本發(fā)明涉及運動目標監(jiān)控領域，具體涉及到一種復雜背景下的運動目標追蹤方法。
背景技術：
：目前，典型的運動目標跟蹤定位方法有光流法、幀差法、粒子濾波法、Kalman濾波及Meanshift法等。其中，光流法與幀差法是基于物體的運動信息進行跟蹤的，它們能同時跟蹤所有前景目標，但無法實現(xiàn)目標選擇性跟蹤(只能跟蹤全部的前景物體而無法針對具體運動目標)，且兩種方法都極易受到背景變動的干擾；粒子濾波法則需要足夠的粒子數(shù)目以保證方法的魯棒性，這極大的增加了跟蹤過程中的計算量；Kalman濾波法需要結合觀測值得到最優(yōu)更新，需要與其他方法聯(lián)合使用，因此在自適應跟蹤過程中通常作為輔助方法。Meanshift方法作為一種基于密度梯度的無參數(shù)估計跟蹤方法，以其計算速度快、實時性好等特點得到了廣泛的研究與應用，成為當前適用性最強的運動目標追蹤方法。然而，傳統(tǒng)的Meanshift方法是通過運動目標模型的色調特征這種單一約束條件來實現(xiàn)對運動目標的跟蹤，當其應用于復雜背景下運動目標追蹤過程中時，尤其當跟蹤目標與背景的色調信息相近或者相同時，通常會由于背景區(qū)域與追蹤目標區(qū)域具有過多相似的色調信息而造成跟蹤目標丟失。技術實現(xiàn)要素：本發(fā)明針對以上問題，提出了一種復雜背景下的運動目標追蹤方法。首先通過基于光流法獲得Meanshift搜索窗口區(qū)域中的特征點信息；然后再根據Kalman濾波中的速度預估值剔除背景特征點信息，構建僅考慮待跟蹤目標特征點的空間約束條件。最后將求得的空間約束結合傳統(tǒng)Meanshift方法中的顏色約束，得到改進的反投影直方圖，并將改進的反投影直方圖作為Meanshift的概率密度圖進行迭代，從而完成復雜背景下運動目標跟蹤的過程。為了解決上述技術問題，本發(fā)明提出以下技術方案：一種復雜背景下的運動目標追蹤方法，包括以下步驟：步驟1：提取追蹤目標的色調信息，包括：步驟1.1：在跟蹤開始時，在初始幀中需通過機器或人工的方式輔助框選運動目標初始追蹤窗口W1，并要求W1能將運動目標完全包含在窗內且窗口大小盡量與目標在初始幀圖像中的大小相等；步驟1.2：在后續(xù)跟蹤的過程中，應用前一幀(設為k-1幀)中的運動目標窗口Wk-1“覆蓋”在第k幀圖像中的同樣位置，并在“覆蓋”位置處統(tǒng)計窗口內的色調直方圖；步驟1.3：基于統(tǒng)計出的色調直方圖對第k幀圖像反投影，生成反投影圖以尋找第k幀圖像中與Wk-1色調信息相似的物體，將這些色調信息相似的物體標記為1，色調信息不相似的物體標記為0；步驟2：追蹤目標的特征點信息提取，包括：步驟2.1：通過Kalman濾波預估第k幀目標追蹤窗口的位置，并根據與Wk-1的相對位置以計算并預估追蹤目標的位移、速度等參數(shù)；再根據預估參數(shù)擴展第k幀中的目標追蹤窗口Wk-1，獲得第k幀中被擴展目標的追蹤窗口步驟2.2：進一步提取中目標角點、邊緣點等強特征點，標記為1，并將剩余的追蹤目標特征點通過二值化、膨脹處理等方式以生成追蹤目標特征點信息圖步驟3：復雜背景下的運動目標追蹤，包括：步驟3.1：將步驟1中的色調反投影圖與步驟2中的特征點信息圖做邏輯與運算，結果使兩圖中同標記為1的像素點標記值仍為1，其余像素點標記為0，則生成了新的反投影圖；步驟3.2：根據新的反投影圖對目標追蹤窗口Wk-1進行Meanshift迭代，直至目標追蹤窗口Wk-1運動至完全捕捉到追蹤目標的位置，此時的目標追蹤窗口即為第k幀中Kalman濾波的觀測窗口將預估窗口與觀測窗口根據一定的權重進行融合，即可得到Kalman濾波的狀態(tài)窗口，即第k幀中的目標追蹤窗口Wk；步驟3.3：將第k幀目標追蹤窗口Wk應用于第k+1幀的目標追蹤過程中，重復步驟1至步驟3，依此類推，直至追蹤視頻結束。步驟1具體還包括以下步驟：1)在計算目標追蹤窗口內的色調直方圖的過程中，為防止變化光照的干擾，只統(tǒng)計窗口內飽和度值大于65且亮度值處于[50255]區(qū)間的像素點的色調值；2)為了使色調直方圖的面積和為1，需對色調直方圖進行歸一化處理。步驟2具體還包括以下步驟：1)選取追蹤目標的位移、速度參數(shù)作為Kalman濾波的輸出參數(shù)，而由于當前幀的目標追蹤窗口W完全包含追蹤目標做整體平動，故可以以追蹤窗口W中心點P的位移、速度表示追蹤目標的位移、速度；2)Kalman濾波通過預估的第k幀(目標追蹤窗口Wk)中心點Pk′的位移、速度參數(shù)以及觀測的第k幀(目標追蹤窗口)中心點P″的位移、速度參數(shù)相融合以求取最終第k幀(目標追蹤窗口Wk)中心點Pk的位移、速度參數(shù)Xk＝(xk,yk,υkx,υky)，其中xk,yk,υkx,υky分別表示Pk橫、縱坐標方向的位移及速度；3)Kalman濾波通過第k-1幀中心點Pk-1的位移、速度參數(shù)以修正Kalman濾波內部的運動模型，再通過此修正過的運動模型以預估第k幀預估的中心點Pk′的位移、速度參數(shù)。其中，令勻速直線運動模型為Kalman濾波初始幀中的運動模型；初始幀中Kalman濾波的位移、速度參數(shù)為X1＝(0,0,υx1,υy1)，υx1與υy1由人工選定；4)由于第k幀中追蹤目標的位置發(fā)生了變化，故第k-1幀中的目標追蹤窗口Wk-1應用在第k幀中時，很可能無法完全包含整個追蹤目標。故為了使目標追蹤窗口Wk-1能夠完全包含追蹤目標，就需要根據公式(1)對其進行擴展：Wk-1Gx=Wk-1x-2|υkx|Wk-1Gy=Wk-1y-2|υky|Wk-1GM=Wk-1M+2|υkx|Wk-1GN=Wk-1N+2|υky|---(1)]]>其中，為Wk-1的擴展窗口，分別為第k幀中擴展窗口左上角的坐標以及其寬度、高度，(Wk-1x,Wk-1y)、Wk-1M、Wk-1N分別為Wk-1左上角的坐標以及其寬度、高度；5)求取在第k-1幀中檢測窗口所得到的特征點以及在第k幀中檢測窗口所得到的特征點，通過光流法對這兩幀中的特征點進行匹配，以找出相匹配的特征點；6)由于背景特征點與追蹤目標特征點的速度不同，又已知Kalman濾波預估的追蹤目標速度參數(shù)，故可根據公式(2)排除第k幀中窗口的背景特征點：2|υkx|>p[k,i,x]-p[k-1,i,x]>υkx/22|υky|>p[k,i,y]-p[k-1,i,y]>υky/2---(2)]]>其中，p[k-1,i,x]與p[k-1,i,y]分別表示第k-1幀中第i個目標特征點的橫、縱坐標值，p[k,i,x]與p[k,i,y]分別表示第k幀中第i個目標特征點的橫、縱坐標值。公式(2)在初始幀之后才開始運行。步驟3具體還包括以下步驟：在對目標追蹤窗口Wk-1進行Meanshift迭代以生成第k幀中Kalman濾波的觀測窗口的過程中，為了防止Meanshift方法出現(xiàn)較大誤差導致生成的觀測窗口最終跟丟追蹤目標，需使窗口滿足公式(3)：if(W^kx-Wk-1x)2+(W^ky-Wk-1y)2≥10(υkx+υky)W^kx=Wk-1x+υkx,W^ky=Wk-1y+υkxelseW^kx=W^kx,W^ky=W^ky---(3)]]>本發(fā)明有如下有益效果：1、提出并實現(xiàn)了一種跟蹤目標與背景色調信息相近或相同情況下的運動目標追蹤方法。2、為了排除與追蹤目標顏色信息相同的背景區(qū)域的干擾，在傳統(tǒng)的Meanshift方法以顏色約束為主的運動目標追蹤方法中添加了特征點約束，使追蹤方法魯棒性更強，能夠更加穩(wěn)定、精確的定位追蹤目標。3、在特征點約束中應用了Kalman濾波的預估功能以排除大部分背景特征點的干擾。附圖說明圖1是本發(fā)明的方法流程圖。圖2是傳統(tǒng)Meanshift方法的跟蹤效果圖。圖3是本發(fā)明復雜背景下運動目標追蹤方法的跟蹤效果圖。具體實施方式下面結合附圖對本發(fā)明的實施方式做進一步的說明。如圖2、圖3分別為傳統(tǒng)Meanshift方法以及本發(fā)明復雜背景下運動目標追蹤方法的跟蹤效果圖，故以圖2、圖3為例對本發(fā)明的具體跟蹤步驟進行說明：步驟1：在第150幀(初始幀)中通過機器或人工的方式選取目標追蹤窗口W150以將追蹤目標完全包含；步驟2：在第151幀中的追蹤目標相對于第150幀中的同一目標位置發(fā)生了變化，故目標追蹤窗口W150可能無法完全包含此時的追蹤目標，此時需要采用Meanshift方法使目標追蹤窗口W150進行迭代移動直至其完全包含追蹤目標。當目標追蹤窗口W150完全包含追蹤目標時，其更新為W151。Meanshift方法計算第151幀中目標追蹤窗口W150內的色調直方圖，并通過色調直方圖反投影整個第151幀圖像，以尋找整個第151幀圖像中與目標追蹤窗口區(qū)域W150色調信息相似的物體，將這些色調信息相似的物體標記為1，色調信息不相似的物體標記為0，生成反投影圖(如圖2.a所示)，再根據反投影圖使目標追蹤窗口W150的中心與追蹤目標的質心保持一致。本發(fā)明的方法也應用了傳統(tǒng)Meanshift方法的色調約束，并且為了排除與追蹤目標顏色信息相同的背景區(qū)域的干擾，在之后的步驟中添加了特征點約束；步驟3：在本方法中引入Kalman濾波方法以預估第151幀中目標追蹤預估窗口的位置，其中，目標追蹤預估窗口的位置可以通過其中心點P′151相對于中心點P150的位移、速度參數(shù)以代替。Kalman濾波通過第150幀中目標追蹤窗口W150中心點P150的位移、速度參數(shù)以修正Kalman濾波內部的運動模型，再通過此修正過的運動模型以預估第151幀中目標追蹤預估窗口中心點P′151的位移、速度參數(shù)。其中，由于第150幀是初始幀，故其Kalman濾波運動模型為勻速直線運動模型；初始幀中Kalman濾波的位移、速度參數(shù)為X150＝(0,0,υx150,υy150)。通過第0-150幀對追蹤目標的觀測，令υx150＝0.5m/s，υy150＝0；步驟4：為了求取第151幀中追蹤目標的特征點信息，就需要目標追蹤窗口能夠完全包含追蹤目標，而由步驟2中的陳述可知：在第151幀中的追蹤目標相對于第150幀中的同一目標位置發(fā)生了變化，故目標追蹤窗口W150可能無法完全包含此時的追蹤目標。此時就需要通過Kalman濾波預估的位移、速度參數(shù)對目標追蹤窗口W150進行擴展，使之能夠完全包含第151幀中的追蹤目標。計算得預估中心點P′151的位移、速度參數(shù)為X′151＝(x151,y151,υ151x,υ151y)＝(0.5,0,0.5,0)，為了使目標追蹤窗口W150能夠完全包含第151幀中的追蹤目標，將X′151代入公式(1)中以對目標追蹤窗口W150進行擴展：Wk-1Gx=Wk-1x-2|υkx|Wk-1Gy=Wk-1y-2|υky|Wk-1GM=Wk-1M+2|υkx|Wk-1GN=Wk-1N+2|υky|---(1)]]>其中，為Wk-1的擴展窗口，分別為第151幀中擴展窗口左上角的坐標以及其寬度、高度；(Wk-1x,Wk-1y)、Wk-1M、Wk-1N分別為第150幀中目標追蹤窗口左上角的坐標以及其寬度、高度；此時的擴展窗口已完全包含了第151幀中的追蹤目標。實際上，通過公式(1)求得的擴展窗口要遠大于窗口W150和窗口W151。求取在第150幀中檢測窗口(由于第150幀為初始幀，故)所得到的特征點以及在第151幀中檢測窗口所得到的特征點，通過光流法對這兩幀中的特征點進行匹配，以找出相匹配的特征點，并將這些特征點標記為1，其余像素標記為0。由于背景特征點與追蹤目標特征點的速度不同，又已知Kalman濾波預估的中心點P′151的位移、速度參數(shù)，故可根據公式(2)排除第151幀中窗口中的背景特征點：2|υkx|>p[k,i,x]-p[k-1,i,x]>υkx/22|υky|>p[k,i,y]-p[k-1,i,y]>υky/2---(2)]]>其中，p[k-1,i,x]與p[k-1,i,y]分別表示第150幀中第i個目標特征點的橫、縱坐標值，p[k,i,x]與p[k,i,y]分別表示第151幀中第i個目標特征點的橫、縱坐標值。將排除背景特征點后剩余的追蹤目標特征點通過二值化、膨脹處理等方式生成追蹤目標特征點信息圖；步驟5：結合步驟2中的色調反投影圖與步驟2中的特征點信息圖做邏輯與運算，即令兩圖中同標記為1的像素點標記值不變，即仍舊標記為1，其余像素點標記為0，以此生成新的反投影圖(如圖3.a所示)。根據新的反投影圖對目標追蹤窗口W150進行Meanshift迭代，直至目標追蹤窗口W150運動至完全捕捉到追蹤目標的位置，此時的目標追蹤窗口W150即為第151幀中Kalman濾波的觀測窗口將預估窗口與觀測窗口根據一定的權重進行融合，即可得到Kalman濾波的狀態(tài)窗口，亦即第151幀中的目標追蹤窗口W151。在對目標追蹤窗口W150進行Meanshift迭代以生成第151幀中Kalman濾波的觀測窗口的過程中，為了防止Meanshift方法出現(xiàn)較大誤差導致生成的觀測窗口最終跟丟追蹤目標，需使窗口滿足公式(3)：if(W^kx-Wk-1x)2+(W^ky-Wk-1y)2≥10(υkx+υky)W^kx=Wk-1x+υkx,W^ky=Wk-1y+υkxelseW^kx=W^kx,W^ky=W^ky---(3)]]>此時公式(3)中的即為將第151幀目標追蹤窗口W151應用于第152幀的目標追蹤過程中，重復步驟1至步驟5，直至追蹤視頻結束。通過上述的說明內容，本領域技術人員完全可以在不偏離本項發(fā)明技術思想的范圍內，進行多樣的變更以及修改都在本發(fā)明的保護范圍之內。本發(fā)明的未盡事宜，屬于本領域技術人員的公知常識。當前第1頁1 2 3