專利名稱：一種基于視頻的運動目標(biāo)跟蹤方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字圖像處理技術(shù)，特別涉及一種基于視頻的運動目標(biāo)跟蹤方法。
背景技術(shù)：
計算機視覺的研究目的是使用計算機代替人眼及大腦對景物環(huán)境進行感知、解釋和理解。隨著計算機技術(shù)的不斷發(fā)展，利用計算機來實現(xiàn)人類的視覺功能成為目前計算機領(lǐng)域中最熱門的課題之一。視頻跟蹤技術(shù)作為計算機視覺的一個重要課題，近年來引起越來越多的研究者們關(guān)注，這主要由于兩方面原因:一方面，計算和存儲成本的大幅度下跌，使得以視頻速率或近似視頻速率采集存儲圖像序列成為可能；另一方面，視頻跟蹤技術(shù)的極為廣闊市場應(yīng)用前景也是推動此研究的主要動力。視頻跟蹤技術(shù)除了在智能視頻監(jiān)控系統(tǒng)中具有非常重要的應(yīng)用外，在人機交互、運動分析、目標(biāo)識別、目標(biāo)分類、機器人視覺導(dǎo)航、圖像壓縮、交通檢測和虛擬現(xiàn)實等領(lǐng)域也有重要應(yīng)用。除了上述民用方面的應(yīng)用之外，基于圖像序列的運動目標(biāo)檢測與跟蹤技術(shù)在軍事領(lǐng)域，特別是制導(dǎo)和導(dǎo)航方面也有廣泛的應(yīng)用前景。有了視頻目標(biāo)的檢測和跟蹤，不僅為人機交互、目標(biāo)運動描述、目標(biāo)識別和目標(biāo)分類等提供了基礎(chǔ)，而且在獲取了跟蹤定位到的目標(biāo)的輪廓后，可以得到目標(biāo)的運動姿態(tài)，為運動目標(biāo)的姿態(tài)識別、行為理解和安全監(jiān)控等提供了理論。

發(fā)明內(nèi)容
針對上述問題，本發(fā)明所涉及的一種基于視頻圖像的對運動目標(biāo)進行跟蹤的方法，實現(xiàn)對多個運動目標(biāo)實現(xiàn)快速和高效的搜索、預(yù)測和監(jiān)控，可以在復(fù)雜背景下的實現(xiàn)運動目標(biāo)跟蹤方法，可以很好的解決復(fù)雜背景下的運動目標(biāo)跟蹤問題，并且將周圍環(huán)境的影響降低的方法。本發(fā)明為了實現(xiàn)上述目的，可以使用以下方案:本發(fā)明所涉及的一種基于視頻圖像的多運動目標(biāo)跟蹤方法，其特征在于，包括具體步驟如下:(1)獲取視頻圖像，建立背景更新模型；(2)對視頻圖像進行前景分割，通過幀差法，將背景圖像與當(dāng)前幀圖像進行差分，從而分割出運動目標(biāo)；(3)檢測運動目標(biāo)，將視頻圖像中的運動目標(biāo)分割出來；(4)對于運動目標(biāo)建立顏色概率分布圖；(5)初始化查找顏色概率分布圖中的概率分布峰值的搜索窗口 ；(6)計算搜索窗口的質(zhì)心；(7)根據(jù)窗口的零階矩調(diào)整搜索窗口大小，自動調(diào)整運動目標(biāo)區(qū)域的大小，直到收斂，收斂區(qū)即是運動目標(biāo)所在區(qū)域；(8)通過卡爾曼濾波器對下一幀圖像中的搜索窗口位置進行預(yù)測；(9)在預(yù)測范圍內(nèi)進行質(zhì)心匹配，跟蹤運動目標(biāo)。在本發(fā)明所涉及的多運動目標(biāo)跟蹤的方法，其特征在于，其中，建立顏色概率分布圖包括如下步驟:(4.1)對于運動目標(biāo)區(qū)域矩形框內(nèi)的圖像進行彩色空間轉(zhuǎn)換，將RGB空間轉(zhuǎn)換到HSV空間；(4.2)統(tǒng)計運動目標(biāo)區(qū)域的顏色直方圖；(4.3)對圖像進行直方圖投影操作，將圖像轉(zhuǎn)換成顏色概率分布圖像。
進一步，初始化搜索窗口包括以下步驟:(5.1)初始化搜索窗口的位置和大??；
(5.2)設(shè)置搜索窗口的中心位置。進一步，通過卡爾曼濾波器對下一幀圖像中的搜索窗口位置進行預(yù)測包括如下步驟:(8.1)參數(shù)初始化:參數(shù)初始化包括定義系統(tǒng)測量向量、轉(zhuǎn)移矩陣和測量矩陣，以及噪聲協(xié)方差矩陣；(8.2)狀態(tài)預(yù)測:在向量初始化以后，卡爾曼濾波器進行預(yù)測，得到預(yù)測值，并其根據(jù)預(yù)測值在的區(qū)域內(nèi)，進行匹配；(8.3)狀態(tài)校正:根據(jù)測量值對預(yù)測值進行校正，得到系統(tǒng)的最優(yōu)值，更新濾波器的參數(shù)。另外，利用卡爾曼濾波器對下一幀中的目標(biāo)出現(xiàn)位置進行預(yù)測，確定新的搜索窗口的位置，在搜索窗口內(nèi)進行質(zhì)心匹配，跟蹤運動目標(biāo)。發(fā)明效果本發(fā)明所提供的一種基于視頻圖像的多運動目標(biāo)跟蹤的方法，其具有:獲取視頻圖像，建立背景更新模型；對視頻圖像進行前景分割，通過幀差法，將背景圖像與當(dāng)前幀圖像進行差分，從而分割出運動目標(biāo)，能夠快速的對運動目標(biāo)進行跟蹤和監(jiān)控；檢測運動目標(biāo)，將視頻圖像中的運動目標(biāo)分割出來；對于運動目標(biāo)建立顏色概率分布圖；查找顏色概率分布圖中的概率分布峰值的搜索窗口，計算搜索窗口的質(zhì)心，并根據(jù)窗口的零階矩調(diào)整搜索窗口大小，自動調(diào)整運動目標(biāo)區(qū)域的大小，直到收斂區(qū)，收斂區(qū)即是運動目標(biāo)所在區(qū)域，減少了數(shù)據(jù)處理量；通過卡爾曼濾波器對下一幀圖像中的搜索窗口位置進行預(yù)測；在預(yù)測范圍內(nèi)進行質(zhì)心匹配，跟蹤運動目標(biāo)，實現(xiàn)了多運動目標(biāo)的搜索、跟蹤、預(yù)測和監(jiān)控。


圖1是搜索窗口匹配目標(biāo)流程2是卡爾曼濾波器的工作流程圖具體實施方法以下結(jié)合附圖對本發(fā)明所涉及的一種基于視頻圖像的多運動目標(biāo)跟蹤的方法的優(yōu)選實施例做詳細闡述，但本發(fā)明并不僅限于該實施例。為了使公眾對本發(fā)明有徹底的了解，在以下本發(fā)明的優(yōu)選實施例中詳細說明了具體細節(jié)。實施例1本發(fā)明所涉及的一種基于視頻的運動目標(biāo)跟蹤方法，其利用攝像頭跟蹤車輛在公路上行駛的過程，在視頻采集，形成序列圖像，目標(biāo)檢測，目標(biāo)跟蹤和數(shù)據(jù)管理中心的系統(tǒng)中起到目標(biāo)檢測和目標(biāo)跟蹤的作用，具有以下具體步驟:步驟Sl-Ol:通過攝像機獲取車輛行駛的視頻圖像，利用計算機建立背景更新模型，得到背景圖像。步驟S1-02:對視頻圖像進行前景分割，通過幀差法，將背景圖像與當(dāng)前幀圖像進行差分，從而分割出車輛行駛的目標(biāo)。步驟S1-03:檢測車輛行駛目標(biāo)，將視頻圖像中的車輛行駛目標(biāo)分割出來。步驟S1-04:
對于行駛中的車輛，建立顏色概率分布圖。步驟S1-05:初始化查找顏色概率分布圖中的概率分布峰值的搜索窗口。圖1為搜索窗口匹配目標(biāo)流程圖。如圖1所示，實現(xiàn)搜索窗口匹配目標(biāo)，具有以下步驟:步驟S1-501:計算Meanshift向量，初始化搜索窗口的位置和大小，Meanshift算法是一種密度函數(shù)梯度估計的非參數(shù)方法，即通過計算顏色概率分布圖中選取搜素床的大小和位置。步驟S1-3: 使用搜索窗口選擇視頻圖像中的分割出的行駛的車輛目標(biāo)。步驟S1-401:對于運動目標(biāo)區(qū)域矩形框內(nèi)的圖像進行彩色空間轉(zhuǎn)換，將RGB空間轉(zhuǎn)換到HSV空間。HSV彩色空間模型以人的顏色感覺為基礎(chǔ)，相比于RGB空間更接近于人們的經(jīng)驗和對彩色的感知，并且HSV模型中三個顏色分量之間不具有相關(guān)性，從而可以排除光照對于色度的影響。實際應(yīng)用中，默認的顏色空間是RGB模型，因此要先進行RGB空間到HSV空間的轉(zhuǎn)換，轉(zhuǎn)換公式如下:V=max (R, G, B)
權(quán)利要求
1.一種基于視頻圖像的多運動目標(biāo)跟蹤的方法，其特征在于，包括具體步驟如下:(1)通過視頻獲取設(shè)備獲取所述視頻圖像，建立背景圖像更新模型，得到背景圖像； (2)對所述視頻圖像進行前景分割，通過幀差法，將所述背景圖像與當(dāng)前幀圖像進行差分，從而分割出所述運動目標(biāo)； (3)檢測所述運動目標(biāo)，將視頻圖像中的所述運動目標(biāo)分割出來； (4)對于所述運動目標(biāo)建立顏色概率分布圖； (5)初始化查找所述顏色概率分布圖中的概率分布峰值的搜索窗口； (6)計算所述搜索窗口的質(zhì)心； (7)根據(jù)所述窗口的零階矩調(diào)整搜索窗口大小，自動調(diào)整所述運動目標(biāo)區(qū)域的大小，直到收斂區(qū)，所述收斂區(qū)即是所述運動目標(biāo)所在區(qū)域，移動窗口中心到所述質(zhì)心位置重合； (8)通過卡爾曼濾波器對下一幀圖像中的搜索窗口位置進行預(yù)測，形成預(yù)測范圍； (9)在所述預(yù)測范圍內(nèi)進行質(zhì)心匹配，跟蹤運動目標(biāo)。
2.根據(jù)權(quán)利要求1所述的多運動目標(biāo)跟蹤的方法，其特征在于: 其中，建立所述顏色概率分布圖包括如下步驟: (4.1)對于所述運動目標(biāo)區(qū)域矩形框內(nèi)的圖像進行彩色空間轉(zhuǎn)換，將RGB空間轉(zhuǎn)換到HSV空間； (4.2)統(tǒng)計所述運動目標(biāo)區(qū)域的顏色直方圖； (4.3)對所述圖像進行直方圖投影操作，將所述圖像轉(zhuǎn)換成顏色概率分布圖像，計算所述顏色概率分布。
3.根據(jù)權(quán)利要求1所述的多運動目標(biāo)跟蹤的方法，其特征在于: 其中，初始化所述搜索窗口包括以下步驟: (5.1)初始化所述搜索窗口的位置和大??； (5.2)設(shè)置所述搜索窗口的中心位置。
4.根據(jù)權(quán)利要求1所述的多運動目標(biāo)跟蹤的方法，其特征在于:其中，通過所述卡爾曼濾波器對下一幀圖像中的搜索窗口位置進行預(yù)測包括如下步驟: (8.1)參數(shù)初始化:所述參數(shù)初始化包括定義系統(tǒng)測量向量、轉(zhuǎn)移矩陣和測量矩陣，以及噪聲協(xié)方差矩陣； (8.2)狀態(tài)預(yù)測:在所述狀態(tài)向量初始化以后，所述卡爾曼濾波器進行所述預(yù)測，得到預(yù)測值，并其根據(jù)所述預(yù)測值在的區(qū)域內(nèi)進行匹配； (8.3)狀態(tài)校正:根據(jù)測量值對所述預(yù)測值進行校正，得到系統(tǒng)的最優(yōu)值，更新濾波器的所述參數(shù)。
5.根據(jù)權(quán)利要求1所述的多運動目標(biāo)跟蹤的方法，所述在預(yù)測范圍內(nèi)進行質(zhì)心匹配，其特征在于，包括: 利用所述卡爾曼濾波器對下一幀中的目標(biāo)出現(xiàn)位置進行預(yù)測，確定新的搜索窗口的位置，在所述搜索窗口內(nèi)進行質(zhì)心匹配，跟蹤所述運動目標(biāo)。
全文摘要
本發(fā)明公布了一種運動目標(biāo)跟蹤方法和系統(tǒng)，所述運動目標(biāo)跟蹤方法包括檢測運動目標(biāo)，將視頻圖像中的運動目標(biāo)分割出來；對于運動目標(biāo)，建立顏色概率分布圖；計算搜索窗口的質(zhì)心，并根據(jù)窗口零階矩調(diào)整搜索窗口大小；通過卡爾曼濾波器對下一幀圖像中的搜索窗口位置進行預(yù)測；在預(yù)測范圍內(nèi)進行質(zhì)心匹配，跟蹤目標(biāo)。本發(fā)明能夠很好的解決復(fù)雜背景下的運動目標(biāo)跟蹤問題，具有很好的實時性和魯棒性。
文檔編號G06T7/20GK103150740SQ20131010917
公開日2013年6月12日 申請日期2013年3月29日 優(yōu)先權(quán)日2013年3月29日
發(fā)明者奚傳立, 陳曉榮, 叢媛, 杜翠霞, 楊旭 申請人:上海理工大學(xué)