一種視頻運動目標跟蹤方法及裝置的制造方法
【技術領域】
[0001] 本發(fā)明涉及視頻圖像處理領域，尤其涉及一種視頻運動目標跟蹤方法及裝置。
【背景技術】
[0002] 現有技術中，采用傳統(tǒng)的人工監(jiān)控方式不能滿足全天候的監(jiān)控值守需求，而且由 于人生理結構特征的局限，并不能對所有的可疑目標和行為給予相應的動作，因此，采用傳 統(tǒng)的人工監(jiān)控方式不僅浪費人力財力，而且還不能達到一定的效率。由此，視頻運動目標跟 蹤技術應運而生，其代替人工監(jiān)控值守，以實現全天候無間歇的監(jiān)控，并能保持較高的跟蹤 效率。同時，視頻運動目標跟蹤技術作為行為分析技術的基礎，只有在精確地完成目標跟蹤 的情況下，才能對目標的行為進行有效的分析。
[0003] 在現有的視頻運動目標跟蹤技術中，多運動目標的跟蹤方法是視頻運動目標檢測 與跟蹤技術中較為重要的部分，該技術通過對圖像序列進行分析處理，得到準確的運動目 標區(qū)域并獲得準確的運動目標序列。其中，Meanshift算法是目前應用于運動目標跟蹤較 為常見的算法，該算法通過對目標圖像顏色信息的反向投影圖像（概率密度圖像）計算其 Meanshift向量，通過梯度上升算法不斷迭代Meanshift向量，達到跟蹤指定運動目標的目 的。該方法的算法復雜度不高，基本能夠實現跟蹤需求，但是，存在的缺點是，僅僅利用顏色 特征，容易由于背景干擾而出現目標跟錯或者由于運動目標速度過快而出現目標丟失的情 況。
[0004] 為解決上述技術問題，現有的解決方案是，使用Meanshift算法跟蹤目標，并通過 窗口零階矩調整窗口大小，使用卡爾曼濾波對運動區(qū)域進行預測。該方法雖然在于對運動 目標的初始區(qū)域的預測減少了迭代次數，并能動態(tài)調整目標的大小，但存在在目標部分遮 擋時卡爾曼濾波預測的位置會出現偏差導致目標跟錯，而且在運動目標存在陰影時不能排 除陰影影響的缺陷。

【發(fā)明內容】

[0005] 有鑒于此，本發(fā)明要解決的技術問題是提供一種視頻運動目標跟蹤方法及裝置， 以解決現有的視頻運動目標跟蹤技術中，容易出現目標跟錯、目標丟失等目標跟蹤不夠準 確的缺陷。
[0006] 本發(fā)明解決上述技術問題所采用的技術方案如下：
[0007] 構造一種視頻運動目標跟蹤方法，該方法包括：
[0008] 對視頻首幀進行檢測并確定運動目標區(qū)域，對運動目標區(qū)域進行哈希碼特征的提 取，得到第一哈希碼數據，并將其作為初始化的運動目標模板；
[0009] 對后續(xù)視頻各幀根據運動目標區(qū)域確定備選運動區(qū)域，對備選運動區(qū)域進行哈希 碼特征提取，并將提取的多特征的哈希碼進行融合得到第二哈希碼數據；
[0010] 判斷第一哈希碼數據與第二哈希碼數據的相似度是否大于預設閾值；
[0011] 若第一哈希碼數據與第二哈希碼數據的相似度是大于閾值，則認為該備選運動區(qū) 域為歷史運動區(qū)域，對歷史運動區(qū)域執(zhí)行迭代匹配操作；否則，確定新出現的運動目標，并 將歷史運動區(qū)域和新出現的運動目標的區(qū)域在當前幀中標注，用歷史運動目標區(qū)域和新出 現的運動目標區(qū)域的哈希碼數據更新運動目標模板。
[0012] 優(yōu)選地，對視頻首幀進行檢測并確定運動目標區(qū)域，對運動目標區(qū)域進行哈希碼 特征的提取，得到第一哈希碼數據，并將其作為初始化的運動目標模板具體包括：
[0013] 對視頻首幀的運動目標區(qū)域內執(zhí)行進行紋理、顏色與照度感知操作和哈希特征的 提取操作，得到相應的第一紋理特征碼、第一顏色特征碼以及第一照度特征碼；
[0014] 根據第一紋理特征碼、第一顏色特征碼以及所第一照度特征碼分別得到第一紋理 哈希碼、第一顏色哈希碼以及第一照度哈希碼；
[0015] 融合第一紋理哈希碼、第一顏色哈希碼以及第一照度哈希碼，得到第一哈希碼數 據；
[0016] 獲取運動目標區(qū)域的區(qū)域信息；
[0017] 將屬于同一運動目標區(qū)域的區(qū)域信息和第一哈希碼數據一一對應存儲。
[0018] 優(yōu)選地，對后續(xù)視頻各幀根據運動目標區(qū)域確定備選運動區(qū)域，對備選運動區(qū)域 進行哈希碼特征提取，并將提取的多特征的哈希碼進行融合得到第二哈希碼數據具體包 括：
[0019] 對后續(xù)視頻各幀的運動目標區(qū)域內執(zhí)行進行紋理、顏色與照度感知操作和哈希特 征的提取操作，得到相應的第二紋理特征碼、第二顏色特征碼以及第二照度特征碼；
[0020] 根據第二紋理特征碼、第二顏色特征碼以及第二照度特征碼分別得到第二紋理哈 希碼、第二顏色哈希碼以及第二照度哈希碼；
[0021] 融合第二紋理哈希碼、第二顏色哈希碼以及第二照度哈希碼，得到第二哈希碼數 據。
[0022] 優(yōu)選地，判斷第一哈希碼數據與第二哈希碼數據的相似度是否大于預設閾值具體 包括：
[0023] 判斷第一紋理哈希碼與第二紋理哈希碼的相似度是否大于預設的紋理閾值；
[0024] 若第一紋理哈希碼與第二紋理哈希碼的相似度大于紋理閾值，則判斷第一顏色哈 希碼與第二顏色哈希碼的相似度是否大于預設的顏色閾值，以及第一照度哈希碼與第二照 度哈希碼的相似度是否大于預設的照度閾值；
[0025] 若所第一顏色照度哈希碼與第二顏色照度哈希碼的相似度大于顏色閾值，且第一 照度哈希碼與第二照度哈希碼的相似度大于照度閾值，則確定第一哈希碼數據與第二哈希 碼數據的相似度大于閾值。
[0026] 優(yōu)選地，本方法還包括：
[0027] 循環(huán)執(zhí)行以下操作，將更新后的運動目標模板作為當前幀的運動目標模板，并根 據當前幀的運動目標模板對當前幀的下一幀執(zhí)行視頻運動目標跟蹤操作，至視頻結束或者 完成視頻運動目標跟蹤操作。
[0028] 本發(fā)明還提出了一種視頻運動目標跟蹤裝置，該裝置包括：
[0029] 運動目標區(qū)域模塊，用于對視頻首幀進行檢測并確定運動目標區(qū)域，對運動目標 區(qū)域進行哈希碼特征的提取，得到第一哈希碼數據，并將其作為初始化的運動目標模板；
[0030] 備選運動區(qū)域模塊，用于對后續(xù)視頻各幀根據運動目標區(qū)域確定備選運動區(qū)域， 對備選運動區(qū)域進行哈希碼特征提取，并將提取的多特征的哈希碼進行融合得到第二哈希 碼數據；
[0031] 相似度判斷模塊，用于判斷第一哈希碼數據與第二哈希碼數據的相似度是否大于 預設閾值；
[0032] 控制處理模塊，用于若第一哈希碼數據與第二哈希碼數據的相似度是大于閾值， 則認為該備選運動區(qū)域為歷史運動區(qū)域，對歷史運動區(qū)域執(zhí)行迭代匹配操作；否則，確定新 出現的運動目標，并將歷史運動區(qū)域和新出現的運動目標的區(qū)域在當前幀中標注，并用歷 史運動目標區(qū)域和新出現的運動目標區(qū)域的哈希碼數據更新運動目標模板。
[0033] 優(yōu)選地，運動目標區(qū)域模塊包括第一特征碼獲取單元、第一哈希碼獲取單元、第一 融合單元、區(qū)域信息獲取單元以及存儲單元，其中，
[0034] 第一特征碼獲取單元用于對視頻首幀的運動目標區(qū)域內執(zhí)行進行紋理、顏色與照 度感知操作和哈希特征的提取操作，得到相應的第一紋理特征碼、第一顏色特征碼以及第 一照度特征碼；
[0035] 第一哈希碼獲取單元用于根據第一紋理特征碼、第一顏色特征碼以及第一照度特 征碼分別得到第一紋理哈希碼、第一顏色哈希碼以及第一照度哈希碼；