5]I)根據(jù)不同的場景，用戶不同的需求，選擇不同的球機控制策略進行設(shè)置；
[0086]2)設(shè)置最小球機跟蹤時間為T0，最大跟蹤時間為Tl，一般設(shè)置TO為3秒，Tl為6秒；
[0087]3)基于警戒區(qū)域:將槍機畫面分割為多個不同警戒級別的閉合區(qū)域，當目標出現(xiàn)在警戒級別較高的區(qū)域時，球機優(yōu)先跟蹤；
[0088]4)基于目標的運動速度和方向:速度快的目標，球機優(yōu)先跟蹤，出現(xiàn)某一個指定運動方向的目標，球機優(yōu)先跟蹤；
[0089]5)基于目標出現(xiàn)的時間:先出現(xiàn)的目標優(yōu)先跟蹤。
[0090]6)基于中心位置:目標離中心位置越近，球機優(yōu)先跟蹤；
[0091]7)基于目標切換的最短路徑:目標位置距離當前球機位置越近，球機優(yōu)先跟蹤。
[0092]本發(fā)明所述用于球機控制策略的多目標檢測跟蹤方法，為球機控制策略提供基礎(chǔ)的輸出，包括當前目標個數(shù)、位置、運動信息和狀態(tài)信息等。而球機控制策略則通過本發(fā)明所得到的信息，根據(jù)策略的不同，實時選擇某一個目標作為球機跟蹤的對象。本發(fā)明作為球機控制策略的基礎(chǔ)，其提供目標信息的穩(wěn)定性，準確性直接影響到球機控制的精度以及準度，而球機控制算法則應(yīng)用多目標檢測跟蹤算法的輸出，提供給用戶自動控制球機，捕獲有效目標的可能。
[0093]以上僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍內(nèi)。
【主權(quán)項】
1.一種用于球機控制策略的多目標檢測跟蹤方法，其特征在于，包括以下步驟: Al:對獲得的槍機視頻圖像數(shù)據(jù)進行預(yù)處理，首先將圖像縮小，然后對縮小后的圖像進行去噪處理； A2:取出預(yù)處理后的圖像，如果取得第I幀圖像，則對第I幀圖像進行進行背景模型初始化和多目標檢測跟蹤算法初始化，然后跳轉(zhuǎn)至步驟Al并查找下一幀圖像，如果取得第[2，N]幀圖像，則繼續(xù)執(zhí)行步驟A3 ； A3:對于第[2，N]幀圖像進行前景點檢測，并且更新背景模型； A4:采用形態(tài)學(xué)的開操作對獲得的前景點圖像進行去噪處理，核尺寸大小為5x5，然后采用形態(tài)學(xué)的閉操作將距離比較近的前景點圖像連到一起； A5:聯(lián)通區(qū)域分析，對前景點圖像進行聯(lián)通區(qū)域算法操作，將離散的前景點圖像合并為聯(lián)通的區(qū)域圖像； A6:計算目標特征，包括計算每個聯(lián)通區(qū)域圖像的面積和質(zhì)心點坐標，并統(tǒng)計每個聯(lián)通區(qū)域圖像的顏色直方圖，通過設(shè)置最小及最大面積閾值，過濾過大或過小的目標； A7:計算之前幀圖像與當前幀圖像所有目標的特征相似性，包括面積相似性、顏色直方圖相似性、重合面積比例和運動估計； AS:多特征相似性融合，利用多特征融合算法將步驟A7中得到的四個特征相似性歸一化為統(tǒng)一值； A9:基于全局的最優(yōu)匹配，通過歸一化后的特征值，尋找之前幀圖像與當前幀圖像之間所有目標的最佳匹配對，并通過重合面積比例特征，對合并及分離事件進行估計，在去除分離與合并后的目標后，對剩余的目標采用匈牙利算法進行全局最優(yōu)匹配； AlO:將合并與分離事件的ID進行重新整理和分配； All:當目標部分或者全部被遮擋后，重新找回目標ID; A12:狀態(tài)更新，將目標的狀態(tài)分為初始化狀態(tài)、正常跟蹤狀態(tài)、丟失狀態(tài)和消失狀態(tài)四類，初始化狀態(tài)通過目標穩(wěn)定進行判定，當目標在某一時段足夠穩(wěn)定，則目標進行正常跟蹤狀態(tài)，當正常跟蹤狀態(tài)下的目標突然丟失，則進入丟失狀態(tài)，在丟失狀態(tài)下維持T秒時間內(nèi)，仍然沒有找回，則進入消失狀態(tài)，此時刪除目標ID，認為目標已經(jīng)離開此場景； A13:目標特征更新，將當前幀圖像所有目標的特征更新后跳轉(zhuǎn)至步驟Al。
2.根據(jù)權(quán)利要求1所述的用于球機控制策略的多目標檢測跟蹤方法，其特征在于:步驟Al中縮小后的輸入圖像尺寸為1080P，輸出圖像尺寸為D1。
3.根據(jù)權(quán)利要求1所述的用于球機控制策略的多目標檢測跟蹤方法，其特征在于:步驟Al中是采用核大小為3x3尺寸的均值濾波器對縮小后的圖像進行去噪處理。
4.根據(jù)權(quán)利要求1所述的用于球機控制策略的多目標檢測跟蹤方法，其特征在于:步驟A4中的操作可以重復(fù)多次，可以根據(jù)具體的應(yīng)用場景，采用不同大小的核尺寸。
5.根據(jù)權(quán)利要求1所述的用于球機控制策略的多目標檢測跟蹤方法，其特征在于:步驟A5中的聯(lián)通區(qū)域算法采用8-聯(lián)通區(qū)域算法，同時生成每個聯(lián)通區(qū)域唯一標識的mask圖像。
6.根據(jù)權(quán)利要求1所述的用于球機控制策略的多目標檢測跟蹤方法，其特征在于: 所述面積相似性:l_(AreaO/Areal)，值越小，說明面積越相似，AreaO為之前幀某個目標的面積，Areal為當前幀某個目標的面積； 所述顏色直方圖相似性:計算兩個直方圖的巴氏距離d(Hl，H2)作為度量直方圖相似度的對比標準，取值范圍為[O，I]，值越小，說明兩個直方圖越相似； 所述重合面積比例:計算當前幀每個目標是否與之前幀每個目標有重合，如果有重合，則計算具體的重合面積與之前幀面積比例； 所述運動估計:采用最小二乘法擬合直線，通過直線方程預(yù)測目標運動在將來的第N幀圖像目標的位置點。
7.根據(jù)權(quán)利要求1所述的用于球機控制策略的多目標檢測跟蹤方法，其特征在于:步驟AS中歸一化的方式通過設(shè)置每個特征的權(quán)重進行，權(quán)重參數(shù)的設(shè)置采用自適應(yīng)的方式獲得，通過估計在某個時間段內(nèi)某個特征的穩(wěn)定性來動態(tài)調(diào)整其對應(yīng)的權(quán)重值，某個特征越穩(wěn)定，其權(quán)重值越高，否則相反，通過這種方式，可以動態(tài)的調(diào)整每個特征在全局分配的過程中所起到的作用。
8.根據(jù)權(quán)利要求1所述的用于球機控制策略的多目標檢測跟蹤方法，其特征在于:步驟AlO中提到的合并事件相對簡單，新建多目標對象，同時保存每個子目標的數(shù)據(jù)關(guān)聯(lián)，分離事件相對復(fù)雜，需要對目標ID進行重新分配，采用的準則如下: B1:如果分離之前的多目標對象所包含的子目標個數(shù)小于等于當前分離出來的目標個數(shù)，則將分離之前的多目標最像所包含的所有子目標與分離出來的目標進行匹配； B2:如果分離之前的多目標對象所包含的子目標個數(shù)大于當前分離出來的目標個數(shù)，則:如果分離出來的目標等于2，則認為其中一個目標與分離之前的多目標對象所包含的其中一個目標匹配，另外一個目標與剩余所有目標匹配，如果不等于2，則刪除多個目標，重新對當前分離出的目標進行初始化。
9.根據(jù)權(quán)利要求1所述的用于球機控制策略的多目標檢測跟蹤方法，其特征在于:步驟A12中T的值介于3-5之間。
【專利摘要】本發(fā)明公開了一種用于球機控制策略的多目標檢測跟蹤方法，主要包括對獲得的槍機視頻圖像數(shù)據(jù)進行預(yù)處理、去除多余幀圖像、對于第[2，N]幀圖像進行前景點檢測、背景模型更新、聯(lián)通區(qū)域分析、計算目標特征、計算比較相鄰幀目標相似性、多特征相似性融合、最優(yōu)匹配、目標找回、狀態(tài)更新和目標特征更新。本發(fā)明可以提高目標跟蹤的準確性；可以很好的處理分離以及合并事件，以及對發(fā)生此事件相關(guān)的目標ID重新找回；可以有效的提升相似性精度，使得在匹配的過程中精度提升，大大的提升了匹配準度，降低錯匹配率；對合并分離后的目標的ID重新找回更加準確；算法實時性高，運行效率非常高，并且占用內(nèi)存較少，適合前端嵌入式環(huán)境下實現(xiàn)。
【IPC分類】G06T7-00, G06T7-20
【公開號】CN104794731
【申請?zhí)枴緾N201510239403
【發(fā)明人】鄒剛, 蔣濤
【申請人】成都新舟銳視科技有限公司
【公開日】2015年7月22日
【申請日】2015年5月12日