，所述包含被跟蹤對象的圖像幀序列可以是通過攝像頭拍攝得到的、也可以是通過各種傳感器感測得到的。

在步驟s220，沿運動速度矢量進行核相關(guān)濾波，以檢測對象在當(dāng)前幀圖像中的位置。

如前所述，核相關(guān)濾波kcf是一種單目標(biāo)跟蹤方法，其具體的描述可以參考f.henriques,ruicaseiro,pedromartins和jorgebatista在ieeetransactionsonpatternanalysisandmachineintelligence,2014年11月5日發(fā)表的文章"high-speedtrackingwithkernelizedcorrelationfilters"，此處將該 文章全文并入本申請作為參考。為了有助于理解，下面對kcf方法進行簡單的描述。總體來說，kcf的工作原理可通過如下表達式來表示：

其中，表示元素點乘，yt是圖像幀中的一個或多個采樣樣本，^表示離散傅立葉變換，f^-1表示離散傅立葉逆變換，kcf檢測結(jié)果為檢測到的多個候選值及各個候選值的置信度。

其中，z是訓(xùn)練樣本，b是回歸的目標(biāo)函數(shù)，λ是常量；k是核矩陣，矩陣元素具體如下式：

其中n，n’表示任意兩個矢量，pc為轉(zhuǎn)置矩陣。

在該步驟s220中，沿著在步驟s210中預(yù)測的運動速度矢量進行kcf檢測。下面將參考圖3對該步驟的示例性處理進行描述。

如圖3所示，在步驟s2201中，以預(yù)定間隔沿所述運動速度矢量提取至少一個采樣樣本yt。

運動速度矢量能夠表示對象的運動方向，在該步驟中將沿著該運動方向來提取采樣樣本(即表示對象的矩形框)，并將運動速度矢量上的點作為矩形框的中心點。所述預(yù)定間隔可以任意設(shè)定，作為一個示例，所述預(yù)定間隔可以設(shè)定為表示對象的矩形框的寬度的1/2。

在步驟s2202中，針對所述采樣樣本yt進行核相關(guān)濾波kcf，以確定所述對象在當(dāng)前幀圖像中的多個候選位置及各個候選位置的置信度。

在該步驟中，如以上表達式(6)-(9)所示針對各個采樣樣本yt進行kcf，由此獲得kcf檢測結(jié)果，即對象在當(dāng)前幀圖像中的多個候選位置及各個候選位置的置信度。

圖4示出了表示通過kcf檢測獲得的示例性檢測結(jié)果的置信度圖。如圖 4所示，圖中的虛線框中的各個像素所在的位置表示檢測出的各個候選位置，其中各像素的值表示該像素所在的候選位置處的置信度值，并且顏色越深表示該候選位置的置信度越高，而顏色越淺則表示該候選位置的置信度越低。

在步驟s2203中，選擇所述多個候選位置中置信度最高的候選位置作為檢測到的對象在當(dāng)前幀圖像中的位置。

置信度越高則表示該候選位置是對象在當(dāng)前幀圖像中的位置的可能性越大。由此，在該步驟中，選擇置信度最高的候選位置作為檢測到的對象在當(dāng)前幀圖像中的位置。

以上已經(jīng)結(jié)合圖4對步驟s220的處理進行了描述?？蛇x的，可以對步驟s2203所選擇的置信度最高的候選位置進行進一步的處理，并將該進一步處理后的結(jié)果作為對象在當(dāng)前幀圖像中的位置。具體的，可以將置信度最高的候選位置作為當(dāng)前幀的測量值y，如等式(4)所示對kalman濾波器進行更新，并將由此得到的當(dāng)前幀的系統(tǒng)狀態(tài)矢量x中的位置[x,y]’作為對象在當(dāng)前幀圖像中的位置。通過上述處理，可以使得跟蹤結(jié)果更加平滑。

在步驟s230，判斷在當(dāng)前幀中所述對象是否被遮擋。

在該步驟中可以采用各種適當(dāng)?shù)姆椒▉砼袛鄬ο笫欠癖徽趽?。例如，作為一種基本的方法，可以通過檢測當(dāng)前幀中前景是否變少來判斷是否發(fā)生了遮擋。在本實施例中，作為一種示例，通過峰值旁瓣比(peak-to-sideloberation,psr)來判斷對象是否被遮擋。

具體的，根據(jù)在步驟s220中檢測到的對象在當(dāng)前幀圖像中的多個候選位置及各個候選位置的置信度，計算表示所述檢測結(jié)果的置信度圖的峰值旁瓣比；如果該峰值旁瓣比大于預(yù)定閾值，則確定在當(dāng)前幀中所述對象被遮擋，否則確定在當(dāng)前幀中所述對象未被遮擋。

峰值旁瓣比是本領(lǐng)域中常用的圖像處理手段，其可以如下面的等式(10)來計算：

其中，gmax是置信度圖中的最大值，usl和σsl分別是置信度圖中的旁瓣部分的均值和方差。旁瓣部分是置信度圖中除去峰值部分的剩余部分，峰值部分則是指以最大值為中心、能量總和占全局能量的預(yù)定比例(例如80％)的部分。

在步驟s240，如果在當(dāng)前幀中所述對象未被遮擋，則將檢測到的所述位 置作為該對象在當(dāng)前幀圖像中的位置；否則，對預(yù)測的位置和進行核相關(guān)濾波的檢測結(jié)果進行貝葉斯驗證，并將貝葉斯決策結(jié)果作為對象在當(dāng)前幀中的位置。

在該步驟中，根據(jù)步驟s230的判斷結(jié)果進行相應(yīng)的處理。

如果步驟s230判斷當(dāng)前幀中對象未被遮擋，則認(rèn)為kcf檢測的結(jié)果是可信的，因此將步驟s220中基于kcf檢測出的位置作為對象在當(dāng)前幀圖像中的位置。

需要說明的是，在當(dāng)前幀中對象未被遮擋的情況下，除了直接將kcf檢測出的位置作為對象在當(dāng)前幀圖像中的位置外，可以進一步對kalman濾波器和進行kcf的核相關(guān)濾波器進行更新。

具體的，一方面，可以如等式(2)-(5)所示更新卡爾曼濾波器，由此得到更新的模型參數(shù)和當(dāng)前幀的系統(tǒng)狀態(tài)值，從而在后續(xù)幀的跟蹤中能夠獲得較為準(zhǔn)確的跟蹤結(jié)果。

另一方面，可以在通過等式(4)對kalman濾波器進行更新得到的當(dāng)前幀的系統(tǒng)狀態(tài)矢量x中的位置[x,y]’處提取一個采樣樣本，并利用該采樣樣本和等式(7)-(8)訓(xùn)練得到新的核相關(guān)濾波器，然后如下式所示更新該核相關(guān)濾波器：

其中，η為更新率，在本示例中η＝0.1。

如果步驟s230判斷當(dāng)前幀中對象發(fā)生遮擋，由于如前所述kcf跟蹤可能會發(fā)生錯誤，因此在該情況下不采用kcf檢測到的位置作為跟蹤結(jié)果。另外，盡管在目標(biāo)對象被遮擋時可以采用例如kalman濾波來預(yù)測對象的位置，但是在真實場景的應(yīng)用中，對象的運動是可變的，不是嚴(yán)格符合線性模型的，因此利用諸如kalman濾波器等線性模型來進行預(yù)測也是有誤差的；并且kalman濾波本身具有噪聲，所以預(yù)測值也含有噪聲。所以單純的把kalman預(yù)測作為跟蹤結(jié)果很容易產(chǎn)生錯誤。因此，在本實施例中，如果判斷當(dāng)前幀中對象發(fā)生遮擋，則對步驟s210預(yù)測出的位置和kcf的檢測結(jié)果進行貝葉斯驗證，并將貝葉斯決策結(jié)果作為跟蹤結(jié)果。

貝葉斯驗證是本領(lǐng)域中常用的圖像處理手段，下面將參考圖5對該步驟s240中貝葉斯驗證處理進行描述。圖5示出了對預(yù)測的位置和進行核相關(guān)濾 波的檢測結(jié)果進行貝葉斯驗證處理的示例性流程圖。

如圖5所示，在步驟s2401，使貝葉斯驗證的先驗概率p(xt)服從于預(yù)測到的位置的高斯函數(shù)。

在該步驟中，采用廣泛應(yīng)用的高斯函數(shù)，其中高斯函數(shù)的均值為預(yù)測出的位置信息，如下式所示：

p(xt)～n(x′t|t-1,σ)(13)

其中，x′t|t-1是t時刻(即當(dāng)前幀圖像)的預(yù)測結(jié)果。需要說明的是，當(dāng)采用kalman濾波進行預(yù)測時，由于kalman濾波的預(yù)測結(jié)果包括對象在當(dāng)前幀圖像中的位置及該位置處的運動速度矢量，因此n(x′t|t-1,σ)是有方向性的二維高斯函數(shù)，其方向與預(yù)測的運動速度矢量一致。例如，圖6示出了一個示意性的先驗概率，其中帶箭頭的直線表示對象的運動速度矢量。

在步驟s2402，將進行核相關(guān)濾波的檢測結(jié)果作為貝葉斯驗證的條件概率。

在該步驟中，如下式所示，將kcf檢測結(jié)果(即對象在當(dāng)前幀圖像中的多個候選位置及各個候選位置的置信度)作為貝葉斯驗證的條件概率。

p(xt|yt)＝kcf檢測結(jié)果(14)

其中，kcf檢測結(jié)果如表達式(6)所示。

在步驟s2403，計算后驗概率，該后驗概率與所述先驗概率和條件概率的乘積成正比，如下式所示。

p(yt|xt)∝p(xt)*p(xt|yt)(15)

在步驟s2404，選擇最大后驗概率的位置作為貝葉斯決策結(jié)果。

yb＝argmaxp(yt|xt)(16)

其中，yb為具有最大后驗概率的位置，即貝葉斯決策結(jié)果，亦即對象在當(dāng)前幀中的位置。

以上已經(jīng)結(jié)合附圖對根據(jù)本公開實施例的對象跟蹤方法進行了描述。該對象跟蹤方法采用kcf進行對象跟蹤，并且在對象被遮擋時采用對象的歷史運動信息預(yù)測該對象的位置并通過貝葉斯驗證對預(yù)測的位置進行修正，從而使得即使對象被遮擋也能獲得較為可靠的對象位置，由此提高了跟蹤的準(zhǔn)確性，使得能夠長時間地對對象進行跟蹤。

下面參考圖7描述根據(jù)本公開實施例的對象跟蹤設(shè)備700。圖7示出了根據(jù)本公開實施例的對象跟蹤設(shè)備的功能配置框圖。如圖7所示，對象跟蹤 設(shè)備700可以包括：預(yù)測單元710，檢測單元720，判斷單元730，以及確定單元740。所述各單元的具體功能和操作與上文中針對圖2-6描述的基本相同，因此為了避免重復(fù)，在下文中僅對所述設(shè)備進行簡要的描述，而省略對相同細(xì)節(jié)的詳細(xì)描述。

預(yù)測單元710配置為根據(jù)對象的歷史運動信息預(yù)測該對象在當(dāng)前幀圖像中的位置及該位置處的運動速度矢量。該預(yù)測單元710可以通過諸如卡爾曼(kalman)濾波、粒子濾波等本領(lǐng)域中任何適當(dāng)?shù)姆椒▉磉M行所述預(yù)測。為了便于說明，在下文中以采用kalman濾波進行預(yù)測為例來進行說明。利用kalman濾波器對對象的運動模型進行建模并進行預(yù)測的工作原理如前文中的等式(1)-(5)所示，此處不再贅述。

需要說明的是，此處所述的當(dāng)前幀圖像是包含被跟蹤對象的圖像幀序列中除第一幀以外的圖像幀。而在所述圖像幀序列中的第一幀圖像中，可以通過任何對象檢測方法或者通過人工指定來確定所述對象的初始位置。另外，為了便于描述，在本實施例中，用圖像幀中對象的外接矩形框代表該對象，并且矩形框中心點的坐標(biāo)作為對象的位置坐標(biāo)。

檢測單元720配置為沿所述運動速度矢量進行核相關(guān)濾波，以檢測所述對象在當(dāng)前幀圖像中的位置。

如前所述，核相關(guān)濾波kcf是一種單目標(biāo)跟蹤方法，其工作原理可通過前文中的表達式(6)-(8)來表示，此處不再贅述

檢測單元720沿著由預(yù)測單元710預(yù)測的運動速度矢量進行kcf檢測。具體的，檢測單元可以包括采樣子單元、kcf檢測子單元和選擇子單元。

所述采樣子單元配置為以預(yù)定間隔沿預(yù)測單元710預(yù)測的運動速度矢量提取至少一個采樣樣本。運動速度矢量能夠表示對象的運動方向，此處，取樣子單元將沿著該運動方向來提取采樣樣本(即表示對象的矩形框)，并將運動速度矢量上的點作為矩形框的中心點。所述預(yù)定間隔可以任意設(shè)定，作為一個示例，所述預(yù)定間隔可以設(shè)定為表示對象的矩形框的寬度的1/2。

kcf檢測子單元配置為針對所述采樣樣本進行kcf，以確定對象在當(dāng)前幀圖像中的多個候選位置及各個候選位置的置信度。具體的，kcf檢測子單元如以上表達式(6)-(9)所示針對各個采樣樣本進行kcf，由此獲得kcf檢測結(jié)果，即對象在當(dāng)前幀圖像中的多個候選位置及各個候選位置的置信度。

選擇子單元配置為選擇所述多個候選位置中置信度最高的候選位置作為 檢測到的所述對象在當(dāng)前幀圖像中的位置。置信度越高則表示該候選位置是對象在當(dāng)前幀圖像中的位置的可能性越大。此處，選擇子單元選擇置信度最高的候選位置作為檢測到的所述對象在當(dāng)前幀圖像中的位置。

可選的，選擇子單元可以對其所選擇的置信度最高的候選位置進行進一步的處理，并將該進一步處理后的結(jié)果作為對象在當(dāng)前幀圖像中的位置。具體的，可以將置信度最高的候選位置作為當(dāng)前幀的測量值y，如等式(4)所示對kalman濾波器進行更新，并將由此得到的當(dāng)前幀的系統(tǒng)狀態(tài)矢量x中的位置[x,y]’作為對象在當(dāng)前幀圖像中的位置。通過上述處理，可以使得跟蹤結(jié)果更加平滑。

判斷單元730配置為判斷在當(dāng)前幀中所述對象是否被遮擋。判斷單元730可以采用各種適當(dāng)?shù)姆椒▉砼袛鄬ο笫欠癖徽趽?。例如，作為一種基本的方法，其可以通過檢測當(dāng)前幀中前景是否變少來判斷是否發(fā)生了遮擋。在本實施例中，作為一種示例，判斷單元730通過峰值旁瓣比(peak-to-sideloberation,psr)來判斷對象是否被遮擋。

具體的，判斷單元730根據(jù)檢測單元720檢測到的對象在當(dāng)前幀圖像中的多個候選位置及各個候選位置的置信度，計算表示所述檢測結(jié)果的置信度圖的峰值旁瓣比；如果該峰值旁瓣比大于預(yù)定閾值，則確定在當(dāng)前幀中所述對象被遮擋，否則確定在當(dāng)前幀中所述對象未被遮擋。峰值旁瓣比是本領(lǐng)域中常用的圖像處理手段，并且在上文中已有描述，此處不再贅述。

確定單元740配置為如果在當(dāng)前幀中所述對象未被遮擋，則將檢測到的所述位置作為該對象在當(dāng)前幀圖像中的位置；否則，對預(yù)測的位置和進行核相關(guān)濾波的檢測結(jié)果進行貝葉斯驗證，并將貝葉斯決策結(jié)果作為對象在當(dāng)前幀中的位置。

確定單元740根據(jù)判斷單元730的判斷結(jié)果進行相應(yīng)的處理。

具體的，如果判斷單元730判斷當(dāng)前幀中對象未被遮擋，則認(rèn)為kcf檢測到的位置是可信的，因此將檢測單元720利用kcf檢測出的位置作為對象在當(dāng)前幀圖像中的位置。

需要說明的是，在當(dāng)前幀中對象未被遮擋的情況下，除了直接將kcf檢測出的位置作為對象在當(dāng)前幀圖像中的位置外，確定單元740可以進一步對kalman濾波器和進行kcf的核相關(guān)濾波器進行更新。

具體的，一方面，確定單元740可以如等式(2)-(5)所示更新卡爾曼 濾波器，由此得到更新的模型參數(shù)和當(dāng)前幀的系統(tǒng)狀態(tài)值，從而在后續(xù)幀的跟蹤中能夠獲得較為準(zhǔn)確的跟蹤結(jié)果。另一方面，確定單元740可以在通過等式(4)對kalman濾波器進行更新得到的當(dāng)前幀的系統(tǒng)狀態(tài)矢量x中的位置[x,y]’處提取一個采樣樣本，并利用該采樣樣本和等式(7)-(8)訓(xùn)練得到新的核相關(guān)濾波器，然后如等式(11)-(12)所示更新該核相關(guān)濾波器

另一方面，如果判斷單元730判斷當(dāng)前幀中對象發(fā)生遮擋，由于如前所述kcf跟蹤可能會發(fā)生錯誤，因此在該情況下不采用kcf檢測到的位置作為跟蹤結(jié)果。另外，盡管在目標(biāo)對象被遮擋時可以采用例如kalman濾波來預(yù)測對象的位置，但是單純的把kalman預(yù)測作為跟蹤結(jié)果很容易產(chǎn)生錯誤。因此，在本實施例中，如果判斷當(dāng)前幀中對象發(fā)生遮擋，則確定單元740對預(yù)測出的位置和kcf的檢測結(jié)果進行貝葉斯驗證，并將貝葉斯決策結(jié)果作為跟蹤結(jié)果。

貝葉斯驗證是本領(lǐng)域中常用的圖像處理手段，確定單元740可以進一步包括先驗子單元、條件子單元、后驗子單元以及決策子單元，并如下進行貝葉斯驗證。

先驗子單元使貝葉斯驗證的先驗概率p(xt)服從于預(yù)測到的位置的高斯函數(shù)。作為示例，先驗子單元采用有方向性的二維高斯函數(shù)，其中該二維高斯函數(shù)的均值為預(yù)測出的位置信息，其方向與預(yù)測的運動速度矢量一致。

條件子單元將進行kcf的檢測結(jié)果作為貝葉斯驗證的條件概率。具體的，條件子單元將kcf檢測結(jié)果，即對象在當(dāng)前幀圖像中的多個候選位置及各個候選位置的置信度，作為貝葉斯驗證的條件概率。

后驗子單元計算后驗概率，該后驗概率與所述先驗概率和條件概率的乘積成正比。

決策子單元選擇后驗子單元計算得到的后驗概率中的最大后驗概率的位置作為貝葉斯決策結(jié)果，即對象在當(dāng)前幀中的位置。

以上已經(jīng)參考圖7描述了根據(jù)本公開實施例的對象跟蹤設(shè)備700。該對象跟蹤設(shè)備700在對象被遮擋時采用對象的歷史運動信息預(yù)測該對象的位置并通過貝葉斯驗證對預(yù)測的位置進行修正，從而使得即使對象被遮擋也能獲得較為可靠的對象位置，由此提高了跟蹤的準(zhǔn)確性，使得能夠長時間地對對象進行跟蹤。

下面，參照圖8來描述可用于實現(xiàn)本公開實施例的示例性對象跟蹤設(shè)備 的計算設(shè)備框圖。

如圖8所示，計算設(shè)備800包括一個或多個處理器802、存儲裝置804、攝像頭806和輸出裝置808，這些組件通過總線系統(tǒng)810和/或其它形式的連接機構(gòu)(未示出)互連。應(yīng)當(dāng)注意，圖8所示的計算設(shè)備800的組件和結(jié)構(gòu)只是示例性的，而非限制性的，根據(jù)需要，計算設(shè)備800也可以具有其他組件和結(jié)構(gòu)。

處理器802可以是中央處理單元(cpu)或者具有數(shù)據(jù)處理能力和/或指令執(zhí)行能力的其它形式的處理單元，并且可以控制計算設(shè)備800中的其它組件以執(zhí)行期望的功能。

存儲裝置804可以包括一個或多個計算機程序產(chǎn)品，所述計算機程序產(chǎn)品可以包括各種形式的計算機可讀存儲介質(zhì)，例如易失性存儲器和/或非易失性存儲器。所述易失性存儲器例如可以包括隨機存取存儲器(ram)和/或高速緩沖存儲器(cache)等。所述非易失性存儲器例如可以包括只讀存儲器(rom)、硬盤、閃存等。在所述計算機可讀存儲介質(zhì)上可以存儲一個或多個計算機程序指令，處理器802可以運行所述程序指令，以實現(xiàn)上文所述的本公開的實施例的功能以及/或者其它期望的功能。在所述計算機可讀存儲介質(zhì)中還可以存儲各種應(yīng)用程序和各種數(shù)據(jù)，例如對象的歷史運動信息、預(yù)測的位置及該位置處的運動速度矢量、提取的采樣樣本、kcf的檢測結(jié)果、置信度圖的峰值旁瓣比、先驗概率、后驗概率、條件概率、各個預(yù)定閾值等等。

攝像頭806用于拍攝包含目標(biāo)對象的圖像幀序列，并且將所拍攝的各幀圖像存儲在存儲裝置804中以供其它組件使用。當(dāng)然，也可以利用其他外部設(shè)備拍攝所述圖像幀序列，并且將拍攝的各幀圖像發(fā)送給計算設(shè)備800。在這種情況下，可以省略攝像頭806。

輸出裝置808可以向外部輸出各種信息，例如目標(biāo)對象在當(dāng)前幀圖像中的位置等跟蹤結(jié)果，并且可以包括顯示器、投影儀、電視等各種顯示設(shè)備。

以上結(jié)合具體實施例描述了本公開的基本原理，但是，需要指出的是，在本公開中提及的優(yōu)點、優(yōu)勢、效果等僅是示例而非限制，不能認(rèn)為這些優(yōu)點、優(yōu)勢、效果等是本公開的各個實施例必須具備的。另外，上述公開的具體細(xì)節(jié)僅是為了示例的作用和便于理解的作用，而非限制，上述細(xì)節(jié)并不限制本公開為必須采用上述具體的細(xì)節(jié)來實現(xiàn)。

本公開中涉及的器件、裝置、設(shè)備、系統(tǒng)的方框圖僅作為例示性的例子 并且不意圖要求或暗示必須按照方框圖示出的方式進行連接、布置、配置。如本領(lǐng)域技術(shù)人員將認(rèn)識到的，可以按任意方式連接、布置、配置這些器件、裝置、設(shè)備、系統(tǒng)。諸如“包括”、“包含”、“具有”等等的詞語是開放性詞匯，指“包括但不限于”，且可與其互換使用。這里所使用的詞匯“或”和“和”指詞匯“和/或”，且可與其互換使用，除非上下文明確指示不是如此。這里所使用的詞匯“諸如”指詞組“諸如但不限于”，且可與其互換使用。

本公開中的步驟流程圖以及以上方法描述僅作為例示性的例子并且不意圖要求或暗示必須按照給出的順序進行各個實施例的步驟，某些步驟可以并行、彼此獨立或按照其他適當(dāng)?shù)捻樞驁?zhí)行。另外，諸如“其后”、“然后”、“接下來”等等的詞語不意圖限制步驟的順序；這些詞語僅用于引導(dǎo)讀者通讀這些方法的描述。

還需要指出的是，在本公開的裝置和方法中，各部件或各步驟是可以分解和/或重新組合的。這些分解和/或重新組合應(yīng)視為本公開的等效方案。

提供所公開的方面的以上描述以使本領(lǐng)域的任何技術(shù)人員能夠做出或者使用本公開。對這些方面的各種修改對于本領(lǐng)域技術(shù)人員而言是非常顯而易見的，并且在此定義的一般原理可以應(yīng)用于其他方面而不脫離本公開的范圍。因此，本公開不意圖被限制到在此示出的方面，而是按照與在此公開的原理和新穎的特征一致的最寬范圍。盡管以上已經(jīng)討論了多個示例方面和實施例，但是本領(lǐng)域技術(shù)人員將認(rèn)識到其某些變型、修改、改變、添加和子組合。