运动目标追踪方法、装置和电子设备与流程

1.本发明涉及图像处理的技术领域，尤其是涉及一种运动目标追踪方法、装置和电子设备。


背景技术：

2.随着城市化进程的加快，一座座高楼大厦拔地而起，随着带来的高空抛物问题十分严峻。高空抛物作为城市不文明行为的同时，它所带来的社会危害也十分巨大。由于高空抛物不文明行为的实施场所多为高空楼层，抛物的下降速度极快，抛物的时间极短，抛物者更是善于隐匿抛物行为，导致相关部分难以实现有效取证及准确定责，因此需要高空抛物监测预警系统。
3.目前，现有的高空抛物监测预警系统大多利用基于视频监控的图像捕捉技术，通过在高层建筑的楼顶或者建筑周围安装摄像头来识别高空抛物的发生位置和时间，然而，上述高空抛物监测预警系统主要追踪的物体是刚体，而实际抛下的物体有可能不是刚体，自由下落的过程还会伴随着运动变形、解体、分解等，例如：抛下装在垃圾袋的果皮或装在泡沫袋里的建筑垃圾等，这些抛物的降落会伴随着外表不规则的形变，影响抛物检测系统的检测。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种运动目标追踪方法、装置和电子设备，以提高高空抛物过程中流体抛物的检测精准度。
5.第一方面，本发明实施例提供了一种运动目标追踪方法，应用于高空抛物检测系统，方法包括：获取原始图像；对原始图像进行预处理，得到边缘增强的图像；其中，预处理包括降采样处理和滤波处理；对边缘增强的图像进行目标追踪处理，得到边缘增强的图像中的运动目标；其中，目标追踪处理包括帧间差分处理和klt特征点追踪处理。
6.在本发明较佳的实施例中，上述对原始图像进行预处理，得到边缘增强的图像的步骤，包括：对原始图像进行降采样处理，降低原始图像的采样率为目标采样率；对降采样处理之后的原始图像进行滤波处理，得到边缘增强的图像。
7.在本发明较佳的实施例中，上述对降采样处理之后的原始图像进行滤波处理，得到边缘增强的图像的步骤，包括：依次通过预设的lee滤波器、kuwahara滤波器和高斯滤波器对降采样处理之后的原始图像进行滤波处理，得到边缘增强的图像。
8.在本发明较佳的实施例中，上述lee滤波器的模板为15
×
15，lee滤波器的噪声方差为155；上述kuwahara滤波器的模板为13
×
13；上述高斯滤波器为零均值滤波器。
9.在本发明较佳的实施例中，上述依次通过预设的lee滤波器、kuwahara滤波器和高斯滤波器对降采样处理之后的原始图像进行滤波处理，得到边缘增强的图像的步骤之后，方法还包括：通过预设的canny边缘检测算子采集边缘增强的图像的边缘信息。
10.在本发明较佳的实施例中，上述对边缘增强的图像进行目标追踪处理，得到边缘
增强的图像中的运动目标的步骤，包括：确定边缘增强的图像的原始帧图像；对原始帧图像进行帧间差分处理，检测运动目标的特征点；对运动目标的征点进行klt特征点追踪处理，得到边缘增强的图像中的运动目标。
11.在本发明较佳的实施例中，上述对原始帧图像进行帧间差分处理，得到运动目标的征点的步骤，包括：计算原始帧图像中的相邻帧图像的对应位置的各个像素点的灰度值的差的绝对值；将绝对值大于预设阈值的像素点作为运动目标的特征点。
12.在本发明较佳的实施例中，上述对运动目标的特征点进行klt特征点追踪处理，得到边缘增强的图像中的运动目标的步骤之后，方法还包括：构造边缘增强的图像中的相邻帧图像的变换仿射模型；基于变换仿射模型确定边缘增强的图像的各个帧图像中的运动目标的特征点位置；基于运动目标的特征点位置确定运动目标的运动区域。
13.第二方面，本发明实施例还提供一种运动目标追踪装置，应用于高空抛物检测系统，装置包括：图像获取模块，用于获取原始图像；预处理模块，用于对原始图像进行预处理，得到边缘增强的图像；其中，预处理包括降采样处理和滤波处理；追踪检测模块，用于对边缘增强的图像进行目标追踪处理，得到边缘增强的图像中的运动目标；其中，目标追踪处理包括帧间差分处理和klt特征点追踪处理。
14.第三方面，本发明实施例还提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述的运动目标追踪方法的步骤。
15.第四方面，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述的运动目标追踪方法的步骤。
16.本发明实施例带来了以下有益效果：
17.本发明实施例提供的一种运动目标追踪方法、装置和电子设备，可以通过降采样处理和滤波处理对原始图像进行预处理，得到边缘增强的图像；通过帧间差分处理和klt特征点追踪处理对边缘增强的图像进行目标追踪处理，得到边缘增强的图像中的运动目标。该方式中，通过滤波处理可以尽可能地保证抛物的完整性并且减少背景的影响，通过帧间差分处理可以根据相邻帧图像有效检测出正在下落的物体是否发生形变或解体，对于发生形变或解体的目标能够继续准确的进行追踪检测，从而提高高空抛物过程中流体抛物的检测精准度，使得高空抛物检测系统能够有效准确的工作。
18.本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。
19.为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
20.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1为本发明实施例提供的一种高空抛物检测系统的示意图；
22.图2为本发明实施例提供的一种运动目标追踪方法的流程图；
23.图3为本发明实施例提供的另一种运动目标追踪方法的流程图；
24.图4为本发明实施例提供的一种对原始图像进行预处理的方式的示意图；
25.图5为本发明实施例提供的一种对边缘增强的图像进行目标追踪处理的方式的示意图；
26.图6为本发明实施例提供的一种帧间差分处理的方式的示意图；
27.图7为本发明实施例提供的一种运动目标追踪装置的结构示意图；
28.图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
29.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.目前，随着城市化进程的加快，一座座高楼大厦拔地而起，随着带来的高空抛物问题十分严峻。高空抛物作为城市不文明行为的同时，它所带来的社会危害也十分巨大。由于高空抛物不文明行为的实施场所多为高空楼层，抛物的下降速度极快，抛物的时间极短，抛物者更是善于隐匿抛物行为，导致相关部分难以实现有效取证及准确定责，因此需要高空抛物监测预警系统。
31.现有的高空抛物监测预警系统大多利用基于视频监控的图像捕捉技术，通过在高层建筑的楼顶或者建筑周围安装摄像头来识别高空抛物的发生位置和时间，这种技术受摄像头监控角度和楼宇高度限制，以及雨雾、光线等天气环境因素的影响，在不良环境因素情况下，无法快速准确的锁定高空抛物发生的具体位置。
32.复杂环境条件下的运动目标状态估计问题是准确目标跟踪的一个重要难点，是有效进行高空抛物检测的一个重要难点。
33.现有的不少研究中，主要追踪的物体是刚体，而实际抛下的物体有可能不是刚体，自由下落的过程还会伴随着运动变形、解体、分解等，例如抛下装在垃圾袋的果皮、装在泡沫袋里的建筑垃圾等，这些抛物的降落会伴随着外表不规则的形变，影响抛物检测系统的检测。
34.基于此，本发明实施例提供的一种运动目标追踪方法、装置和电子设备，具体涉及一种抛物检测算法，可以提高高空抛物过程中流体抛物的检测精准度。
35.为便于对本实施例进行理解，首先对本发明实施例所公开的一种运动目标追踪方法进行详细介绍。
36.本实施例提供了一种运动目标追踪方法，该运动目标追踪方法应用于高空抛物检测系统。参见图1所示的一种高空抛物检测系统的示意图，如图1所示，高空抛物检测系统一般由数据采集模块、运动目标检测模块、运动目标追踪模块、抛物判断模块和结果显示报警模块组成。
37.其中，数据采集模块主要用于获取视频帧序列、视频流解码等。运动目检测模块主
要用于视频图像预处理、运动目标检测、目标特征提取等，获取视频图像中的抛物特征信息。运动目标追踪模块主要用于运动轨迹获取，具体来说有运动轨迹预测、跟踪模块更新、运动轨迹匹配等，获取视频图像中的抛物运动轨迹。抛物判断模块用于抛物判定。结果显示报警模块用于高空抛物行为报警、高空抛物结果显示、高空抛物视频保存等，根据判断结果做出处理，若判断为高空抛物行为，则保存抛物视频，并及时报警提醒，供事后追责用；若判断为其他的东西，则不作处理。
38.对于高空抛物检测系统来说，运动目标追踪通过对目标的位置、速度、形状、纹理等相关特征进行处理和反馈，进而实现对运动目标在视频图像序列中实时位置和运动路径的识别和预测，是高空抛物检测系统中的重要组成部分。运动目标追踪算法一般包括三个部分，目标的特征提取、相似性度量计算和目标位置匹配。
39.现有的不少研究中，主要追踪的物体是刚体，而实际抛下的物体有可能不是刚体，自由下落的过程还会伴随着运动变形、解体、分解等，例如抛下装在垃圾袋的果皮、装在泡沫袋里的建筑垃圾等，这些抛物的降落会伴随着外表不规则的形变，影响抛物检测系统的检测。
40.基于上述描述，参见图2所示的一种运动目标追踪方法的流程图，该运动目标追踪方法包括如下步骤：
41.步骤s200，获取原始图像。
42.本发明实施例中的原始图案可以为视频帧序列或者解码后的视频流，包括多个视频帧或者图像帧。
43.步骤s202，对原始图像进行预处理，得到边缘增强的图像；其中，预处理包括降采样处理和滤波处理。
44.本发明实施例中的高空抛物检测系统可以包括预处理模块和追踪检测模块，其中，预处理模块用于对原始图像进行预处理，追踪检测模块用于对边缘增强的图像进行目标追踪处理。
45.具体地，将采样处理是指降低原始图像的各个图像帧的采样率，例如：可以降低原始图像的各个图像帧的采样率为800
×
800。本发明实施例中的预处理模块可以包含多个滤波器，通过滤波器对将采样处理之后的图像的进行边缘增强处理，得到边缘增强的图像，并且还可以采集边缘增强的图像的边缘信息。
46.步骤s204，对边缘增强的图像进行目标追踪处理，得到边缘增强的图像中的运动目标；其中，目标追踪处理包括帧间差分处理和klt特征点追踪处理。
47.本发明实施例可以通过帧间差分处理的方式来提升流体的追踪效果。其中，帧间差分处理是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，它可以很好地适用于存在多个运动目标和摄像机移动的情况。当监控场景中出现异常物体运动时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像亮度差的绝对值，判断它是否大于阈值来分析视频或图像序列的运动特性，确定图像序列中有无物体运动。图像序列逐帧的差分，相当于对图像序列进行了时域下的高通滤波。
48.klt(kanade lucas tomasi)特征点追踪处理是一种光流追踪方法，可以通过先在前后两帧图像里分别建立一个固定大小窗口，然后找到让两个窗口间像素强度差的平方和最小的位移，将窗口内像素的移动近似为这样的位移向量，从而进行目标追踪。
49.本发明实施例提供的一种运动目标追踪方法，可以通过降采样处理和滤波处理对原始图像进行预处理，得到边缘增强的图像；通过帧间差分处理和klt特征点追踪处理对边缘增强的图像进行目标追踪处理，得到边缘增强的图像中的运动目标。该方式中，通过滤波处理可以尽可能地保证抛物的完整性并且减少背景的影响，通过帧间差分处理可以根据相邻帧图像有效检测出正在下落的物体是否发生形变或解体，对于发生形变或解体的目标能够继续准确的进行追踪检测，从而提高高空抛物过程中流体抛物的检测精准度，使得高空抛物检测系统能够有效准确的工作。
50.本实施例提供了另一种运动目标追踪方法，该方法在上述实施例的基础上实现；本实施例重点描述预处理的具体实施方式。参见图3所示的另一种运动目标追踪方法的流程图，本实施例中的运动目标追踪方法包括如下步骤：
51.步骤s300，获取原始图像。
52.步骤s302，对原始图像进行降采样处理，降低原始图像的采样率为目标采样率。
53.参见图4所示的一种对原始图像进行预处理的方式的示意图，预处理可以首先将原始图像降采样到每帧图像的采样率为目标采样率，例如：600pixel
×
1000pixel。
54.步骤s304，对降采样处理之后的原始图像进行滤波处理，得到边缘增强的图像。
55.具体地，可以通过下述步骤对降采样处理之后的原始图像进行滤波处理：依次通过预设的lee滤波器、kuwahara滤波器和高斯滤波器对降采样处理之后的原始图像进行滤波处理，得到边缘增强的图像。
56.如图4所示，可以对降采样处理之后的原始图像进行两个阶段的预处理：边缘增强和边缘检测。其中，首先可以选用模板为15
×
15，噪声方差为155的lee滤波器进行滤波处理，之后可以选用模板为13
×
13的kuwahara滤波器进行滤波处理，最后可以选用零均值的高斯滤波器进行滤波处理，得到边缘增强的图像。
57.其中，lee滤波器是一种图像去噪滤波器，具有很好的去噪效果。lee滤波器可以结合各种小波有效去除图像噪声。lee滤波是利用图像局部统计特性进行图像斑点滤波的典型方法之一，其是基于完全发育的斑点噪声模型，选择一定长度的窗口作为局部区域，假定先验均值和方差可以通过计算局域的均值和方差得到。
58.kuwahara滤波器的基本原理是：计算图像模板中邻域内的均值和方差，选择图像灰度值较为均匀的区域的均值替代模板中心像素灰度值，从而实现滤波效果。
59.高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
60.另外，如图4所示，本实施例还可以采用canny边缘检测算子检测边缘增强的图像的边缘信息，例如：通过预设的canny边缘检测算子采集边缘增强的图像的边缘信息。
61.其中，canny边缘检测算子可以首先使用高斯滤波器，以平滑图像，滤除噪声。之后计算图像中每个像素点的梯度强度和方向，应用非极大值(non-maximum suppression)抑制，以消除边缘检测带来的杂散响应，应用双阈值(double-threshold)检测来确定真实的和潜在的边缘。最后通过抑制孤立的弱边缘最终完成边缘检测，采集图像的边缘信息。
62.该方式中，可以通过包含滤波处理的预处理，能够尽可能保证抛物的完整性以及减少背景的影响，预处理效果较好，经过上述包含滤波处理的预处理能够为后续的特征检测和追踪提供一个特征明显、误差小的输入图像。
63.步骤s306，对边缘增强的图像进行目标追踪处理，得到边缘增强的图像中的运动目标；其中，目标追踪处理包括帧间差分处理和klt特征点追踪处理。
64.具体地，本发明实施例可以通过下述步骤实现括帧间差分处理和klt特征点追踪处理：确定边缘增强的图像的原始帧图像；对原始帧图像进行帧间差分处理，检测运动目标的特征点；对运动目标的征点进行klt特征点追踪处理，得到边缘增强的图像中的运动目标。
65.参见图5所示的一种对边缘增强的图像进行目标追踪处理的方式的示意图，对于通过预处理得到的原始帧图像，可以首先通过帧间差分法得到抛物目标的检测特征点，例如：计算原始帧图像中的相邻帧图像的对应位置的各个像素点的灰度值的差的绝对值；将绝对值大于预设阈值的像素点作为运动目标的特征点。
66.参见图6所示的一种帧间差分处理的方式的示意图，首先确定当前帧以及当前帧的上一帧作为相邻帧图像，确定当前帧和上一帧的对应位置的各个像素点的灰度值，对于每一个像素点，分别计算当前帧和上一帧的灰度值的差，然后取绝对值，基于绝对值进行图像二值化，即将绝对值大于预设阈值的像素点作为运动目标的特征点。
67.举例来说，对于坐标(200，300)，当前帧的坐标(200，300)的像素点的灰度值为200，上一帧的坐标(200，300)的像素点的灰度值为100，上述两个灰度值的差的绝对值为|100-200|＝100，如果预设阈值为80，由于绝对值100大于预设阈值80，则坐标(200，300)的像素点可以作为运动目标的特征点。
68.又例如，对于坐标(100，200)，当前帧的坐标(100，200)的像素点的灰度值为120，上一帧的坐标(100，200)的像素点的灰度值为160，上述两个灰度值的差的绝对值为|120-160|＝40，如果预设阈值为80，由于绝对值40小于预设阈值80，则坐标(100，200)的像素点不可以作为运动目标的特征点。
69.该方式中，由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。对连续两帧的图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定的阈值时，即可判断为运动目标。
70.如图5所示，帧间差分处理之后，可以接着使用klt算法进行特征点追踪。klt算法是一种基于特征点的目标追踪算法，是光流法的一种。klt算法具有3个前提假设：亮度恒定，保证不受亮度的影响；时间连续或者运动位移小，可以保证klt算法能够找到点；空间一致性，邻近点有相似运动，保持相邻，可以在同一个窗口中，所有点的偏移量都相等。klt算法的主要步骤可以为：
71.(1)在第一帧检测harris角点；(2)在连续帧之间每一个角点通过平移或仿射进行运动估计；(3)连接连续帧中的运动向量，得到每一个角点的轨迹；(4)对于各特征点，在各帧中判断其跟踪的好坏。有些特征可以移除(比如去除掉那些被遮挡的或者无法准确跟踪的)，可以周期性(如每隔5帧)加入一些新的特征；(5)使用步骤(1)-(3)追踪新和旧的角点。
72.在对运动目标的特征点进行klt特征点追踪处理的步骤之后，还可以确定运动目标的特征点位置和运动区域，例如：构造边缘增强的图像中的相邻帧图像的变换仿射模型；
基于变换仿射模型确定边缘增强的图像的各个帧图像中的运动目标的特征点位置；基于运动目标的特征点位置确定运动目标的运动区域。
73.如图5所示，首先可以通过帧间差分法获得追踪目标的特征点，然后可以使用klt算法进行特征点追踪，最后可以采用ransac算法构造相邻帧图像间的变换仿射模型，估计出图像的特征点位置和抛物区域(即运动目标的运动区域)。计算被追踪标记物的位移信息、翻转角度变化等相关参，最后循环计算，直到最后一帧结束。通过上述流程得到抛物的运动轨迹，可以方便高空抛物系统后续判断使用。
74.因为随着抛物的降落，运动目标会伴随着外表不规则的形变，如果采用时延较长的特征点检测，会漏掉分解小物体的特征。该方式中采用的帧间差分处理能根据当前帧和上一帧的细小的变化来保证不遗漏分解的小物件特征。
75.本发明实施例提供的上述方法，可以通过滤波处理可以尽可能地保证抛物的完整性并且减少背景的影响，通过帧间差分处理可以根据相邻帧图像有效检测出正在下落的物体是否发生形变或解体，对于发生形变或解体的目标能够继续准确的进行追踪检测，从而提高高空抛物过程中流体抛物的检测精准度，使得高空抛物检测系统能够有效准确的工作。
76.对应于上述方法实施例，本发明实施例提供了一种运动目标追踪装置，应用于高空抛物检测系统；参见图7所示的一种运动目标追踪装置的结构示意图，该运动目标追踪装置包括：
77.图像获取模块71，用于获取原始图像；
78.预处理模块72，用于对原始图像进行预处理，得到边缘增强的图像；其中，预处理包括降采样处理和滤波处理；
79.追踪检测模块73，用于对边缘增强的图像进行目标追踪处理，得到边缘增强的图像中的运动目标；其中，目标追踪处理包括帧间差分处理和klt特征点追踪处理。
80.本发明实施例提供的一种运动目标追踪装置，可以通过降采样处理和滤波处理对原始图像进行预处理，得到边缘增强的图像；通过帧间差分处理和klt特征点追踪处理对边缘增强的图像进行目标追踪处理，得到边缘增强的图像中的运动目标。该方式中，通过滤波处理可以尽可能地保证抛物的完整性并且减少背景的影响，通过帧间差分处理可以根据相邻帧图像有效检测出正在下落的物体是否发生形变或解体，对于发生形变或解体的目标能够继续准确的进行追踪检测，从而提高高空抛物过程中流体抛物的检测精准度，使得高空抛物检测系统能够有效准确的工作。
81.上述预处理模块，用于对原始图像进行降采样处理，降低原始图像的采样率为目标采样率；对降采样处理之后的原始图像进行滤波处理，得到边缘增强的图像。
82.上述预处理模块，用于依次通过预设的lee滤波器、kuwahara滤波器和高斯滤波器对降采样处理之后的原始图像进行滤波处理，得到边缘增强的图像。
83.上述lee滤波器的模板为15
×
15，lee滤波器的噪声方差为155；上述kuwahara滤波器的模板为13
×
13；上述高斯滤波器为零均值滤波器。
84.上述预处理模块，还用于通过预设的canny边缘检测算子采集边缘增强的图像的边缘信息。
85.上述追踪检测模块，用于确定边缘增强的图像的原始帧图像；对原始帧图像进行
帧间差分处理，检测运动目标的特征点；对运动目标的征点进行klt特征点追踪处理，得到边缘增强的图像中的运动目标。
86.上述追踪检测模块，用于计算原始帧图像中的相邻帧图像的对应位置的各个像素点的灰度值的差的绝对值；将绝对值大于预设阈值的像素点作为运动目标的特征点。
87.上述追踪检测模块，还用于构造边缘增强的图像中的相邻帧图像的变换仿射模型；基于变换仿射模型确定边缘增强的图像的各个帧图像中的运动目标的特征点位置；基于运动目标的特征点位置确定运动目标的运动区域。
88.本发明实施例所提供的运动目标追踪装置，其实现原理及产生的技术效果和前述运动目标追踪方法实施例相同，为简要描述，运动目标追踪装置实施例部分未提及之处，可参考前述运动目标追踪方法实施例中相应内容。
89.本发明实施例还提供了一种电子设备，用于运行上述运动目标追踪方法；参见图8所示的一种电子设备的结构示意图，该电子设备包括存储器100和处理器101，其中，存储器100用于存储一条或多条计算机指令，一条或多条计算机指令被处理器101执行，以实现上述运动目标追踪方法。
90.进一步地，图8所示的电子设备还包括总线102和通信接口103，处理器101、通信接口103和存储器100通过总线102连接。
91.其中，存储器100可能包含高速随机存取存储器(ram，random access memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线102可以是isa总线、pci总线或eisa总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
92.处理器101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processor，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field-programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器100，处理器101读取存储器100中的信息，结合其硬件完成前述实施例的方法的步骤。
93.本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述运动目标追踪方法，具体实现可参见方法实施例，在此不再赘述。
94.本发明实施例所提供的运动目标追踪方法、装置和电子设备的计算机程序产品，
包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。
95.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和/或装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
96.另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
97.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
98.在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
99.最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。