目标对象的跟踪方法及装置与流程

1.本技术实施例涉及计算机技术领域，具体涉及一种目标对象的跟踪方法及装置。


背景技术：

2.在机器视觉任务中，目标跟踪有着广泛应用场景和巨大的商业价值。基于相关滤波算法快速高效，易在cpu(central processing unit，中央处理器)上部署，且可实时地目标跟踪的特点，被广泛应用于目标跟踪任务中。目前的相关滤波模型，只参照每帧图像预先设置的高斯伪标签，更新滤波模型。


技术实现要素：

3.本技术实施例提出了一种目标对象的跟踪方法及装置。
4.第一方面，本技术实施例提供了一种目标对象的跟踪方法，针对于待处理视频中的每一帧图像，执行如下目标跟踪操作：通过上一帧图像对应的滤波模板确定当前帧图像中目标对象的位置信息；生成上一帧图像对于上一帧图像对应的滤波模板的响应信息；根据位置信息和响应信息，得到当前帧图像对应的滤波模板，其中，当前帧图像对应的滤波模板用于确定下一帧图像中目标对象的位置信息。
5.在一些实施例中，上述根据位置信息和响应信息，得到当前帧图像对应的滤波模板，包括：结合位置信息和响应信息，得到当前帧图像的标签信息；基于标签信息与目标响应信息之间的最小化，得到当前帧图像对应的滤波模板，其中，目标响应信息表征当前帧图像对于当前帧图像对应的滤波模板的响应信息。
6.在一些实施例中，上述基于标签信息与目标响应信息之间的最小化，得到当前帧图像对应的滤波模板，包括：通过预设加权窗作用于标签信息和目标响应信息，得到作用后信息；基于作用后信息的最小化，得到当前帧图像对应的滤波模板。
7.在一些实施例中，预设加权窗的中心点为第一权重，预设加权窗的非中心点为第二权重；以及上述通过预设加权窗作用于标签信息和目标响应信息，得到作用后信息，包括：通过预设加权窗作用于标签信息和目标响应信息，得到以第一权重和第二权重区分目标对象的中心点和非中心点的匹配损失的作用后信息。
8.在一些实施例中，上述基于作用后信息的最小化，得到当前帧图像对应的滤波模板，包括：基于作用后信息的最小化，利用旨在区分目标对象在图像中的背景和前景的预设约束，得到当前帧图像对应的滤波模板。
9.在一些实施例中，上述通过预设加权窗作用于标签信息和目标响应信息，得到作用后信息；基于作用后信息的最小化，得到当前帧图像对应的滤波模板，包括：对于每一帧图像的每个通道，通过预设加权窗作用于对应该通道的标签信息和目标响应信息，得到对应于该通道的作用后信息，并基于作用后信息的最小化，得到当前帧图像的该通道对应的滤波模板；以及上述通过上一帧图像对应的滤波模板确定当前帧图像中目标对象的位置信息，包括：基于上一帧图像的各通道一一对应的滤波模板，作用于当前帧图像的各通道，确
定当前帧图像中目标对象的位置信息。
10.在一些实施例中，上述通过预设加权窗作用于对应该通道的标签信息和目标响应信息，得到对应于该通道的作用后信息，并基于作用后信息的最小化，得到当前帧图像的该通道对应的滤波模板，包括：采用多尺度滤波方式，通过预设加权窗作用于对应该通道的标签信息和目标尺度响应信息，得到对应于该通道的作用后信息，并基于作用后信息的最小化，得到当前帧图像的该通道对应的多尺度的滤波模板，其中，目标尺度响应信息表征当前帧图像的该通道，对于多尺度的滤波模板中单个尺度的滤波模板的响应信息。
11.在一些实施例中，上述方法还包括：针对于待处理视频中的第一帧图像，根据第一帧图像中表征目标对象的目标框，确定第一帧图像对应的滤波模板。
12.第二方面，本技术实施例提供了一种目标对象的跟踪方装置，通过如下单元针对于待处理视频中的每一帧图像，执行如下目标跟踪操作：第一确定单元，被配置成响应于通过上一帧图像对应的滤波模板确定当前帧图像中目标对象的位置信息；第二确定单元，被配置成生成上一帧图像对于上一帧图像对应的滤波模板的响应信息；得到单元，被配置成根据位置信息和响应信息，得到当前帧图像对应的滤波模板，其中，当前帧图像对应的滤波模板用于确定下一帧图像中目标对象的位置信息。
13.在一些实施例中，得到单元，进一步被配置成：结合位置信息和响应信息，得到当前帧图像的标签信息；基于标签信息与目标响应信息之间的最小化，得到当前帧图像对应的滤波模板，其中，目标响应信息表征当前帧图像对于当前帧图像对应的滤波模板的响应信息。
14.在一些实施例中，得到单元，进一步被配置成：通过预设加权窗作用于标签信息和目标响应信息，得到作用后信息；基于作用后信息的最小化，得到当前帧图像对应的滤波模板。
15.在一些实施例中，预设加权窗的中心点为第一权重，预设加权窗的非中心点为第二权重；以及得到单元，进一步被配置成：通过预设加权窗作用于标签信息和目标响应信息，得到以第一权重和第二权重区分目标对象的中心点和非中心点的匹配损失的作用后信息。
16.在一些实施例中，得到单元，进一步被配置成：基于作用后信息的最小化，利用旨在区分目标对象在图像中的背景和前景的预设约束，得到当前帧图像对应的滤波模板。
17.在一些实施例中，得到单元，进一步被配置成：对于每一帧图像的每个通道，通过预设加权窗作用于对应该通道的标签信息和目标响应信息，得到对应于该通道的作用后信息，并基于作用后信息的最小化，得到当前帧图像的该通道对应的滤波模板；以及第一确定单元，进一步被配置成：基于上一帧图像的各通道一一对应的滤波模板，作用于当前帧图像的各通道，确定当前帧图像中目标对象的位置信息。
18.在一些实施例中，得到单元，进一步被配置成：采用多尺度滤波方式，通过预设加权窗作用于对应该通道的标签信息和目标尺度响应信息，得到对应于该通道的作用后信息，并基于作用后信息的最小化，得到当前帧图像的该通道对应的多尺度的滤波模板，其中，目标尺度响应信息表征当前帧图像的该通道，对于多尺度的滤波模板中单个尺度的滤波模板的响应信息。
19.在一些实施例中，装置还包括：第三确定单元，被配置成针对于待处理视频中的第
一帧图像，根据第一帧图像中表征目标对象的目标框，确定第一帧图像对应的滤波模板。
20.第三方面，本技术实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面任一实现方式描述的方法。
21.第四方面，本技术实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面任一实现方式描述的方法。
22.本技术实施例提供的目标对象的跟踪方法及装置，通过针对于待处理视频中的每一帧图像，执行如下目标跟踪操作：通过上一帧图像对应的滤波模板确定当前帧图像中目标对象的位置信息；生成上一帧图像对于上一帧图像对应的滤波模板的响应信息；根据位置信息和响应信息，得到当前帧图像对应的滤波模板，其中，当前帧图像对应的滤波模板用于确定下一帧图像中目标对象的位置信息，从而提供了一种目标对象的跟踪方法，可以灵活地结合当前帧帧图像中目标对象的位置信息和上一帧图像对应的响应信息，根据结合后的信息得到用于进行目标对象跟踪的滤波模板，提高了目标跟踪的普适性、鲁棒性、精准度。
附图说明
23.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本技术的其它特征、目的和优点将会变得更明显：
24.图1是本技术的一个实施例可以应用于其中的示例性系统架构图；
25.图2是根据本技术目标对象的跟踪方法的一个实施例的流程图；
26.图3是根据本实施例的目标对象的跟踪方法的应用场景的示意图；
27.图4是根据本技术的目标对象的跟踪方法的又一个实施例的流程图；
28.图5是根据本技术的目标对象的跟踪方装置的一个实施例的结构图；
29.图6是适于用来实现本技术实施例的计算机系统的结构示意图。
具体实施方式
30.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
31.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
32.图1示出了可以应用本技术的目标对象的跟踪方法及装置的示例性架构100。
33.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。终端设备101、102、103之间通信连接构成拓扑网络，网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
34.终端设备101、102、103可以是支持网络连接从而进行数据交互和数据处理的硬件设备或软件。当终端设备101、102、103为硬件时，其可以是支持网络连接，信息获取、交互、显示、处理等功能的各种电子设备，包括但不限于摄像头、智能手机、平板电脑、电子书阅读
器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103 为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
35.服务器105可以是提供各种服务的服务器，例如获取终端设备101、 102、103摄取或发送的待处理视频，对待处理视频中的目标对象进行跟踪的后台服务器。可选的，后台服务器可以将目标跟踪结果反馈至终端设备。作为示例，服务器105可以是云端服务器。
36.需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
37.还需要说明的是，本技术的实施例所提供的目标对象的跟踪方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，目标对象的跟踪方装置包括的各个部分 (例如各个单元)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。
38.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当目标对象的跟踪方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括目标对象的跟踪方法运行于其上的电子设备(例如服务器或终端设备)。
39.继续参考图2，示出了目标对象的跟踪方法的一个实施例的流程 200，针对于待处理视频中的每一帧图像，执行如下目标跟踪操作：
40.步骤201，通过上一帧图像对应的滤波模板确定当前帧图像中目标对象的位置信息。
41.本实施例中，目标对象的跟踪方法的执行主体(例如图1中的服务器)可以通过上一帧图像对应的滤波模板确定当前帧图像中目标对象的位置信息。
42.待处理视频可以是包括任意目标对象的视频。例如，待处理视频是监控设备摄取的包括人、动物等目标对象的视频。待处理视频中的每一帧图像中可以包括多个目标对象，也可以在某些帧中不包括目标对象。
43.作为示例，上述执行主体可以基于上一帧图像对应的滤波模板对当前帧图像进行卷积操作，得到表征当前帧图像对应的响应信息的响应图；进而，将响应图中响应最大的点确定为当前帧图像中目标对象的中心点，以确定目标对象的位置信息。例如，将当前帧图像中目标对象的中心点，直接确定为目标对象的位置信息；又例如，根据目标对象的中心点，得到包围目标对象的目标框，从而确定出目标对象所在的区域位置。
44.其中，滤波模板应该满足如下条件：与图像中的目标对象的卷积，在目标对象的中心点的响应最大，在非中心点的响应较小，具体的，滤波模板对图像中背景越多的地方响应越小。
45.由于待处理视频的两帧图像之间的时间间隔较短，所以两帧图像之间的差别不应过大。基于以上假设，当前帧图像中的目标对象的位置信息大概率与上一帧图像中目标对象的位置信息保持一致，也即，两帧图像之间具有时间连续性、空间连续性等视觉特性。通过上一帧图像对应的滤波模板与当前帧图像进行卷积操作，得到当前帧图像的响应图，进
而，将响应图中响应最大的点视为当前帧图像中目标对象的中心点。对于待处理视频中的每一帧图像，确定当前帧图像中目标对象的位置信息，即实现了对待处理视频中目标对象的跟踪。
46.步骤202，生成上一帧图像对于上一帧图像对应的滤波模板的响应信息。
47.本实施例中，上述执行主体可以生成上一帧图像对于上一帧图像对应的滤波模板的响应信息。
48.作为示例，上述执行主体可以基于上一帧图像对应的滤波模板对上一帧图像进行卷积操作，从而确定上一帧图像对于滤波模板的响应信息。其中，响应信息可以响应图的方式表示。
49.可以理解，响应图中，目标对象的中心点的响应最大。
50.步骤203，根据位置信息和响应信息，得到当前帧图像对应的滤波模板。
51.本实施例中，上述执行主主体可以根据位置信息和响应信息，得到当前帧图像对应的滤波模板。其中，当前帧图像对应的滤波模板用于确定下一帧图像中目标对象的位置信息
52.作为示例，上述执行主体可以当前帧图像对应的响应图中的目标对象的中心点(也即响应图中响应最大的点)为中心，为当前帧图像设置高斯分布标签。其中，高斯分布标签对应的中心点与当前帧图像对应的响应图中的目标对象的中心点重合。
53.而上一帧图像对于滤波模板的响应图也是在目标对象的中心点处响应最大，在目标对象的非中心点处响应较小。上述执行主体可以结合表征当前帧图像中目标对象的位置信息的高斯分布标签，和上一帧图像的响应信息，得到结合后信息，并以结合后信息为标签，确定当前帧图像对应的滤波模板。其中，上一帧图像对于上一帧图像对应的滤波模板的响应图中目标对象的中心点，若与高斯分布标签的中心点不重合，需要通过矩阵移位操作使得上一帧图像对于滤波模板的响应图中目标对象的中心点，与高斯分布标签的中心点重合。
54.在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述步骤203：
55.第一，结合位置信息和响应信息，得到当前帧图像的标签信息。
56.其中，上述执行主体可以为位置信息和响应信息设置预设权重，并基于预设权重结合位置信息和响应信息，得到当前帧图像的标签信息。
57.第二，基于标签信息与目标响应信息之间的最小化，得到当前帧图像对应的滤波模板。
58.其中，目标响应信息表征当前帧图像对于当前帧图像对应的滤波模板的响应信息。
59.本实现方式中，上述执行主体可以根据l2范数确定标签信息与目标响应信息之间的距离，进而基于两者之间的距离的最小化，确定当前帧图像对应的滤波模板。为了提高滤波模板的泛化能力，还可以引入基于滤波模板的正则项。
60.在本实施例的一些可选的实现方式中，上述执行主体可以通过预设加权窗作用于标签信息和目标响应信息，得到作用后信息，并基于作用后信息的最小化，得到当前帧图像对应的滤波模板。
61.其中，预设加权窗中不同位置设置不同的权重。作为示例，预设加权窗中中心点的权重大于非中心点的权重。预设加权窗的加入，可以使得滤波模板更加集中于响应图中目标对象的中心点位置的标签匹配损失(通过对预设加权窗中的中心点处设置较大的权重实现)，或者降低对中心位置的标签匹配损失(通过对预设加权窗中的中心点处设置较小的权重实现)。
62.在本实施例的一些可选的实现方式中，预设加权窗的中心点为第一权重，预设加权窗的非中心点为第二权重。本实现方式中，上述执行主体可以通过预设加权窗作用于标签信息和目标响应信息，得到以第一权重和第二权重区分目标对象的中心点和非中心点的匹配损失的作用后信息。
63.之所以对预设加权窗的中心点和非中心点设置不同权重，主要有以下三点考量：一，在相关滤波算法中，只有中心点部分被认为是正样本，而非中心点位置的每个点因为离散傅里叶假设中循环信号的假设，其实每个特征样本都是真实场景下不存在的，所以这种非中心点的标签匹配过程的价值或关注度不需要太高；二，非中心点位置主要以背景为主，本实施例中希望图像中背景多的地方响应尽量低，背景部分并不要求精确地标签匹配；三，在当前帧图像中目标对象的位置检测过程中，只有目标对象的中心点被使用，滤波模板的关注点在目标对象的中心点位置，而不是非中心位置。所以，对于目标对象的中心点位置和非中心点位置，赋予不同权重。
64.在本实施例的一些可选的实现方式中，针对于上述第二步骤，上述执行主体可以基于作用后信息的最小化，利用旨在区分目标对象在图像中的背景和前景的预设约束，得到当前帧图像对应的滤波模板。
65.本实现方式中，忽略掉图像中背景部分的标签匹配，而集中在所跟踪的目标对象区域的标签匹配。
66.在本实施例的一些可选的实现方式中，上述执行主体可以图像的通道为单位，确定图像每个通道对应的滤波模板。以rgb图像为例，包括r(red，红色)、g(green绿色)、b(blue，蓝色)三个通道，上述执行主体可以确定一一对应于三个通道的三个滤波模板。
67.具体的，对于每一帧图像的每个通道，通过预设加权窗作用于对应该通道的标签信息和目标响应信息，得到对应于该通道的作用后信息，并基于作用后信息的最小化，得到当前帧图像的该通道对应的滤波模板。
68.在本实现方式中，上述执行主体通过如下方式执行上述步骤201：基于上一帧图像的各通道一一对应的滤波模板，作用于当前帧图像的各通道，确定当前帧图像中目标对象的位置信息。
69.作为示例，对于每一帧图像，上述执行主体可以通过对应于图像的各通道的滤波模板得到各通道的响应图，进而融合各响应图，得到融合后响应图，并将融合后响应图中响应最大的点确定为目标对象的中心点，进而确定目标对象的位置信息。
70.在本实现方式中，上述执行主体通过如下方式执行上述步骤202：通过上一帧图像各通道一一对应的滤波模板，确定上一帧图像对于各滤波模板的响应信息。
71.在本实施例的一些可选的实现方式中，上述执行主体通过如下方式确定待处理视频中的第一帧图像对应的滤波模板：针对于待处理视频中的第一帧图像，根据第一帧图像中表征目标对象的目标框，确定第一帧图像对应的滤波模板。
72.其中，目标框指示目标对象在第一帧图像中的区域位置。以目标框为标签，基于滤波模板与图像中的目标对象的卷积，在目标对象的中心点的响应最大，在非中心点的响应较小的条件，可以确定第一帧图像的滤波模板。
73.如下，给出本实施例的一种具体实现方式：
74.首先，构造滤波模板的数学模型：
[0075][0076]
其中，ε(w
t
)表示第t帧图像的滤波模板的求解函数；依次表示第t帧图像的第k通道的滤波模板、第t
‑
1帧图像的第k通道的滤波模板；u表示预设加权窗；y表示第t帧图像的高斯分布标签；帧图像的高斯分布标签；依次表示第t帧图像的第k通道的图像信息、第t
‑
1帧图像的第k通道的图像信息；表示为了提高函数泛化能力的正则项；θ表示权重参数，λ表示正则项系数，c表示图像的通道数；
△
表示矩阵移位操作，旨在使得上一帧图像的响应图和当前帧图像的响应图尽量相似，实现跨时间的连续性先验，即滤波模板对同一个目标对象在相邻帧图像的响应应该一致；
⊙
、
★
依次表示哈达玛积、卷积。
[0077]
在这里，y，u，x，w均以1维向量为例进行说明，具体可以为 n*1的向量，2维图像矩阵的计算和一维向量类似。当为n*n的矩阵时，即2维情况，使用正常卷积计算时，一个n*n的矩阵和一个n*n的滤波模板进行卷积，其时间复杂度为o(n4)，基于相关滤波模型，可以把计算复杂度降低到o(n2log(n))，即快速傅里叶变换的计算复杂度，从而降低算法复杂度，加快跟踪过程。
[0078]
x可以为方向梯度直方图特征(histogram of oriented gradient， hog)、颜色空间特征(color name，cn)、灰度特征等手工特征(handcraft)，还可以是深度特征(deep feature)。
[0079]
其中，作用后信息如下：
[0080][0081]
作用后信息可以视作确定第t帧图像的滤波模板的标签。
[0082]
为了简化运算，把标签匹配的位置分为两个区域，一个是中心点，赋值权重为b；一个是非中心点区域，赋值的权重为a。通过如下预设加权窗表征：
[0083][0084]
为了加强滤波模板对前景和背景的区分能力，综合上述(1)、(2)、 (3)式子，可以得到：
[0085][0086]
其中，为辅助变量，b为n*d的映射矩阵。b中全部数值为0(对应于背景
位置)或者1(对应于前景位置)，旨在忽略掉背景部分的标签匹配，而集中在所跟踪的目标对象区域的标签匹配，且n>>d；f(i)表示一个映射函数，表征把第t帧的、第k个通道的特征向量x平移i个单位，得到新向量；u(i)和l(i)分别表示向量u(表征预设加权窗)和l(表征作用后信息)中的第i位置的数值，且u(i)，
[0087]
然后，使用块坐标下降法求解上述公式(4)，引入辅助变量g后，可以得到：
[0088][0089]
其中，μ是惩罚参数，用于使得约束条件用于使得约束条件尽量满足。上述公式(6)可以划分为迭代的两个子问题，分别对w
t
，g
t
进行求解。
[0090]
基于g
t
对公式(5)求导，得到：
[0091][0092]
其中，表示的共轭。
[0093]
基于g
t
对公式(5)求导，得到：
[0094][0095]
其中，i表示单位向量。
[0096]
将公式(3)代入公式(7)，将上述公式(7)化简为：
[0097][0098]
其中，m为：
[0099][0100]
其中，依次表示将把m
m
、转换到时域空间。
[0101]
为了避免矩阵的逆的运算，基于循环矩阵的性质，得到：
[0102][0103]
其中，diag表示对角阵，f表示傅里叶变换矩阵，h表示共轭转置。
[0104]
然后，基于秩1优化的sherman
‑
morrison公式：
[0105][0106]
其中，在上述sherman
‑
morrison公式所表征的特性中，a可以为任意方阵；x和y均为向量。
[0107]
可以得到w的起始优化式子：
[0108][0109]
其中，a＝a2m+μi
n
，φ＝f
t
(1)。
[0110]
最后，化简上述公式(12)，求得在频域下的表示：
[0111][0112]
其中，
[0113]
如此，通过上面的秩1优化方法还有循环矩阵的性质，避免了计算n*n矩阵的逆，极大地加快了的求解。
[0114]
如上的的解空间很冗余，只能适用于单通道。因而可以将图像的每个通道视为一致，基于上述的求解过程得到每个通道的滤波模板。
[0115]
获取当前帧图像的滤波模板后，将滤波模板视为是一个滤波器，基于当前帧图像的滤波模板和下一帧图像的特征x，得到下一帧图像的响应图：
[0116][0117]
然后，基于以下式子，计算出目标对象在下一帧的目标框的位置为：
[0118]
(x，y)＝arg max res
t+1
(x，y)
[0119]
x，y
[0120]
如此，就完成了t+1帧的目标跟踪。
[0121]
在本实施例的一些可选的实现方式，对于每一帧图像的每个通道，采用多尺度滤波方式，通过预设加权窗作用于对应该通道的标签信息和目标尺度响应信息，得到对应于该通道的作用后信息，并基于作用后信息的最小化，得到当前帧图像的该通道对应的多尺度的滤波模板。，其中，目标尺度响应信息表征当前帧图像的该通道，对于多尺度的滤波模板中单个尺度的滤波模板的响应信息
[0122]
为了实现多尺度的目标跟踪，相关滤波算法会生成多个不同尺度的滤波模板，然后生成多个不同尺度的响应图，进而从多个不同尺度的响应图中，确定响应最大的响应图，视为图像的缩放尺度。
[0123]
本技术基于所设置的如公式(2)中的θ和公式(3)中预设加权窗u的非中心点a和中心点b的取值，可以灵活地根据跟踪目标的特点和数据集的情况，调整上述超参，以适应不同的情形，提高本技术的普适性和精准度。甚至在一些情况下，可以调整上述超参，把本技术中的方法特化为不使用该申请的方法的一般目标模型，进而保证在不弱于一般方法的结果的前提下，增强本技术的普适性。而且，本技术中的方法并没有要求待处理视频的图像满足低秩等数据分布假设，反而通过加权窗对中心点和非中心点位置的特化，增强了模型对图像中数据的区分能力，增强了目标对象的跟踪方法的鲁棒性和可信度。
[0124]
继续参见图3，图3是根据本实施例的目标对象的跟踪方法的应用场景的一个示意图300。在图3的应用场景中，服务器302首先获取了终端设备301摄取的监控视频。针对于监控视频中的每一帧图像，服务器302执行如下目标跟踪操作：首先，确定第t
‑
1帧图像对应的滤波模板i
‑
1，基于滤波模板i
‑
1确定第t帧图像中目标对象的位置信息；然后，确定第t
‑
1帧图像对于滤波模板i
‑
1的响应信息；然后，根据位置信息和响应信息，得到第t帧图像对应的滤波模板i。进而，在下一次的目标跟踪操作中，可以通过第t帧图像对应的滤波模板i确定第t+1帧图像中目标对象的位置信息。
[0125]
本技术的上述实施例提供的方法，通过针对于待处理视频中的每一帧图像，执行如下目标跟踪操作：通过上一帧图像对应的滤波模板确定当前帧图像中目标对象的位置信息；生成上一帧图像对于上一帧图像对应的滤波模板的响应信息；根据位置信息和响应信息，得到当前帧图像对应的滤波模板，其中，当前帧图像对应的滤波模板用于确定下一帧图像中目标对象的位置信息，从而提供了一种目标对象的跟踪方法，提高了目标跟踪的普适性、鲁棒性、精准度和可信度。
[0126]
继续参考图4，示出了根据本技术的目标对象的跟踪方法的一个实施例的示意性流程400，针对于待处理视频中的每一帧图像，执行如下目标跟踪操作：
[0127]
步骤401，通过上一帧图像对应的滤波模板确定当前帧图像中目标对象的位置信息。
[0128]
步骤402，生成上一帧图像对于上一帧图像对应的滤波模板的响应信息。
[0129]
步骤403，结合位置信息和响应信息，得到当前帧图像的标签信息。
[0130]
其中，当前帧图像对应的滤波模板用于确定下一帧图像中目标对象的位置信息。
[0131]
步骤404，通过预设加权窗作用于标签信息和目标响应信息，得到以第一权重和第二权重区分目标对象的中心点和非中心点的匹配损失的作用后信息，并基于作用后信息的最小化，得到当前帧图像对应的滤波模板。
[0132]
其中，预设加权窗的中心点为第一权重，预设加权窗的非中心点为第二权重。
[0133]
从本实施例中可以看出，与图2对应的实施例相比，本实施例中的目标对象的跟踪方法的流程400具体说明了滤波模板的确定过程，在相关滤波中，构建了基于时域平滑假设的标签，构建了基于不同权重对标签匹配的预设加权窗，进一步提高了目标跟踪的鲁棒性和精准度。
[0134]
继续参考图5，作为对上述各图所示方法的实现，本技术提供了一种目标对象的跟踪方装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
[0135]
如图5所示，目标对象的跟踪方装置通过如下单元针对于待处理视频中的每一帧图像，执行如下目标跟踪操作：第一确定单元501，被配置成通过上一帧图像对应的滤波模板确定当前帧图像中目标对象的位置信息；第二确定单元502，被配置成生成上一帧图像对于上一帧图像对应的滤波模板的响应信息；得到单元503，被配置成根据位置信息和响应信息，得到当前帧图像对应的滤波模板，其中，当前帧图像对应的滤波模板用于确定下一帧图像中目标对象的位置信息。
[0136]
在本实施例的一些可选的实现方式中，得到单元503，进一步被配置成：结合位置信息和响应信息，得到当前帧图像的标签信息；基于标签信息与目标响应信息之间的最小
化，得到当前帧图像对应的滤波模板，其中，目标响应信息表征当前帧图像对于当前帧图像对应的滤波模板的响应信息。
[0137]
在本实施例的一些可选的实现方式中，得到单元503，进一步被配置成：通过预设加权窗作用于标签信息和目标响应信息，得到作用后信息；基于作用后信息的最小化，得到当前帧图像对应的滤波模板。
[0138]
在本实施例的一些可选的实现方式中，预设加权窗的中心点为第一权重，预设加权窗的非中心点为第二权重；得到单元503，进一步被配置成：通过预设加权窗作用于标签信息和目标响应信息，得到以第一权重和第二权重区分目标对象的中心点和非中心点的匹配损失的作用后信息。
[0139]
在本实施例的一些可选的实现方式中，得到单元503，进一步被配置成：基于作用后信息的最小化，利用旨在区分目标对象在图像中的背景和前景的预设约束，得到当前帧图像对应的滤波模板。
[0140]
在本实施例的一些可选的实现方式中，得到单元503，进一步被配置成：对于每一帧图像的每个通道，通过预设加权窗作用于对应该通道的标签信息和目标响应信息，得到对应于该通道的作用后信息，并基于作用后信息的最小化，得到当前帧图像的该通道对应的滤波模板；以及第一确定单元，进一步被配置成：基于上一帧图像的各通道一一对应的滤波模板，作用于当前帧图像的各通道，确定当前帧图像中目标对象的位置信息。
[0141]
在一些实施例中，得到单元503，进一步被配置成：对于每一帧图像的每个通道，采用多尺度滤波方式，通过预设加权窗作用于对应该通道的标签信息和目标尺度响应信息，得到对应于该通道的作用后信息，并基于作用后信息的最小化，得到当前帧图像的该通道对应的多尺度的滤波模板，其中，目标尺度响应信息表征当前帧图像的该通道，对于多尺度的滤波模板中单个尺度的滤波模板的响应信息。
[0142]
在一些实施例中，装置还包括：第三确定单元(图中未示出)，被配置成针对于待处理视频中的第一帧图像，根据第一帧图像中表征目标对象的目标框，确定第一帧图像对应的滤波模板。
[0143]
本实施例中，目标对象的跟踪方装置通过如下单元针对于待处理视频中的每一帧图像，执行如下目标跟踪操作：第一确定单元通过上一帧图像对应的滤波模板确定当前帧图像中目标对象的位置信息；第二确定单元生成上一帧图像对于上一帧图像对应的滤波模板的响应信息；得到单元根据位置信息和响应信息，得到当前帧图像对应的滤波模板，其中，当前帧图像对应的滤波模板用于确定下一帧图像中目标对象的位置信息，从而提供了一种目标对象的跟踪方装置，提高了目标跟踪的普适性、鲁棒性和精准度。
[0144]
下面参考图6，其示出了适于用来实现本技术实施例的设备(例如图1所示的设备101、102、103、105)的计算机系统600的结构示意图。图6示出的设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0145]
如图6所示，计算机系统600包括处理器(例如cpu，中央处理器)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。处理器601、rom602以及ram603通过总线604 彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0146]
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口 605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
[0147]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时，执行本技术的方法中限定的上述功能。
[0148]
需要说明的是，本技术的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0149]
可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算机程序代码，程序设计语言包括面向目标的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码可以完全地在客户计算机上执行、部分地在客户计算机上执行、作为一个独立的软件包执行、部分在客户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到客户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0150]
附图中的流程图和框图，图示了按照本技术各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上
可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0151]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括第一确定单元、第二确定单元得到单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，得到单元还可以被描述为“根据位置信息和响应信息，得到当前帧图像对应的滤波模板的单元”。
[0152]
作为另一方面，本技术还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该计算机设备：针对于待处理视频中的每一帧图像，执行如下目标跟踪操作：通过上一帧图像对应的滤波模板确定当前帧图像中目标对象的位置信息；生成上一帧图像对于上一帧图像对应的滤波模板的响应信息；根据位置信息和响应信息，得到当前帧图像对应的滤波模板，其中，当前帧图像对应的滤波模板用于确定下一帧图像中目标对象的位置信息。
[0153]
以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。