贅 述。
[0074] 需要說明的，本發(fā)明計(jì)算任意兩個(gè)人臉區(qū)域之間的距離時(shí)，可以用人臉區(qū)域的中 點(diǎn)表示人臉區(qū)域，此時(shí)計(jì)算任意兩個(gè)人臉區(qū)域之間的距離可以轉(zhuǎn)換為計(jì)算任意兩個(gè)人臉區(qū) 域?qū)?yīng)的中點(diǎn)之間的距離，其計(jì)算公式可以采用二維平面中兩點(diǎn)之間的距離公式得到。例 如計(jì)算兩個(gè)人臉區(qū)域之間的距離，首先計(jì)算獲得上述兩個(gè)人臉區(qū)域的中點(diǎn)PdPP 2，則兩點(diǎn)Pi 和P2的距離公式為：
[0075]
[0076] 其中PKx)為P^x坐標(biāo)，其中PKy)為P^y坐標(biāo)，其中P2(x)為P2的X坐標(biāo)，其中P 2 (y)為P2的y坐標(biāo)。
[0077] 本發(fā)明提供的目標(biāo)跟蹤方法和裝置，通過采集當(dāng)前視頻圖像的深度圖像和彩色圖 像;根據(jù)所述深度圖像獲取所述深度圖像中的至少兩個(gè)目標(biāo)區(qū)域，并對每個(gè)目標(biāo)區(qū)域?qū)?yīng) 的彩色圖像進(jìn)行人臉檢測，獲得每個(gè)目標(biāo)區(qū)域?qū)?yīng)的人臉區(qū)域；當(dāng)?shù)谝荒繕?biāo)區(qū)域?qū)?yīng)的第 一人臉區(qū)域和第二目標(biāo)區(qū)域?qū)?yīng)的第二人臉區(qū)域之間的距離小于預(yù)設(shè)閾值時(shí)，采用核化相 關(guān)濾波器分別對所述第一人臉區(qū)域和所述第二人臉區(qū)域進(jìn)行跟蹤，由于核化相關(guān)濾波器具 有較強(qiáng)的單目標(biāo)跟蹤能力，并且人臉區(qū)域的目標(biāo)特征信息豐富，實(shí)現(xiàn)了對多目標(biāo)的準(zhǔn)確跟 蹤，解決了多個(gè)目標(biāo)交互時(shí)出現(xiàn)的遮擋問題和目標(biāo)陰影干擾問題。
[0078] 進(jìn)一步地，上述實(shí)施例中，在采用核化相關(guān)濾波器分別對所述第一人臉區(qū)域和所 述第二人臉區(qū)域進(jìn)行跟蹤之前，根據(jù)所述彩色圖像獲取所述核化相關(guān)濾波器，也就是說，在 使用核化相關(guān)濾波器之前，需要對核化相關(guān)濾波器進(jìn)行初始化。
[0079] 具體地，首先獲得第一人臉區(qū)域?qū)?yīng)的第一彩色圖像，用該第一次彩色圖像初始 化上述第一核化相關(guān)濾波器，獲得第二人臉區(qū)域?qū)?yīng)的第二彩色圖像，用該第二次彩色圖 像初始化上述第二核化相關(guān)濾波器，此時(shí)該第一核化相關(guān)濾波器中包括了人臉檢測算法獲 得第一人臉區(qū)域信息，第二核化相關(guān)濾波器中包括了人臉檢測算法獲得第二人臉區(qū)域信 息。接著，采用包括了第一人臉區(qū)域信息的第一核化相關(guān)濾波器對第一人臉區(qū)域進(jìn)行跟蹤， 采用包括了第二人臉區(qū)域信息的第二核化相關(guān)濾波器對第二人臉區(qū)域進(jìn)行跟蹤，實(shí)現(xiàn)了多 個(gè)核化相關(guān)濾波器對多個(gè)目標(biāo)進(jìn)行的跟蹤，由于上述核化相關(guān)濾波器分別包括了相應(yīng)的具 有目標(biāo)特征性的人臉區(qū)域?qū)?yīng)的人臉區(qū)域信息，使得目標(biāo)跟蹤更加準(zhǔn)確，當(dāng)目標(biāo)發(fā)生遮擋 時(shí)，該核化相關(guān)濾波器也可以實(shí)現(xiàn)對目標(biāo)的準(zhǔn)確跟蹤。
[0080] 本發(fā)明提供的目標(biāo)跟蹤方法，通過采用人臉區(qū)域?qū)?yīng)的彩色圖像對核化相關(guān)濾波 器進(jìn)行初始化獲得，使得核化相關(guān)濾波器包括了具有目標(biāo)特征性的人臉區(qū)域?qū)?yīng)的人臉區(qū) 域信息，提高了核化相關(guān)濾波器獲取目標(biāo)特征的能力，進(jìn)而提高了核化相關(guān)濾波器對目標(biāo) 跟蹤的準(zhǔn)確性。
[0081] 進(jìn)一步地，如圖1所示，本發(fā)明提供的目標(biāo)跟蹤方法還包括，
[0082] 步驟105、當(dāng)所述第一人臉區(qū)域和所述第二人臉區(qū)域之間的距離不小于所述預(yù)設(shè) 閾值時(shí)，將所述第一人臉區(qū)域和所述第二人臉區(qū)域作為跟蹤結(jié)果。
[0083] 具體地，當(dāng)判斷第一人臉區(qū)域與第二人臉區(qū)域之間的距離不小于所述預(yù)設(shè)閾值 時(shí)，說明此時(shí)第一人臉區(qū)域與第二人臉區(qū)域之間沒有發(fā)生遮擋，不需要使用核化相關(guān)濾波 器對人臉區(qū)域進(jìn)行跟蹤，此時(shí)該第一人臉區(qū)域與第二人臉區(qū)域?yàn)楦櫧Y(jié)果，無需進(jìn)行其他 的目標(biāo)跟蹤計(jì)算，其計(jì)算結(jié)果簡單，降低了目標(biāo)跟蹤計(jì)算的復(fù)雜性，提高了目標(biāo)跟蹤的效 率。
[0084] 本發(fā)明提供的目標(biāo)跟蹤方法，通過判斷判斷第一人臉區(qū)域與第二人臉區(qū)域之間的 距離，當(dāng)?shù)谝蝗四槄^(qū)域與第二人臉區(qū)域之間的距離不小于所述預(yù)設(shè)閾值時(shí)，直接以人臉區(qū) 域作為跟蹤結(jié)果，大大降低了目標(biāo)跟蹤的計(jì)算量，提高了目標(biāo)跟蹤的效率。
[0085] 圖4為本發(fā)明提供的目標(biāo)跟蹤方法實(shí)施例二的流程示意圖，本實(shí)施例涉及的是如 果實(shí)現(xiàn)在無人監(jiān)控的情況下，用戶可以通過視頻監(jiān)控系統(tǒng)發(fā)送的報(bào)警信息來實(shí)現(xiàn)對特定標(biāo) 識區(qū)域的具體監(jiān)控過程。在上述實(shí)施例的基礎(chǔ)上，如圖4所示，本發(fā)明提供的目標(biāo)跟蹤方法 還包括；
[0086]步驟201、采集所述當(dāng)前視頻圖像的標(biāo)識區(qū)域。
[0087]具體地，在當(dāng)前視頻圖像上設(shè)定一標(biāo)識區(qū)域，該標(biāo)識區(qū)域可以是在當(dāng)前視頻圖像 上用鼠標(biāo)繪制的一個(gè)平面區(qū)域，也可以是通過輸入坐標(biāo)獲得的區(qū)域，該標(biāo)識區(qū)域可以為一 個(gè)多邊形，視頻監(jiān)控系統(tǒng)可以采集到該多邊形頂點(diǎn)的坐標(biāo)。
[0088] 可選的，該步驟201可以與上述步驟101同時(shí)進(jìn)行，還可以是在步驟101之前或者之 后進(jìn)行。
[0089] 步驟202、判斷所述第一人臉區(qū)域和/或所述第二人臉區(qū)域是否進(jìn)入所述標(biāo)識區(qū) 域。
[0090] 步驟203、若是，則向終端發(fā)送報(bào)警信息。
[0091] 具體地，本實(shí)施例首先用多邊形人臉區(qū)域的中點(diǎn)表示人臉區(qū)域，即用第一中點(diǎn)表 示第一人臉區(qū)域，第二中點(diǎn)表示第二人臉區(qū)域，接著判斷第一中點(diǎn)與標(biāo)識區(qū)域的關(guān)系，當(dāng)?shù)?一中點(diǎn)的坐標(biāo)落在了標(biāo)識區(qū)域的坐標(biāo)范圍內(nèi)時(shí)，說明第一人臉區(qū)域表示的第一目標(biāo)進(jìn)入了 標(biāo)識區(qū)域，則視頻監(jiān)控系統(tǒng)向終端發(fā)送報(bào)警信息;和/或，判斷第二中點(diǎn)與標(biāo)識區(qū)域的關(guān)系， 當(dāng)?shù)诙悬c(diǎn)的坐標(biāo)落在了標(biāo)識區(qū)域的坐標(biāo)范圍內(nèi)時(shí)，說明第二人臉區(qū)域表示的第二目標(biāo)進(jìn) 入了標(biāo)識區(qū)域，則視頻監(jiān)控系統(tǒng)向終端發(fā)送報(bào)警信息。本發(fā)明通過視頻監(jiān)控系統(tǒng)向終端發(fā) 送報(bào)警信息，當(dāng)監(jiān)控視頻在無人監(jiān)控的情況下，用戶也可以通過終端接收到的報(bào)警信息獲 得進(jìn)入標(biāo)識區(qū)域的目標(biāo)信息，實(shí)現(xiàn)了標(biāo)識區(qū)域的無人監(jiān)控報(bào)警，進(jìn)而提高了視頻監(jiān)控的可 靠性，其中終端接收到的報(bào)警信息可以是目標(biāo)的特征信息比如身高、圖片等信息，還可以是 目標(biāo)進(jìn)入和離開標(biāo)識區(qū)域的時(shí)間，或者目標(biāo)在標(biāo)識區(qū)域內(nèi)的行走路徑等信息，該報(bào)警信息 可以根據(jù)實(shí)際需要進(jìn)行設(shè)定，在此不做限制。
[0092] 需要說明的是，本發(fā)明提供的目標(biāo)跟蹤方法可以集成到視頻監(jiān)控系統(tǒng)，該視頻監(jiān) 控系統(tǒng)與終端設(shè)備綁定，可以與終端進(jìn)行信息交互，該終端設(shè)備可以是手機(jī)，電腦等，例如 將視頻監(jiān)控系統(tǒng)與手機(jī)中的微信進(jìn)行綁定，當(dāng)視頻監(jiān)控系統(tǒng)檢測到有目標(biāo)進(jìn)入標(biāo)識區(qū)域 后，向手機(jī)中的微信發(fā)送報(bào)警信息，同時(shí)用戶可以通過微信實(shí)時(shí)遠(yuǎn)程觀測到當(dāng)前的視頻圖 像。
[0093] 本發(fā)明提供的目標(biāo)跟蹤方法，通過將視頻監(jiān)控系統(tǒng)與終端綁定，判斷當(dāng)人臉區(qū)域 表示的目標(biāo)進(jìn)入標(biāo)識區(qū)域時(shí)，視頻監(jiān)控系統(tǒng)向終端發(fā)送報(bào)警信息，實(shí)現(xiàn)了標(biāo)識區(qū)域的無人 監(jiān)控報(bào)警，提高了視頻監(jiān)控的可靠性。
[0094] 圖5為本發(fā)明提供的目標(biāo)跟蹤方法實(shí)時(shí)例三的流程示意圖。本實(shí)施例涉及的是如 何避免視頻監(jiān)控系統(tǒng)對離開視頻監(jiān)控范圍外的目標(biāo)進(jìn)行跟蹤，造成跟蹤資源的浪費(fèi)，跟蹤 處理速度慢的具體過程。在上述實(shí)施例的基礎(chǔ)上，如圖5所示，本發(fā)明提供的目標(biāo)跟蹤方法 還包括：
[0095] 步驟301、確定所述第一人臉區(qū)域在下一幀的第一預(yù)測位置、和/或所述第二人臉 區(qū)域在下一幀的第二預(yù)測位置。
[0096] 具體地，本發(fā)明采用目標(biāo)狀態(tài)估計(jì)算法，用于預(yù)測當(dāng)前視頻圖像中的目標(biāo)在下一 圖像數(shù)據(jù)幀的位置，即用目標(biāo)狀態(tài)估計(jì)算法確定上述第一人臉區(qū)域在下一幀的第一預(yù)測位 置和/或上述第二人臉區(qū)域在下一幀的第二預(yù)測位置。這里的"和/或"，指的是采用目標(biāo)狀 態(tài)估計(jì)算法確定上述第一人臉區(qū)域在下一幀的第一預(yù)測位置，或者，采用目標(biāo)狀態(tài)估計(jì)算 法確定上述第二人臉區(qū)域在下一幀的第二預(yù)測位置，或者，采用目標(biāo)狀態(tài)估計(jì)算法確定上 述第一人臉區(qū)域在下一幀的第一預(yù)測位置和上述第二人臉區(qū)域在下一幀的第二預(yù)測位置。
[0097] 步驟302、對應(yīng)的，判斷所述第一預(yù)測位置和/或所述第二預(yù)測位置是否位于視頻 可視范圍。
[0098] 步驟303、若否，則停止跟蹤。
[0099] 具體地，將根據(jù)步驟301預(yù)測出第一預(yù)測位置與視頻可視范圍進(jìn)行比較，當(dāng)判斷第 一預(yù)測位置在視頻可視范圍內(nèi)時(shí)，則需要對該第一預(yù)測位置對應(yīng)的第一人臉區(qū)域繼續(xù)進(jìn)行 跟蹤，當(dāng)判斷第一預(yù)測位置不在視頻可視范圍內(nèi)時(shí)，停止對該第一預(yù)測位置對應(yīng)的第一人 臉區(qū)域的跟蹤；同理將根據(jù)步驟301預(yù)測出第二預(yù)測位置與視頻可視范圍進(jìn)行比較，當(dāng)判斷 第二預(yù)測位置在視頻可視范圍內(nèi)時(shí)，則需要對該第二預(yù)測位置對應(yīng)的第二人臉區(qū)域繼續(xù)進(jìn) 行跟蹤，當(dāng)判斷第二預(yù)測位置不在視頻可視范圍內(nèi)時(shí)，停止對該第二預(yù)測位置對應(yīng)的第二 人臉區(qū)域的跟蹤，這樣使得視頻監(jiān)控系統(tǒng)只對視頻可視范圍內(nèi)的目標(biāo)進(jìn)行跟蹤，防止了視 頻監(jiān)控系統(tǒng)對視頻可視范圍外的無效目標(biāo)進(jìn)行跟蹤，造成跟蹤資源浪費(fèi)的問題，提高了對 有效目標(biāo)的跟蹤速度。
[0100] 其中，本發(fā)明目標(biāo)狀態(tài)估計(jì)算法可以通過卡爾曼濾波器實(shí)現(xiàn)，也可以用其他的狀 態(tài)估計(jì)算法實(shí)現(xiàn)，對此本發(fā)明不做限制。
[0101] 本發(fā)明提供的目標(biāo)跟蹤方法，通過目標(biāo)狀態(tài)估計(jì)算法確定人臉區(qū)域的下一幀位 置，當(dāng)判斷人臉區(qū)域下一幀的位置不在視頻可視范圍內(nèi)