[0036] 第一融合單元用于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(shù)據(jù)；
[0037] 區(qū)域信息獲取單元用于獲取運動目標區(qū)域的區(qū)域信息；
[0038] 存儲單元用于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(shù)據(jù)一一對應(yīng) 存儲。
[0039] 優(yōu)選地，備選運動區(qū)域模塊包括第二特征碼獲取單元、第二哈希碼獲取單元以及 第二融合單元，其中，
[0040] 第二特征碼獲取單元用于對視頻后續(xù)各幀的備選運動區(qū)域內(nèi)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(yīng)的第二紋理特征碼、第二顏色特征碼以 及第二照度特征碼；
[0041] 第二哈希碼獲取單元用于根據(jù)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；
[0042] 第一融合單元用于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(shù)據(jù)。
[0043] 優(yōu)選地，相似度判斷模塊包括第一判斷單元和第二判斷單元，其中，
[0044] 第一判斷單元用于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(yù) 設(shè)的紋理閾值；
[0045] 第二判斷單元用于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(yù)設(shè)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(yù)設(shè)的照度閾值；
[0046] 若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(shù)據(jù)與第二哈希碼 數(shù)據(jù)的相似度大于閾值。
[0047] 優(yōu)選地，控制處理模塊還用于循環(huán)執(zhí)行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(jù)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(jié)束或者完成視頻運動目標跟蹤操作。
[0048] 實施本發(fā)明，通過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(shù)據(jù)，并將其作為初始化的運動目標模板，然后，對 后續(xù)視頻各幀根據(jù)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(shù)據(jù)，最后，若第一哈希碼數(shù)據(jù)與 第二哈希碼數(shù)據(jù)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(xiàn)的運動目標，并將歷史運動區(qū)域和新出現(xiàn)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(xiàn)的運動目標區(qū)域的哈希 碼數(shù)據(jù)更新運動目標模板。實現(xiàn)了以簡單高效的方式進行多運動目標的檢測和跟蹤操作， 同時，減少了多運動目標之間的影響，提高了多運動目標檢測和跟蹤的準確性。
【附圖說明】
[0049] 下面將結(jié)合附圖及實施例對本發(fā)明作進一步說明，附圖中：
[0050]圖1是本發(fā)明較佳實施例提出的視頻運動目標跟蹤方法流程圖；
[0051] 圖2是本發(fā)明第二實施例提供的視頻運動目標跟蹤方法流程圖；
[0052] 圖3是本發(fā)明第三實施例提供的視頻運動目標跟蹤方法流程圖；
[0053] 圖4是本發(fā)明第四實施例提供的視頻運動目標跟蹤方法流程圖；
[0054] 圖5是本發(fā)明第五實施例提供的視頻運動目標跟蹤方法流程圖；
[0055] 圖6是本發(fā)明第六實施例提供的視頻運動目標跟蹤裝置的結(jié)構(gòu)框圖。
【具體實施方式】
[0056] 為了使本發(fā)明所要解決的技術(shù)問題、技術(shù)方案及有益效果更加清楚、明白，以下結(jié) 合附圖和實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅 用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0057]實施例一
[0058] 圖1是本發(fā)明較佳實施例提出的視頻運動目標跟蹤方法流程圖。該方法包括：
[0059] S1，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(shù)據(jù)，并將其作為初始化的運動目標模板。
[0060] 在視頻數(shù)據(jù)流中檢測并確定運動目標區(qū)域，其中，運動目標區(qū)域指的是運動目標 檢測后得到的包括所有被視為運動目標點的區(qū)域，一般以運動目標點集合的外接矩形來表 不0
[0061] 運動目標檢測則是指將視頻中運動的物體通過一定的技術(shù)手段檢測出來，該技術(shù) 手段是現(xiàn)有的幀差法，該方法是將當前幀圖像與前一幀圖像相減，相減后的值的絕對值大 于固定閾值的點則可以視為運動目標區(qū)域的點。由此，視為運動目標區(qū)域的點的集合則作 為運動目標區(qū)域。
[0062] 根據(jù)運動目標區(qū)域內(nèi)的第一哈希碼數(shù)據(jù)生成初始化的運動目標模板，具體地，首 先，對運動目標區(qū)域執(zhí)行多感知哈希特征提取操作和哈希碼獲取操作，其中，感知指的是與 人類感覺和知覺相關(guān)的信息，而感知哈希特征則是指與人類感覺和知覺相關(guān)的特征，而哈 希指的是將上述特征量化的過程，即將感知相關(guān)的特征用固定位數(shù)的二進制碼表示，該二 進制碼串被稱為哈希碼。而多感知哈希特征，是指多個不同感知哈希特征。例如，顏色特征、 紋理特征、亮度特征等均可以視作不同感知哈希特征。然后，根據(jù)提取的第一哈希碼數(shù)據(jù)生 成初始化的運動目標模板，可以理解為，該運動目標模板即是對該運動目標區(qū)域進行感知 哈希特征提取，并進行哈希量化操作后所得到的哈希碼串，例如，對該目標區(qū)域執(zhí)行紋理感 知哈希特征提取操作、顏色感知哈希特征提取操作以及亮度感知哈希特征提取操作，并在 上述提取操作的基礎(chǔ)上經(jīng)量化操作后，獲得紋理感知哈希碼串、顏色感知哈希碼串以及亮 度感知哈希碼串，該運動目標區(qū)域的運動目標模板即由紋理感知哈希碼串、顏色感知哈希 碼串以及亮度感知哈希碼串融合形成。
[0063] 具體地，按如下方式獲取運動目標區(qū)域：
[0064] 首先，輸入待檢測的視頻數(shù)據(jù)流；
[0065] 然后，平滑、備選運動目標區(qū)域分割（備選運動目標區(qū)域?qū)⒃诓襟ES2中說明）；
[0066] 其中，平滑優(yōu)選高斯平滑；
[0067] 備選運動目標區(qū)域分割采用文獻（J. Sun, W Zhang, X Tang, et al. 2006-Background cut. ECCV, pp. 628-641) 中的方法幀差法實現(xiàn)，形態(tài)學(xué)操作優(yōu)選兩個腐蝕兩次 膨脹；
[0068] 然后，執(zhí)行運動目標區(qū)域的提取操作，在該操作步驟中可采用陰影抑制方 法，該方法米用文獻(Cucchiara R, Grana C, Piccardi M, et al. Improving shadow suppression in moving object detection with HSV colorinformation[C]. Intelligent Transportation Systems, 2001. Proceedings. 2001IEEE. IEEE, 2001:334-339.)中基于 HSV 色彩空間的陰影抑制方法，背景抑制方法則采用邊緣輪廓面積比來抑制，至此得到運動目 標區(qū)域。
[0069] 具體地，按如下方式獲取初始化的運動目標模板：
[0070] 執(zhí)行模板初始化操