一種基于復(fù)雜環(huán)境的目標(biāo)智能跟蹤方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及視頻監(jiān)控領(lǐng)域，特別是涉及一種基于復(fù)雜環(huán)境的目標(biāo)智能跟蹤方法。
【背景技術(shù)】
[0002]隨著計(jì)算機(jī)、網(wǎng)絡(luò)、通信、流媒體等技術(shù)的日趨成熟與完善，視頻在社會(huì)生產(chǎn)生活中的應(yīng)用日益廣泛。在智能視頻監(jiān)控、導(dǎo)航、遙感、車牌識(shí)別等計(jì)算機(jī)視覺系統(tǒng)中，視頻是最主要的信息來源。然而這些系統(tǒng)功能一般都是基于正常的天氣條件考慮設(shè)計(jì)的，盡管戶外視頻監(jiān)控系統(tǒng)的應(yīng)用領(lǐng)域非常廣泛，但是在雨、雪等惡劣天氣中不能很好地發(fā)揮其應(yīng)有的作用。為了保證戶外監(jiān)控系統(tǒng)能夠適應(yīng)各種天氣情況，在雨雪等惡劣條件下也能正常地工作，所以非常有必要對(duì)大氣中的雨雪進(jìn)行去除研究，對(duì)獲取的圖像進(jìn)行修復(fù)，消除天氣因素的干擾，提高系統(tǒng)的穩(wěn)定性。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于復(fù)雜環(huán)境的目標(biāo)智能跟蹤方法，基于通過混合高斯模型自適應(yīng)分析算法，有效過濾復(fù)雜環(huán)境中畫面的各種運(yùn)動(dòng)干擾，如刮風(fēng)造成的樹葉搖動(dòng)等，結(jié)合小波變換和傅里葉變換可有效濾除畫面中的雨雪噪聲。
[0004]本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的:一種基于復(fù)雜環(huán)境的目標(biāo)智能跟蹤方法，包括以下步驟:
51、采集當(dāng)前時(shí)刻的視頻流數(shù)據(jù)，依次對(duì)視頻流數(shù)據(jù)中的每一幀視頻圖像進(jìn)行分析，判斷是否有異常幀圖像，若存在則進(jìn)行異常類型檢測(cè)；
52、啟動(dòng)混合高斯模型，對(duì)視頻流數(shù)據(jù)中的每幀視頻圖像的每個(gè)像素點(diǎn)建立X個(gè)高斯模型；
53、根據(jù)高斯模型的權(quán)重對(duì)該X個(gè)高斯模型進(jìn)行排序，并對(duì)權(quán)重進(jìn)行累計(jì)求和，若前N個(gè)高斯模型的權(quán)重和大于預(yù)設(shè)閾值，則將該前N個(gè)高斯模型設(shè)為背景像素點(diǎn)，建立背景高斯模型，將后X-N個(gè)高斯模型設(shè)為前景像素點(diǎn)，建立前景高斯模型；
54、根據(jù)當(dāng)前時(shí)刻像素點(diǎn)以及該像素點(diǎn)的歷史像素點(diǎn)的均值和方差為每個(gè)像素點(diǎn)匹配相應(yīng)的高斯模型，計(jì)算當(dāng)前時(shí)刻像素點(diǎn)與其歷史像素點(diǎn)的均值之差的絕對(duì)值，若該絕對(duì)值與該像素點(diǎn)的歷史像素點(diǎn)的方差的比值小于預(yù)設(shè)匹配閾值，則將該當(dāng)前時(shí)刻像素點(diǎn)與背景像素點(diǎn)的高斯模型進(jìn)行匹配，若該比值不小于預(yù)設(shè)匹配閾值，則將當(dāng)前時(shí)刻像素點(diǎn)與前景像素點(diǎn)的高斯模型進(jìn)行匹配；
55、根據(jù)視頻流數(shù)據(jù)中的背景變化和S4中的比較結(jié)果，混合高斯模型自適應(yīng)更新模型參數(shù)，更新X個(gè)高斯模型的權(quán)值，得出匹配度最高的背景高斯模型參數(shù)，完成復(fù)雜背景建模；
56、將前景高斯模型的所匹配的前景圖像進(jìn)行小波正變換處理，若前景圖像為彩色圖像，則通過R、G、B三通道分別對(duì)其進(jìn)行小波分析處理，得到前景圖像的近似圖LL、水平方向細(xì)節(jié)圖HL、垂直方向細(xì)節(jié)圖LH和對(duì)角線方向細(xì)節(jié)圖HH，提取垂直方向細(xì)節(jié)圖，對(duì)垂直方向細(xì)節(jié)圖進(jìn)行傅里葉正變換，并刪除其預(yù)設(shè)頻段的高頻部分完成高頻過濾； S7、高頻過濾處理后通過傅里葉反變換還原得到新的垂直方向細(xì)節(jié)圖，再通過小波反變換重構(gòu)前景圖像，若原前景圖像為彩色圖像，則再通過R、G、B三通道合并得到過濾后的前景圖像。
[0005]S8、通過形態(tài)學(xué)處理，提取出獨(dú)立的運(yùn)動(dòng)目標(biāo)區(qū)域，鎖定目標(biāo)，開始執(zhí)行跟蹤操作，在目標(biāo)跟蹤的過程中，重復(fù)執(zhí)行步驟S1-S7。
[0006]進(jìn)一步的，所述的小波正變換為提升小波變換。
[0007]進(jìn)一步的，所述的預(yù)設(shè)頻段根據(jù)雨雪大小自適應(yīng)調(diào)整。
[0008]本發(fā)明的有益效果是:本發(fā)明基于通過混合高斯模型自適應(yīng)分析算法，有效過濾復(fù)雜環(huán)境中畫面的各種運(yùn)動(dòng)干擾，如刮風(fēng)造成的樹葉搖動(dòng)等，結(jié)合小波變換和傅里葉變換可有效濾除畫面中的雨雪噪聲及其他噪聲，并通過形態(tài)學(xué)處理，提取出獨(dú)立的運(yùn)動(dòng)目標(biāo)區(qū)域，鎖定目標(biāo)，開始執(zhí)行跟蹤操作。
【附圖說明】
[0009]圖1為本發(fā)明流程示意圖。
【具體實(shí)施方式】
[0010]下面結(jié)合附圖進(jìn)一步詳細(xì)描述本發(fā)明的技術(shù)方案，但本發(fā)明的保護(hù)范圍不局限于以下所述。
[0011]如圖1所示，該實(shí)施例描述了一種基于復(fù)雜環(huán)境的目標(biāo)智能跟蹤方法，它包括以下多個(gè)步驟。
[0012]S1、采集當(dāng)前時(shí)刻的視頻流數(shù)據(jù)，依次對(duì)視頻流數(shù)據(jù)中的每一幀視頻圖像進(jìn)行分析，判斷是否有異常幀圖像，若存在則進(jìn)行異常類型檢測(cè)。
[0013]S2、啟動(dòng)混合高斯模型，對(duì)視頻流數(shù)據(jù)中的每幀視頻圖像的每個(gè)像素點(diǎn)建立X個(gè)高斯模型。
[0014]S3、根據(jù)高斯模型的權(quán)重對(duì)該X個(gè)高斯模型進(jìn)行排序，并對(duì)權(quán)重進(jìn)行累計(jì)求和，若前N個(gè)高斯模型的權(quán)重和大于預(yù)設(shè)閾值，則將該前N個(gè)高斯模型設(shè)為背景像素點(diǎn)，建立背景高斯模型，將后X-N個(gè)高斯模型設(shè)為前景像素點(diǎn)，建立前景高斯模型。
[0015]S4、根據(jù)當(dāng)前時(shí)刻像素點(diǎn)以及該像素點(diǎn)的歷史像素點(diǎn)的均值和方差為每個(gè)像素點(diǎn)匹配相應(yīng)的高斯模型，計(jì)算當(dāng)前時(shí)刻像素點(diǎn)與其歷史像素點(diǎn)的均值之差的絕對(duì)值，若該絕對(duì)值與該像素點(diǎn)的歷史像素點(diǎn)的方差的比值小于預(yù)設(shè)匹配閾值，則將該當(dāng)前時(shí)刻像素點(diǎn)與背景像素點(diǎn)的高斯模型進(jìn)行匹配，若該比值不小于預(yù)設(shè)匹配閾值，則將當(dāng)前時(shí)刻像素點(diǎn)與前景像素點(diǎn)的高斯模型進(jìn)行匹配。
[0016]S5、根據(jù)視頻流數(shù)據(jù)中的背景變化和S4中的比較結(jié)果，混合高斯模型自適應(yīng)更新模型參數(shù)，更新X個(gè)高斯模型的權(quán)值，得出匹配度最高的背景高斯模型參數(shù)，完成復(fù)雜背景建模，可有效過濾復(fù)雜環(huán)境中畫面的各種運(yùn)動(dòng)干擾，如刮風(fēng)造成的樹葉搖動(dòng)等。
[0017]進(jìn)一步的，由于雨雪天氣的視頻畫面中，雨雪一般表現(xiàn)為豎條紋形式，因此，本發(fā)明通過結(jié)合小波變換和傅里葉變換處理，可有效濾除畫面中的雨雪噪聲及其他噪聲。
[0018]S6、將前景高斯模型的所匹配的前景圖像進(jìn)行小波正變換處理，若前景圖像為彩色圖像，則通過R、G、B三通道分別對(duì)其進(jìn)行小波分析處理，得到前景圖像的近似圖LL、水平方向細(xì)節(jié)圖HL、垂直方向細(xì)節(jié)圖LH和對(duì)角線方向細(xì)節(jié)圖HH，提取垂直方向細(xì)節(jié)圖，對(duì)垂直方向細(xì)節(jié)圖進(jìn)行傅里葉正變換，并刪除其預(yù)設(shè)頻段的高頻部分完成高頻過濾。
[0019]S7、高頻過濾處理后通過傅里葉反變換還原得到新的垂直方向細(xì)節(jié)圖，再通過小波反變換重構(gòu)前景圖像，若原前景圖像為彩色圖像，則再通過R、G、B三通道合并得到過濾后的前景圖像，去除復(fù)雜環(huán)境中畫面的雨雪條紋噪聲及其他條紋噪聲。
[0020]S8、通過形態(tài)學(xué)處理，提取出獨(dú)立的運(yùn)動(dòng)目標(biāo)區(qū)域，鎖定目標(biāo)，開始執(zhí)行跟蹤操作，在目標(biāo)跟蹤的過程中，重復(fù)執(zhí)行步驟S1-S7，實(shí)現(xiàn)在去除運(yùn)動(dòng)干擾和雨雪噪聲后的畫面中繼續(xù)跟蹤目標(biāo)。
[0021 ]本發(fā)明中，所述的小波正變換可采用提升小波變換。
[0022]本發(fā)明中，所述的預(yù)設(shè)頻段根據(jù)雨雪大小自適應(yīng)調(diào)整，以濾除不同雨勢(shì)情況下的雨雪噪聲。
[0023]如上參照附圖以示例的方式描述了根據(jù)本發(fā)明的一種基于復(fù)雜環(huán)境的目標(biāo)智能跟蹤方法。但是，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，對(duì)于上述本發(fā)明所提出的一種基于復(fù)雜環(huán)境的目標(biāo)智能跟蹤方法，還可以在不脫離本
【發(fā)明內(nèi)容】
的基礎(chǔ)上做出各種改進(jìn)，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換，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、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)當(dāng)由所附的權(quán)利要求書的內(nèi)容確定。
【主權(quán)項(xiàng)】
1.一種基于復(fù)雜環(huán)境的目標(biāo)智能跟蹤方法，其特征在于，包括以下步驟: 51、采集當(dāng)前時(shí)刻的視頻流數(shù)據(jù)，依次對(duì)視頻流數(shù)據(jù)中的每一幀視頻圖像進(jìn)行分析，判斷是否有異常幀圖像，若存在則進(jìn)行異常類型檢測(cè)； 52、啟動(dòng)混合高斯模型，對(duì)視頻流數(shù)據(jù)中的每幀視頻圖像的每個(gè)像素點(diǎn)建立X個(gè)高斯模型； 53、根據(jù)高斯模型的權(quán)重對(duì)該X個(gè)高斯模型進(jìn)行排序，并對(duì)權(quán)重進(jìn)行累計(jì)求和，若前N個(gè)高斯模型的權(quán)重和大于預(yù)設(shè)閾值，則將該前N個(gè)高斯模型設(shè)為背景像素點(diǎn)，建立背景高斯模型，將后X-N個(gè)高斯模型設(shè)為前景像素點(diǎn)，建立前景高斯模型； S 4、根據(jù)當(dāng)前時(shí)刻像素點(diǎn)以及該像素點(diǎn)的歷史像素點(diǎn)的均值和方差為每個(gè)像素點(diǎn)匹配相應(yīng)的高斯模型，計(jì)算當(dāng)前時(shí)刻像素點(diǎn)與其歷史像素點(diǎn)的均值之差的絕對(duì)值，若該絕對(duì)值與該像素點(diǎn)的歷史像素點(diǎn)的方差的比值小于預(yù)設(shè)匹配閾值，則將該當(dāng)前時(shí)刻像素點(diǎn)與背景像素點(diǎn)的高斯模型進(jìn)行匹配，若該比值不小于預(yù)設(shè)匹配閾值，則將當(dāng)前時(shí)刻像素點(diǎn)與前景像素點(diǎn)的高斯模型進(jìn)行匹配； 55、根據(jù)視頻流數(shù)據(jù)中的背景變化和S4中的比較結(jié)果，混合高斯模型自適應(yīng)更新模型參數(shù)，更新X個(gè)高斯模型的權(quán)值，得出匹配度最高的背景高斯模型參數(shù)，完成復(fù)雜背景建模； 56、將前景高斯模型的所匹配的前景圖像進(jìn)行小波正變換處理，若前景圖像為彩色圖像，則通過R、G、B三通道分別對(duì)其進(jìn)行小波分析處理，得到前景圖像的近似圖LL、水平方向細(xì)節(jié)圖HL、垂直方向細(xì)節(jié)圖LH和對(duì)角線方向細(xì)節(jié)圖HH，提取垂直方向細(xì)節(jié)圖，對(duì)垂直方向細(xì)節(jié)圖進(jìn)行傅里葉正變換，并刪除其預(yù)設(shè)頻段的高頻部分完成高頻過濾； 57、高頻過濾處理后通過傅里葉反變換還原得到新的垂直方向細(xì)節(jié)圖，再通過小波反變換重構(gòu)前景圖像，若原前景圖像為彩色圖像，則再通過R、G、B三通道合并得到過濾后的前景圖像； 58、通過形態(tài)學(xué)處理，提取出獨(dú)立的運(yùn)動(dòng)目標(biāo)區(qū)域，鎖定目標(biāo)，開始執(zhí)行跟蹤操作，在目標(biāo)跟蹤的過程中，重復(fù)執(zhí)行步驟S1-S7。2.根據(jù)權(quán)利要求1所述的一種基于復(fù)雜環(huán)境的目標(biāo)智能跟蹤方法，其特征在于:所述的小波正變換為提升小波變換。3.根據(jù)權(quán)利要求1所述的一種基于復(fù)雜環(huán)境的目標(biāo)智能跟蹤方法，其特征在于:所述的預(yù)設(shè)頻段根據(jù)雨雪大小自適應(yīng)調(diào)整。
【專利摘要】本發(fā)明公開了一種基于復(fù)雜環(huán)境的目標(biāo)智能跟蹤方法，采集當(dāng)前時(shí)刻的視頻流數(shù)據(jù)，依次對(duì)視頻流數(shù)據(jù)中的每一幀視頻圖像進(jìn)行分析，啟動(dòng)混合高斯模型，建立背景高斯模型和前景高斯模型，過濾視頻中的動(dòng)作干擾，通過小波變換和傅里葉變換去除雨雪條紋噪聲，鎖定目標(biāo)，開始執(zhí)行跟蹤操作，在跟蹤的過程中，持續(xù)進(jìn)行噪聲去除處理。本發(fā)明基于通過混合高斯模型自適應(yīng)分析算法，有效過濾復(fù)雜環(huán)境中畫面的各種運(yùn)動(dòng)干擾，如刮風(fēng)造成的樹葉搖動(dòng)等，結(jié)合小波變換和傅里葉變換可有效濾除畫面中的雨雪噪聲。
【IPC分類】G06T5/00, G06T7/00
【公開號(hào)】CN105469394
【申請(qǐng)?zhí)枴緾N201510805380
【發(fā)明人】李正
【申請(qǐng)人】成都因納偉盛科技股份有限公司
【公開日】2016年4月6日
【申請(qǐng)日】2015年11月20日