視頻圖像目標跟蹤處理方法和系統的制作方法

視頻圖像目標跟蹤處理方法和系統的制作方法
【專利摘要】本發明提供了一種視頻圖像目標跟蹤處理方法和系統。其方法包括如下步驟：對當前視頻圖像的背景進行建模，對當前視頻圖像中的前景進行前景目標檢測，得到當前視頻圖像中的前景團塊，確定被跟蹤目標，并提取被跟蹤目標所在的前景團塊所在位置的顏色直方圖；當被跟蹤目標確認后，利用當前視頻圖像的被跟蹤目標的前景團塊的尺度信息、歷史位置信息對該被跟蹤目標所對應的卡爾曼預測器進行初始訓練，并且在視頻圖像中更新該目標的顏色直方圖；根據當前視頻圖像所檢測到的跟蹤目標數量，在當前視頻圖像的后繼連續視頻中對被跟蹤目標進行跟蹤。其簡單高效、適應能力強，能夠準確對視頻目標進行跟蹤處理。
【專利說明】視頻圖像目標跟蹤處理方法和系統
【技術領域】
[0001]本發明涉及圖像視頻行為分析處理【技術領域】，特別是涉及一種視頻圖像目標跟蹤處理方法和系統。
【背景技術】
[0002]視頻行為分析是從視頻序列中通過一定的圖像處理，提取視頻中感興趣目標行為的一種技術。
[0003]隨著世界反恐、公共安全以及平安城市等的需要，安防領域則成為視頻行為分析的廣闊應用舞臺，但是目前視頻監控設施的智能化水平較低，大部分只是進行視頻數據記錄，以供事后查詢，目前的視頻行為分析如逗留檢測、奔跑檢測等不能滿足現實需要。
[0004]而為了更好地適應實際應用需求，人們提出多種視頻行為分析方法，一種方法如粒子濾波算法(Okumal K., Taleghanil A.,Freitasl N.D., Littlel J.J., Lowel D.G.ABoosted Particle Filter:Multitarget Detection and Tracking[M].Lecture Notes inComputer Science, Springer Berlin, 2004, 28-39.),其采用多假設機制進行多目標跟蹤，完成視頻行為分析。另一種方法是Kyriakides提出利用運動目標的運動信息約束和一些隨機約束對多目標跟蹤處理的方法(Kyriakides 1., Morrell D.Antonia P.S.Sequential MonteCarlo methods for tracking multiple targets with deterministic and stochasticconstraints[J].1EEE Transactions on Signal Processing.2008，56(3):937-948.)。再一種方法是Xue提出的采用動態馬爾可夫隨機場來處理多目標跟蹤處理方法(Xue J.R.，ZhengN.N., Geng J.Zhong X.P.Tracking multiple visual targets via particle-based beliefpropagation[J].1EEE Transactions on Systems, Man, and Cybernetics.2008, 38(I):196-209.XRafael等人采用兩個攝像機利用深度信息和顏色信息對運動物體進行跟蹤處理的方法(Rafael M.S., Eugenio A., Miguel G.S.Antonio G.A multiple object tracking approachthat combines colour and depth information using a confidence measure[J].PatternRecognition Letters.29(10)2008:1504-1514)。以及 Cheng 等提出了 多種改進的聚類分析的視頻跟蹤處理方法(CHENG Y.Z.Mean shift, mode seeking, and clustering [J].1EEETransactions on Pattern Analysis and Machine Intelligence, 1995, 17(8):790-799.)0
[0005]但是在視頻實際目標跟蹤中，由于不可避免地存在背景顏色干擾、目標快速運動、光照變化等因素的影響，現有的視頻目標跟蹤處理方法中，并沒有很好解決空間類似顏色干擾而造成的視頻目標跟蹤誤差甚至錯誤的問題，導致跟蹤精度下降，甚至丟失跟蹤目標的情況。

【發明內容】

[0006]基于此，有必要針對現有技術的問題，提供一種視頻圖像目標跟蹤處理方法和系統，其簡單高效、適應能力強，能夠準確對視頻目標進行跟蹤處理。
[0007]為實現本發明目的而提供的一種視頻圖像目標跟蹤處理方法，包括如下步驟:[0008]步驟A，對當前視頻圖像的背景進行建模，利用背景減除方法對當前視頻圖像中的前景進行前景目標檢測，得到當前視頻圖像中的前景團塊，確定被跟蹤目標，并提取被跟蹤目標所在的前景團塊所在位置的顏色直方圖；
[0009]步驟B，當被跟蹤目標確認后，利用當前視頻圖像的被跟蹤目標的前景團塊的尺度信息、歷史位置信息對該被跟蹤目標所對應的卡爾曼預測器進行初始訓練，并且在視頻圖像中更新該目標的顏色直方圖；
[0010]步驟C，根據當前視頻圖像所檢測到的跟蹤目標數量，采用不同的跟蹤方法，利用初始訓練后的卡爾曼預測器，在當前視頻圖像的后繼連續視頻中對被跟蹤目標進行跟蹤。
[0011]優選的，所述步驟A包括如下步驟:
[0012]步驟Al，讀取當前視頻圖像中的T幀圖像利用混合高斯模型對背景進行建模，區分圖像的前景和背景，其中，T為整數；
[0013]步驟A2，利用背景減除方法和幀間差分法對當前視頻圖像中的前景進行前景目標檢測，進行形態學處理，得到當前視頻圖像中的前景團塊；
[0014]步驟A3，采用修正時間印法，對步驟A2中得到的前景團塊進行濾波，確認被跟蹤目標，提取前景團塊所在位置的顏色直方圖。
[0015]優選的，所述步驟C包括如下步驟:
[0016]步驟Cl，利用步驟B初始化后的卡爾曼預測器對被跟蹤目標進行預測；
[0017]步驟C2，如果檢測到的當前視頻中所包含的被跟蹤目標為單目標時，則采用最近鄰方法對目標進行跟蹤，更新目標顏色直方圖，對目標進行跟蹤，確定被跟蹤目標在后繼連續視頻中的目標位置；
[0018]步驟C3，如果檢測到的當前視頻中所包含的被跟蹤目標為多目標時，分別采用均值移動方法，對每個被跟蹤目標分別進行跟蹤，分別得到多個被跟蹤目標在后繼連續視頻中的目標位置。
[0019]為實現本發明目的還提供一種視頻圖像目標跟蹤處理系統，包括前景團塊檢測模塊，跟蹤初始化模塊和混合跟蹤處理模塊，其中:
[0020]所述前景團塊檢測模塊，用于對當前視頻圖像的背景進行建模，利用背景減除方法對當前視頻圖像中的前景進行前景目標檢測，得到當前視頻圖像中的前景團塊，確定被跟蹤目標，并提取被跟蹤目標所在的前景團塊所在位置的顏色直方圖；
[0021 ] 所述跟蹤初始化模塊，用于當被跟蹤目標確認后，利用當前視頻圖像的被跟蹤目標的前景團塊的尺度信息、歷史位置信息對該被跟蹤目標所對應的卡爾曼預測器進行初始訓練，并且在視頻圖像中更新該目標的顏色直方圖；
[0022]所述混合跟蹤處理模塊，用于根據當前視頻圖像所檢測到的跟蹤目標數量，采用不同的跟蹤方法，利用初始訓練后的卡爾曼預測器，在當前視頻圖像的后繼連續視頻中對被跟蹤目標進行跟蹤正確。
[0023]本發明的有益效果:本發明的一種視頻圖像目標跟蹤處理方法和系統，通過在前景檢測所對應的圖像空間進行目標跟蹤，使得在目標快速運動、有場景相似顏色干擾等情況下具有很好的視頻目標跟蹤處理性能，并且計算量小，能夠滿足實時性要求，簡單高效、適應能力強，能夠準確對視頻目標進行跟蹤處理。【專利附圖】

【附圖說明】
[0024]以下結合具體附圖及具體實施例，對本發明進行進一步詳細說明。
[0025]圖1為本發明實施例一種視頻圖像目標跟蹤處理方法流程圖；
[0026]圖2為本發明實施例一種視頻圖像目標跟蹤處理方法的一種可實施方式流程圖；
[0027]圖3為本發明實施例一種視頻圖像目標跟蹤處理系統結構示意圖；
[0028]圖4為本發明實施例的視頻圖像目標跟蹤處理方法在弱顏色下對目標跟蹤的效果示意圖；
[0029]圖5為本發明實施例的視頻圖像目標跟蹤處理方法在雙目標下對目標跟蹤的效果示意圖；
[0030]圖6為本發明實施例的視頻圖像目標跟蹤處理方法在雙目標下對目標跟蹤的效果示意圖。
【具體實施方式】
[0031]參見圖1、圖2，作為一種可實施方式，本發明實施例一種視頻圖像目標跟蹤處理方法，包括如下步驟:
[0032]步驟S100，對當前視頻圖像的背景進行建模，利用背景減除方法對當前視頻圖像中的前景進行前景目標檢測，得到當前視頻圖像中的前景團塊，確定被跟蹤目標，并提取被跟蹤目標所在的前景團塊所在位置的顏色直方圖；
[0033]較佳地，作為一種可實施 方式，所述步驟SlOO包括以下步驟: [0034]步驟S110，讀取當前視頻圖像中的T幀圖像利用混合高斯模型對背景進行建模，區分圖像的前景和背景；
[0035]其中，T為整數。
[0036]作為一種可實施方式，所述步驟SllO中，利用混合高斯模型對背景進行建模，區分圖像的前景和背景，包括如下步驟:
[0037]步驟S111，設一像素在一段時間t內的樣本值為:x1; x2, L, xN，其中，N為整數，采用M個高斯函數對其進行背景建模，如式(I)所示:
[0038]
[0039]其中，d代表的是數據的維數，如對于灰度圖d = I ;對于rgb彩色圖，d = 3 ;步驟S112，計算t時刻像素屬于背景的概率密度Pr(Xt)，如式(2)所示，為:
[0041]其中，σ為該顏色通道的標準方差；
[0042]步驟S113，根據Pr(Xt)大小來區分前景、背景。
[0043]步驟S120，利用背景減除方法和幀間差分法對當前視頻圖像中的前景進行前景目標檢測，進行形態學處理，得到當前視頻圖像中的前景團塊；
[0044]在步驟SllO背景建模方法對當前視頻圖像中的前景，對于背景比較穩定的情況具有很好的前景效果。但是其對光照變化、場景中物體發生位置變化等情況缺乏適應能力。此時需要進一步對步驟SllO中得到的背景進行前景目標檢測，以識別出當前視頻圖像中的前景團塊，本發明實施例中，利用背景減除方法對圖像進行前景目標檢測，并進行形態學處理，得到前景團塊。
[0045]較佳地，作為一種可實施方式，所述步驟S120包括如下步驟:
[0046]步驟S121，利用背景減除方法對當前視頻圖像得到的前景進行前景目標檢測；
[0047]設Bt為t時刻的步驟SllO得到的當前視頻圖像的背景，It為當前時刻t圖像幀，本發明實施例中，利用式(3)對當前視頻圖像的背景進行更新，從而得到下一幀所需要的背
旦
牙、；
[0048]Bt+1 = a It+(l-a )Bt(3)
[0049]其中a為更新速度，較佳地，作為一種可實施方式a取值范圍:0.0001 — 0.001。
[0050]步驟S122，對當前視頻圖像的當前幀和前一幀進行幀差計算，獲取幀差模型；
[0051]步驟S123，利用當前幀和背景進行前景檢測，獲取前景模型；
[0052]步驟S124，在當前幀，利用幀差模板和前景模板，獲取被跟蹤目標所在區域的前景圖像，提取有效的前景團塊；
[0053]本發明步驟S122、 S123、S124中，進行幀差計算，前景檢測，提取有效的前景團塊，是一種現有技術。作為一種可實施方式，可以采用本發明人申請的“一種目標跟蹤方法和裝置”(申請號:201210160834.X ; 申請日期::2012.5.22 ；)的方法而實現，本發明實施例中，作為一可實施例而全文引用，請參見。本發明實施例中，不再重復描述。
[0054]步驟S125，采用形態學方法，對識別得到的包含被跟蹤目標的前景團塊進行膨脹腐蝕運算，并且計算相近團塊之間的距離，如果團塊之間的距離小于閾值，則進行合并，對檢測得到的前景團塊進行優化。
[0055]所述閾值要根據現場條件進行調整。較佳地，作為一種可實施方式，所述閾值為10個像素。即團塊之間的距離小于10個像素。
[0056]由于目標顏色與背景顏色可能存在相近性，導致所檢測出來的前景團塊可能存在斷裂和漏洞，為了彌補前景檢測的這些缺陷，作為一種可實施方式，采用形態學方法，對識別出的前景團塊進行膨脹腐蝕運算，并且計算相近團塊之間的距離，如果團塊之間的距離小于10個像素，則進行合并，進一步對檢測得到的前景團塊進行優化。
[0057]采用形態學方法，對識別出的前景團塊進行膨脹腐蝕運算，是一種現有技術，因此，在本發明實施例中，不再詳細描述。
[0058]步驟S130，采用修正時間印法，對步驟S120中得到的前景團塊進行濾波，確認被跟蹤目標，提取前景團塊所在位置的顏色直方圖；
[0059]為了區分場景臨時噪聲和初始跟蹤目標，本發明實施例中，采用修正時間印方法進行目標確認。
[0060]優化后的前景團塊中可以分成三類前景團塊:第一類是由于光照等外界因素的影響，可能產生的一些誤報；第二類是由單個前景運動目標產生的前景團塊；第三類是由于多個前景目標運動產生的團塊。針對第一類情況，為了減少誤報，本發明實施例中，在步驟S130中，采用修正時間印方法，對檢測得到的前景團塊進行濾波，確認被跟蹤目標，。
[0061]作為一種可實施方式，在步驟S130中，采用修正時間印方法，對優化后的前景團塊進行濾波，確認被跟蹤目標，包括如下步驟:[0062]步驟S131，首先利用時間印方法，對優化后的當前視頻圖像中的前M幀連續圖像的前景團塊進行濾波，提取被跟蹤目標所在的前景團塊所在位置的顏色直方圖，其中，M為大于2的整數；
[0063]所述時間印方法是一種現有技術，作為一種可實施方式，可采用如“胡銀煥，安國成，張鳳軍，戴國忠.在線修正的人臉姿態跟蹤算法及交互應用.軟件學報，2010，21 (zk): 1-11” 的方法實現。
[0064]較佳地，作為一種可實施方式，所述步驟 S131中，利用時間印方法進行濾波，包括如下步驟:
[0065]在當前視頻圖像的前M幀連續圖像的前景團塊的分別檢測得到的前景團塊中，計算并判斷每一幀檢測得到的前景團塊位置的距離相似度即兩次檢測的窗口小于一定的閾值Q，如Q等于10個像素；如果該距離相似度在設定的閾值范圍內，則計算所有多幀連續圖像的檢測窗口的平均窗口(即將所有窗口的重心位置相加求平均)，將平均窗口所在的前景團塊中的目標作為被跟蹤目標，提取被跟蹤目標所在的前景團塊所在位置的顏色直方圖。
[0066]較佳地，作為一種可實施方式，所述相似度閾值為0.8。
[0067]步驟S132，對被跟蹤目標所在的前景團塊所在位置的顏色直方圖進行修正，得到當前視頻中包含被跟蹤目標的前景團塊的顏色直方圖，確認并標識被跟蹤目標。
[0068]所述在得到被跟蹤目標所在的前M幀連續圖像的前景團塊所在位置的顏色直方圖后，在該前M幀連續圖像的前景團塊的后繼連續圖像幀M+L (其中，LSS I的整數)中，如果在預設范圍內可檢測得到的包含所述被跟蹤目標的前景團塊(較佳地，作為一種可實施方式，所述預設范圍為小于30個像素)，則進一步計算M+L幀圖像中包含被跟蹤目標的前景團塊的顏色直方圖與前M幀連續圖像的包含被跟蹤目標的前景團塊的顏色直方圖相似度；
[0069]判斷所檢測到M+L幀圖像中包含被跟蹤目標的前景團塊的顏色直方圖與前M幀連續圖像的包含被跟蹤目標的前景團塊的顏色直方圖相似度是否超過預設閾值(較佳地，作為一種可實施方式，所述預設閾值為0.5)，則認為檢測到的前景團塊是由相同被跟蹤目標所產生的,則增加計數L。
[0070]當計數L超過預設閾值(較佳地，作為一種可實施方式，所述預設閾值為15幀)時，則確認該前景團塊中的被跟蹤目標是一個穩定的被跟蹤目標所產生的，從而分配給其一個目標身份標號，此時就增加得到一個跟蹤目標，確認被跟蹤目標。
[0071]作為一種可實施方式，本發明實施例中，采用直方圖交集來比較兩個給定直方圖q、P的相似度S，如式(4)所示:
m
[0072]χ = Σηιιη(見，Λ)f
『I(4 )
[0073]其中m為顏色分量總數(本發明實施例中，作為一種可實施方式，m=4096)。當相似度s大于0.8，并且累積時間超過15幀的時候，此時的前景團塊中的被跟蹤目標即認為是一個被跟蹤目標所產生的。
[0074]步驟S200，當被跟蹤目標確認后，利用當前視頻圖像的被跟蹤目標的前景團塊的尺度信息、歷史位置信息對該被跟蹤目標所對應的卡爾曼(Kalman)預測器進行初始訓練，并且在視頻圖像中更新該目標的顏色直方圖；[0075]卡爾曼(Kalman)預測器是一種現有技術，基于最小均方誤差準則的線性系統最優估計方法，是在觀測噪聲和過程噪聲的作用下，利用預測值和輸出值估計出系統的真實值的一種方法。
[0076]當前景團塊被確認為是一個被跟蹤目標后，利用當前視頻圖像的被跟蹤目標的前景團塊的尺度信息、歷史位置信息對該被跟蹤目標所對應的卡爾曼(Kalman)預測器進行初始訓練，并且更新該目標的顏色直方圖。
[0077]利用當前團塊尺度信息、歷史位置信息對該新目標所對應的卡爾曼(Kalman)預測器進行初始訓練，是一種現有技術，因此，在本發明實施例中，不再一一詳細描述。
[0078]本發明實施例中，在前景檢測所對應的圖像空間進行目標跟蹤，首先對背景進行建模，利用背景減除法和幀間差分法對前景團塊進行有效提取，然后在根據提取的前景團塊進行均值移動目標跟蹤，提取有效的前景團塊。該方法有效的融合了基于像素級別的背景減除與幀間差分法和基于塊級別的均值移動法各自具有的優點，通過該方法，在目標快速運動、有場景相似顏色干擾等情況下具有很好的跟蹤性能，并且計算量小，能夠滿足實時性要求。其剔除了大部分背景干擾，從而使跟蹤在有效的區域內進行，從而使均值移動陷入局部極值點的機會變小，從而提高跟蹤性能。
[0079]步驟S300，根據當前視頻圖像所檢測到的跟蹤目標數量，采用不同的跟蹤方法，利用初始訓練后的卡爾曼(Kalman)預測器，在當前視頻圖像的后繼連續視頻中對被跟蹤目標進行跟蹤。
[0080]為了解決目標快速運動問題，采用卡爾曼(Kalman)預測器對被跟蹤的目標進行預測跟蹤，從而擴大均值移動方法的作用范圍和提高最近鄰方法的精確度。另外，為了提高跟蹤性能，本發明實施例中，利用前景檢測的結果相應的前景檢測的顏色直方圖對當前視頻圖像的后繼連續視頻進行目標跟蹤。
[0081]較佳地，作為一種可實施方式，所述步驟S300包括如下步驟:
[0082]步驟S310，利用步驟S200初始化后的卡爾曼(Kalman)預測器對被跟蹤目標進行預測；
[0083]利用卡爾曼(Kalman)預測器對被跟蹤目標進行預測，是一種現有技術，因此，在本發明實施例中，不再 詳細描述。
[0084]步驟S320，如果檢測到的當前視頻中所包含的被跟蹤目標為單目標時，則采用最近鄰方法對目標進行跟蹤，更新目標顏色直方圖，對目標進行跟蹤，確定被跟蹤目標在后繼連續視頻中的目標位置；
[0085]當檢測到的當前視頻只包含一個跟蹤目標時，在采用卡爾曼(Kalman)預測器進行目標位置預測后，采用最近鄰匹配方法進行目標精確位置定位，然后對目標進行跟蹤，更新目標顏色直方圖，對目標進行跟蹤，確定被跟蹤目標在后繼連續視頻中的目標位置。
[0086]如果被檢測到的目標為單目標，利用前景檢測信息，采用最近鄰匹配方法，更新目標顏色直方圖，對目標進行跟蹤，將目標精確位置定位，對被跟蹤目標的前景團塊的位置信息進行更新，如被跟蹤目標的前景團塊的長度、寬度以及目標顏色，并且利用被跟蹤目標的前景團塊的位置信息對卡爾曼(Kalman)預測器進行修正，采用均值移動方法，對目標進行跟蹤，確定被跟蹤目標在后繼連續視頻中的目標位置
[0087]步驟S330，如果檢測到的當前視頻中所包含的被跟蹤目標為多目標時，分別采用均值移動方法，對每個被跟蹤目標分別進行跟蹤，分別得到多個被跟蹤目標在后繼連續視頻中的目標位置。
[0088]當前景團塊包含多個跟蹤目標時，采用各個目標所對應的卡爾曼(Kalman)預測器進行目標位置預測，然后在整個的后繼連續視頻圖像中采用均值移動方法進行跟蹤，將各個目標精確位置定位，對各個被跟蹤目標的前景團塊的位置信息進行更新，如被跟蹤目標的前景團塊的長度、寬度以及目標顏色，并且利用各個被跟蹤目標的前景團塊的位置信息對卡爾曼(Kalman)預測器進行修正，確定各個被跟蹤目標在后繼視頻中的目標位置。
[0089]本發明的視頻圖像目標跟蹤處理方法，有效地進行了目標檢測和跟蹤，并且根據團塊對應目標多少的不同，采用不同的處理方法，從而降低了圖像目標跟蹤處理的復雜度，在多目標、長時間運動、目標之間存在遮擋等情況下具有很好的目標區分能力，跟蹤性能優良，并且其計算量小，能夠滿足實時性要求。
[0090]較佳地，所述步驟S330中，采用均值移動方法對目標跟蹤，包括如下步驟:
[0091]步驟S331，在跟蹤之前，對被跟蹤目標的初始位置y,進行參考模板的核直方圖建模，如式(5)所示:
[0092]
【權利要求】
1.一種視頻圖像目標跟蹤處理方法，其特征在于，包括如下步驟: 步驟A，對當前視頻圖像的背景進行建模，利用背景減除方法對當前視頻圖像中的前景進行前景目標檢測，得到當前視頻圖像中的前景團塊，確定被跟蹤目標，并提取被跟蹤目標所在的前景團塊所在位置的顏色直方圖； 步驟B，當被跟蹤目標確認后，利用當前視頻圖像的被跟蹤目標的前景團塊的尺度信息、歷史位置信息對該被跟蹤目標所對應的卡爾曼預測器進行初始訓練，并且在視頻圖像中更新該目標的顏色直方圖； 步驟C，根據當前視頻圖像所檢測到的跟蹤目標數量，采用不同的跟蹤方法，利用初始訓練后的卡爾曼預測器，在當前視頻圖像的后繼連續視頻中對被跟蹤目標進行跟蹤。
2.根據權利要求1所述的視頻圖像目標跟蹤處理方法，其特征在于，所述步驟A包括如下步驟: 步驟Al，讀取當前視頻圖像中的T幀圖像利用混合高斯模型對背景進行建模，區分圖像的前景和背景，其中，T為整數； 步驟A2，利用背景減除方法和幀間差分法對當前視頻圖像中的前景進行前景目標檢測，進行形態學處理，得到當前視頻圖像中的前景團塊； 步驟A3，采用修正時間印法，對步驟A2中得到的前景團塊進行濾波，確認被跟蹤目標，提取前景團塊所在位置的顏色直方圖。
3.根據權利要求2所述的視頻圖像目標跟蹤處理方法，其特征在于，所述步驟Al中，利用混合高斯模型對背景進行建模，區分圖像的前景和背景，包括如下步驟: 步驟All，設一像素 在一段時間t內的樣本值為:Xl，x2,…，xN，其中，N為整數，采用M個高斯函數對其進行背景建模:
^ ! '(2^); ΙΣΡ
其中，d代表的是數據的維數； 步驟A12，計算t時刻像素屬于背景的概率密度為:


I1.'...\ s' Ρ^)=ττΣΠι=^^ "
^ <-ι 1-1 ^2πσ~ 其中，σ為該顏色通道的標準方差； 步驟Α13，根據Pr (Xt)大小來區分前景、背景。
4.根據權利要求2所述的視頻圖像目標跟蹤處理方法，其特征在于，所述步驟Α2包括如下步驟: 步驟Α21，利用背景減除方法對當前視頻圖像得到的前景進行前景目標檢測； 步驟Α22，對當前視頻圖像的當前幀和前一幀進行幀差計算，獲取幀差模型； 步驟Α23，利用當前幀和背景進行前景檢測，獲取前景模型； 步驟Α24，在當前幀，利用幀差模板和前景模板，獲取被跟蹤目標所在區域的前景圖像，提取有效的前景團塊； 步驟Α25，采用形態學方法，對識別得到的包含被跟蹤目標的前景團塊進行膨脹腐蝕運算，并且計算相近團塊之間的距離，如果團塊之間的距離小于閾值，則進行合并，對檢測得到的前景團塊進行優化。
5.根據權利要求4所述的視頻圖像目標跟蹤處理方法，其特征在于，所述步驟A21包括如下步驟: 設Bt為t時刻的步驟Al得到的當前視頻圖像的背景，It為當前時刻t圖像幀，利用下式對當前視頻圖像的背景進行更新，從而得到下一幀所需要的背景； Bt+i = α It+“_α )Bt 其中α為更新速度。
6.根據權利要求2所述的視頻圖像目標跟蹤處理方法，其特征在于，在步驟A3中，采用修正時間印方法，對優化后的前景團塊進行濾波，確認被跟蹤目標，包括如下步驟: 步驟Α31，首先利用時間印方法，對優化后的當前視頻圖像中的前M幀連續圖像的前景團塊進行濾波，提取被跟蹤目標所在的前景團塊所在位置的顏色直方圖，其中，M為大于2的整數； 步驟Α32，對被跟蹤目標所在的前景團塊所在位置的顏色直方圖進行修正，得到當前視頻中包含被跟蹤目標的前景團塊的顏色直方圖，確認并標識被跟蹤目標。
7.根據權利要求1所述的視頻圖像目標跟蹤處理方法，其特征在于，所述步驟C包括如下步驟: 步驟Cl，利用步驟B初始化后的卡爾曼預測器對被跟蹤目標進行預測； 步驟C2，如果檢測到的當前視頻中所包含的被跟蹤目標為單目標時，則采用最近鄰方法對目標進行跟蹤，更新目標顏色直方圖，對目標進行跟蹤，確定被跟蹤目標在后繼連續視頻中的目標位置； 步驟C3，如果檢測到的當前視頻中所包含的被跟蹤目標為多目標時，分別采用均值移動方法，對每個被跟蹤目標分別進行跟蹤，分別得到多個被跟蹤目標在后繼連續視頻中的目標位置。
8.根據權利要求7所述的視頻圖像目標跟蹤處理方法，其特征在于，所述步驟C3中，采用均值移動方法對目標跟蹤，包括如下步驟: 步驟C31，在跟蹤之前，對被跟蹤目標的初始位置進行參考模板的核直方圖建模，如下式所示:
f-1 fii# = I ? 2' 其中XpXk分別表示跟蹤目標的中心像素坐標和第k個像素的坐標；n為目標像素總數目為量化顏色分量數目；K(| X I2)是核函數；h表示核函數的帶寬；δ (.)是克羅內克函數；函數b:R2— {1，2…m}的作用是計算位置在xk處的像素所屬顏色分量；C為歸一化常
m數，使得Σν?=1..1.步驟C32，再利用步驟C31中的公式，對后繼跟蹤過程得到的位置y的候選模板建立核概率密度凡(.v); 步驟C33，采用巴氏相似度度量兩者之間的距離，如下式所示:


d(y) = 然后對ARvWi進行泰勒展開,根據下式得到權值wk:,=Σ:,添興 步驟C34，根據初始位置I,按照下式計算新位置yi，然后將L — yi，經過迭代，直到得到目標的最終跟蹤位置；
\^n krl(u "?(ι—-- 112?
Z-14--1' k kL.? * J1 =-—
燈丨寧 if) 其中，迭代終止條件為=Iycry1I < ε，其中閾值ε等于0.5。
9.一種視頻圖像目標跟蹤處理系統，其特征在于，包括前景團塊檢測模塊，跟蹤初始化模塊和混合跟蹤處理模塊，其中: 所述前景團塊檢測模塊，用于對當前視頻圖像的背景進行建模，利用背景減除方法對當前視頻圖像中的前景進行前景目標檢測，得到當前視頻圖像中的前景團塊，確定被跟蹤目標，并提取被跟蹤目標所在的前景團塊所在位置的顏色直方圖； 所述跟蹤初始化模塊，用于當被跟蹤目標確認后，利用當前視頻圖像的被跟蹤目標的前景團塊的尺度信息、歷史位置信息對該被跟蹤目標所對應的卡爾曼預測器進行初始訓練，并且在視頻圖像中更新該目標的顏色直方圖； 所述混合跟蹤處理模塊，用于根據當前視頻圖像所檢測到的跟蹤目標數量，采用不同的跟蹤方法，利用初始訓練后的卡爾曼預測器，在當前視頻圖像的后繼連續視頻中對被跟蹤目標進行跟蹤正確。
【文檔編號】G06T7/20GK103489199SQ201210194922
【公開日】2014年1月1日 申請日期:2012年6月13日 優先權日:2012年6月13日
【發明者】安國成, 肖坦, 李洪研, 張濤, 羅志強 申請人:通號通信信息集團有限公司