一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法
【專利摘要】本發(fā)明公開了一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，包括以下步驟：利用Vibe算法對(duì)檢測(cè)的像素點(diǎn)進(jìn)行分割；根據(jù)Vibe算法分割得到的連通域的空間分布關(guān)系，判斷其是否為同一運(yùn)動(dòng)目標(biāo)，如果判斷結(jié)果為是，則進(jìn)行連通域合并，直到目標(biāo)檢測(cè)完成；對(duì)前期獲取到的運(yùn)動(dòng)對(duì)象進(jìn)行跟蹤，利用Kalman濾波器結(jié)合最小空間距離算法來預(yù)測(cè)每個(gè)運(yùn)動(dòng)對(duì)象的坐標(biāo)位置，并進(jìn)行不斷更新、跟蹤。本發(fā)明采用空間距離來作為判斷依據(jù)，既能節(jié)省存儲(chǔ)空間，又同時(shí)減少了計(jì)算量和計(jì)算復(fù)雜度。
【專利說明】一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法。

【背景技術(shù)】
[0002] 作為智能視頻監(jiān)控與分析系統(tǒng)的基礎(chǔ)，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤模塊在其中起著非常 重要的作用，它為后期的物體識(shí)別、行為與軌跡分析等后處理算法奠定了基礎(chǔ)。人們已經(jīng)對(duì) 前景檢測(cè)與跟蹤算法進(jìn)行了大量的研究。
[0003] 在前景檢測(cè)算法方面，主要分為光流法、幀差法以及背景建模法。其中光流法對(duì)硬 件要求較高，因而一般硬件很難滿足算法的實(shí)時(shí)性；幀差法由于是相鄰的兩幀圖像相減，而 相鄰的兩幀圖像中的運(yùn)動(dòng)目標(biāo)在空間位置上相距很近，因而會(huì)在目標(biāo)區(qū)域中產(chǎn)生很大的空 洞，使得檢測(cè)精度降低；背景建模法則是對(duì)背景圖像建立模型，使得在前景檢測(cè)的過程中背 景可以不斷的更新，能夠適應(yīng)存在細(xì)微變化的背景環(huán)境，但是當(dāng)前景的顏色與背景顏色相 近，即前景與背景對(duì)比度較低時(shí)，背景建模算法也很難完整的檢測(cè)出前景目標(biāo)。
[0004] 在跟蹤算法方面，比較經(jīng)典的Camshift跟蹤算法僅僅采用單一的顏色特征，計(jì)算 量小，運(yùn)算速度快，但是魯棒性與適應(yīng)性較差，在背景復(fù)雜時(shí)很容易丟失目標(biāo)；粒子濾波算 法的跟蹤性能與粒子數(shù)成正比，粒子數(shù)越多跟蹤能力越強(qiáng)，但粒子數(shù)的增加極大的增大了 算法的計(jì)算量，使得實(shí)時(shí)性難以滿足，很難用于對(duì)實(shí)時(shí)性要求較高的監(jiān)控系統(tǒng)。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明為了解決上述問題，提出了一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，本方法 在傳統(tǒng)的背景建模方法基礎(chǔ)上的改進(jìn)，即便是在前景與背景顏色相近的情況下也能進(jìn)行準(zhǔn) 確的前景檢測(cè)；在跟蹤方法中采用了 Kalman濾波結(jié)合最小空間距離的方法，在保證了跟蹤 魯棒性的同時(shí)也加快了跟蹤算法的運(yùn)算速度。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0007] -種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，包括以下步驟：
[0008] (1)利用Vibe算法對(duì)檢測(cè)的像素點(diǎn)進(jìn)行分割：為每個(gè)像素點(diǎn)建立一個(gè)背景模型， 比較待分類像素與背景模型的相似度，若相似度滿足設(shè)定值，則判斷該像素為背景，否則為 前景；
[0009] (2)根據(jù)Vibe算法分割得到的連通域的空間分布關(guān)系，判斷其是否為同一運(yùn)動(dòng)目 標(biāo)，如果判斷結(jié)果為是，則進(jìn)行連通域合并，直到目標(biāo)檢測(cè)完成；
[0010] (3)對(duì)前期獲取到的運(yùn)動(dòng)對(duì)象進(jìn)行跟蹤，利用Kalman濾波器結(jié)合最小空間距離算 法來預(yù)測(cè)每個(gè)運(yùn)動(dòng)對(duì)象的坐標(biāo)位置，并進(jìn)行不斷更新、跟蹤，清除消失的運(yùn)動(dòng)對(duì)象并不斷記 錄運(yùn)動(dòng)對(duì)象的新坐標(biāo)位置。
[0011] 所述步驟（1)的具體方法為：為每個(gè)像素點(diǎn)Pt(x)建立一個(gè)包含N個(gè)樣本的背景 模型：
[0012] M(x) = {p1； p2, . . . , pN}
[0013] 通過比較待分類像素 pt(X)與背景模型M(x)的相似度，即可判斷出該像素是前景 還是背景，如果相似，即判斷為背景，否則為前景。
[0014] 所述步驟（1)中，相似度的判斷方法為：定義一個(gè)以pt(x)為球心，R為半徑的球 體S K (pt (X))，用A來表示球體與背景模型的交集，用來判斷相似度：
[0015] A= {SE(pt(x)) Π {ρ1； ρ2, . . . , ρΝ}}
[0016] 當(dāng)Α大于一個(gè)給定的閾值時(shí)，待分類像素即為背景，否則為前景。
[0017] 所述步驟⑵的具體為：通過Vibe算法對(duì)前景分割存在以下情況：經(jīng)過Vibe算法 進(jìn)行前景分割后，如果同一個(gè)目標(biāo)被分割成了很多個(gè)目標(biāo)塊，那這些目標(biāo)塊的最小外接矩 形在相對(duì)位置上還是存在一定的位置關(guān)系的：一是較小的框完全被較大的框所包含；二是 兩個(gè)框之間有交集，但并不完全包含；三是兩個(gè)矩形框之間并沒有交集，但是他們成上下關(guān) 系，且質(zhì)心之間的水平與垂直距離都小于一定的閾值。
[0018] 所述步驟（2)的具體方法為：假設(shè)有兩個(gè)矩形窗分別為A和B，寬度分別記為W(A) 和W(B)，高度記為H(A)和H(B)，中心點(diǎn)坐標(biāo)記為（x(A)，y(A))、〇^出)， 7?))，則兩個(gè)框中 心點(diǎn)的水平距離為：
[0019] Xd = |x(A)_x⑶
[0020] 垂直距離為：
[0021] Yd = | y (A) -y (B)
[0022] 所述步驟（2)中，如果是較小的框完全被較大的框所包含，則符合判決條件1，即：
[0023] Xd<_)-WKB)|/2
[0024] 和
[0025] Yd 彡 |H(A)_H(B) |/2
[0026] 直接將被包含在內(nèi)部的矩形框去掉即可。
[0027] 所述步驟（2)中，如果兩個(gè)框之間有交集，但并不完全包含，則符合判決條件2， 即：
[0028] Xd 彡 α ! X | W ⑷ +W ⑶ | /2
[0029] 和
[0030] Yd 彡 α 2X |H⑷+H⑶ |/2。
[0031] 所述步驟（2)中，如果兩個(gè)矩形框之間并沒有交集，但是他們成上下關(guān)系，且質(zhì)心 間的水平與垂直距離都小于一定的閾值，則符合以下條件，即：
[0032] Xd 彡 β ' |W ⑷+W ⑶ |/2
[0033] 和
[0034] Yd 彡 β2Χ |H⑷+H⑶ |/2
[0035] 則把這幾個(gè)矩形框的最大外接矩形畫出來，把內(nèi)部的矩形框全部刪除即可，其中， α ρ α 2、β 1和β 2是系數(shù)。
[0036] 所述步驟（3)的具體方法包括：
[0037] 第一步，針對(duì)已經(jīng)檢測(cè)到的所有的運(yùn)動(dòng)目標(biāo)，分別對(duì)每一個(gè)目標(biāo)i，首先利用 Kalman濾波器來預(yù)測(cè)該目標(biāo)在下一幀中的坐標(biāo)位置，此位置記為預(yù)測(cè)位置；
[0038] 第二步，針對(duì)下一幀中檢測(cè)到的所有目標(biāo)，對(duì)每一個(gè)目標(biāo)j的坐標(biāo)位置記為待定 位置；
[0039] 第三步，對(duì)某個(gè)i的預(yù)測(cè)位置，如果與其距離最近的待定位置是目標(biāo)j的位置，同 時(shí)針對(duì)該目標(biāo)j的待定位置，與其距離最近的預(yù)測(cè)位置是i的位置，則說明目標(biāo)i與目標(biāo)j 匹配成功，即跟蹤成功，然后再用j的信息來更新舊目標(biāo)i的信息，并同時(shí)根據(jù)目標(biāo)j的位 置與運(yùn)動(dòng)信息來更新Kalman濾波器，以調(diào)整其參數(shù)，進(jìn)行更加魯棒性的預(yù)測(cè)。
[0040] 第四步，對(duì)于沒有匹配成功的某個(gè)目標(biāo)i的預(yù)測(cè)位置，說明該目標(biāo)已經(jīng)消失，因而 將該目標(biāo)從跟蹤列表中清除即可；對(duì)于沒有匹配成功的目標(biāo)j的待定位置，說明目標(biāo)j為新 出現(xiàn)的目標(biāo)，則為其開辟新的存儲(chǔ)空間，并初始化其運(yùn)動(dòng)軌跡。
[0041] 所述步驟（3)中，已知在視頻的第η幀中的某個(gè)目標(biāo)，去搜尋第n+1幀及后續(xù)幀中 該目標(biāo)的位置等信息，如果找到了，就說明跟蹤成功；否則，可能就跟蹤失敗或者是目標(biāo)消 失。
[0042] 本發(fā)明的有益效果為：
[0043] (1)通過對(duì)傳統(tǒng)背景建模方法與多連通域融合方法的有效結(jié)合，使得在前景與背 景對(duì)比度較低的環(huán)境下也能夠進(jìn)行準(zhǔn)確的前景目標(biāo)檢測(cè)，為后續(xù)運(yùn)動(dòng)跟蹤與軌跡分析奠定 了基礎(chǔ)；
[0044] (2)采用Kalman濾波結(jié)合最小空間距離法進(jìn)行運(yùn)動(dòng)目標(biāo)跟蹤，其中利用Kalman濾 波來預(yù)測(cè)運(yùn)動(dòng)目標(biāo)在下一幀中的大致位置，再結(jié)合最小空間距離來精確地進(jìn)行目標(biāo)定位， 該跟蹤方法的適應(yīng)性更強(qiáng)，同時(shí)減少了計(jì)算量和計(jì)算復(fù)雜度。

【專利附圖】

【附圖說明】
[0045] 圖1為Vibe算法模型示意圖；
[0046] 圖2a為本發(fā)明兩個(gè)連通域的一種位置關(guān)系示意圖；
[0047] 圖2b為本發(fā)明兩個(gè)連通域的一種位置關(guān)系示意圖；
[0048] 圖2c為本發(fā)明兩個(gè)連通域的一種位置關(guān)系示意圖；
[0049] 圖3a為Vibe算法檢測(cè)結(jié)果與改進(jìn)后的算法檢測(cè)結(jié)果對(duì)比圖；
[0050] 圖3b為Vibe算法檢測(cè)結(jié)果與改進(jìn)后的算法檢測(cè)結(jié)果對(duì)比圖；
[0051] 圖4a為跟蹤方法實(shí)驗(yàn)結(jié)果對(duì)比圖；
[0052] 圖4b為跟蹤方法實(shí)驗(yàn)結(jié)果對(duì)比圖；
[0053] 圖5為改進(jìn)的算法流程圖。

【具體實(shí)施方式】：
[0054] 下面結(jié)合附圖與實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。
[0055] 在運(yùn)動(dòng)目標(biāo)檢測(cè)方法中，本發(fā)明采用改進(jìn)后的Vibe前景檢測(cè)算法，即基本的Vibe 背景建模算法和多連通域融合算法相結(jié)合的新方法。
[0056] 基本的Vibe背景建模算法的思想就是為每個(gè)像素點(diǎn)存儲(chǔ)一個(gè)樣本集，樣本集中 采樣值就是該像素點(diǎn)過去的像素值和其鄰域的像素值，然后將每一個(gè)新的像素值和樣本集 進(jìn)行比較來判斷是否屬于背景點(diǎn)，同時(shí)其采用了隨機(jī)選擇機(jī)制和鄰域傳播機(jī)制來建立和更 新背景模型。它對(duì)于各種視頻流、不同顏色空間、多種場(chǎng)景內(nèi)容及變化的場(chǎng)景都適用，從而 有效的提高了準(zhǔn)確度，增加了抗噪能力和減少了計(jì)算負(fù)載。
[0057] 如圖1所示，為每個(gè)像素點(diǎn)pt (X)建立一個(gè)包含N個(gè)樣本的背景模型：
[0058] M(x) = {p1； p2, . . . , pN} (1)
[0059] 通過比較待分類像素 pt(x)與背景模型M(x)的相似度，即可判斷出該像素是前景 還是背景。如果相似，即判斷為背景，否則為前景。其中相似度按如下方式來定義：如上圖 1所示，定義一個(gè)以P t (X)為球心，R為半徑的球體SK (pt (X))，用A來表示球體與背景模型的 交集，即可用來判斷相似度：
[0060] A= {SE(pt(x)) Π {ρ1； ρ2, . . . , ρΝ}} (2)
[0061] 當(dāng)Α大于一個(gè)給定的閾值時(shí)，待分類像素即為背景，否則為前景。
[0062] 但由于像建筑物樓道等環(huán)境具有光線差，攝像機(jī)質(zhì)量不高，拍出的視頻對(duì)比度較 低等缺點(diǎn)，往往會(huì)導(dǎo)致用Vibe算法的檢測(cè)精度變差，因而本發(fā)明在此基礎(chǔ)上提出了基于空 間位置分布特征的多連通域融合算法，通過分析先前由Vibe算法分割得到的數(shù)個(gè)連通域 之間的空間分布關(guān)系，將屬于同一運(yùn)動(dòng)目標(biāo)的不同連通域進(jìn)行融合。用改進(jìn)后的算法進(jìn)行 運(yùn)動(dòng)檢測(cè)，就會(huì)得到更加精確的檢測(cè)結(jié)果。
[0063] 在經(jīng)過Vibe算法進(jìn)行前景分割后，如果同一個(gè)目標(biāo)被分割成了很多個(gè)目標(biāo)塊，那 這些目標(biāo)塊的最小外接矩形在相對(duì)位置上還是存在一定的位置關(guān)系的：一是較小的框完全 被較大的框所包含，如圖2a所示；二是兩個(gè)框之間有交集，但并不完全包含，如圖2b所示； 三是兩個(gè)矩形框之間并沒有交集，但是他們主要成上下關(guān)系，且距離較近，如圖2c所示。 [0064] 針對(duì)如上所述的三種情況，我們有如下的解決方案：
[0065] 假設(shè)有兩個(gè)矩形窗分別為A和B，寬度分別記為W(A)和W(B)，高度記為H(A)和 11出），中心點(diǎn)坐標(biāo)記為〇^仏)，7仏)）、（以8)，7?))，則兩個(gè)框中心點(diǎn)的水平距離為 ：
[0066] Xd = | X (A) -x (B) (3)
[0067] 垂直距離為：
[0068] Yd = I y (A) -y (B) (4)
[0069] 針對(duì)上述的第一種關(guān)系，S卩如果符合判決條件1，即：
[0070] Xd<|WKA)-WKB)|/2 (5)
[0071] 和
[0072] Yd^ |H(A)-H(B) |/2 (6)
[0073] 則說明它們符合第一種關(guān)系，因而直接就把被包含在內(nèi)部的矩形框去掉即可。
[0074] 而針對(duì)后兩種關(guān)系的處理方式是相似的，即先判斷如果符合判決條件2,即：
[0075] Xd 彡 a i X | W ⑷ +W ⑶ | /2 (7)
[0076] 和
[0077] Yd 彡 α 2 X | Η ⑷ +H ⑶ | /2 (8)
[0078] 或者是滿足：
[0079] Xd 彡 β i X | W ⑷ +W ⑶ | /2 (9)
[0080] 和
[0081] Yd 彡 β2Χ |H⑷+H⑶ |/2 (10)
[0082] 則把這幾個(gè)矩形框的最大外接矩形畫出來，把內(nèi)部的矩形框全部刪除即可。其中， αι、α2、^和β2是系數(shù)，經(jīng)過大量實(shí)驗(yàn)后可得出當(dāng)這四個(gè)系數(shù)分別取1. 1、1. 1、1.5和 0. 25時(shí)會(huì)得到精確的檢測(cè)結(jié)果。
[0083] 部分實(shí)驗(yàn)結(jié)果如圖3 (a)、（b)所示：
[0084] 其中左側(cè)一縱列是由Vibe算法進(jìn)行前景檢測(cè)的結(jié)果，而右側(cè)一縱列則是通過改 進(jìn)后的方法的檢測(cè)結(jié)果。
[0085] 在運(yùn)動(dòng)目標(biāo)跟蹤方法中，實(shí)現(xiàn)的主要功能是對(duì)前期檢測(cè)到的前景運(yùn)動(dòng)對(duì)象進(jìn)行跟 蹤，也就是確定同一目標(biāo)體在圖像序列的不同幀中的位置的過程。即已知在視頻的第η幀 中的某個(gè)目標(biāo)，去搜尋第η+1幀及后續(xù)幀中該目標(biāo)的位置等信息，如果找到了，就說明跟蹤 成功；否則，可能就跟蹤失敗或者是目標(biāo)消失。
[0086] 如圖5所示，本發(fā)明在跟蹤模塊提出了基于空間距離的目標(biāo)跟蹤方法，即是指相 鄰兩幀視頻圖像中的目標(biāo)在二維空間中相距有多遠(yuǎn)。為簡(jiǎn)單起見，把運(yùn)動(dòng)目標(biāo)的最小外接 矩形的中心代表該目標(biāo)在圖像上的位置。采用空間距離來作為判斷依據(jù)，既能節(jié)省了存儲(chǔ) 空間，又同時(shí)減少了計(jì)算量和計(jì)算復(fù)雜度。
[0087] 本發(fā)明中運(yùn)動(dòng)跟蹤方法的具體步驟如下：
[0088] 第一步，針對(duì)已經(jīng)檢測(cè)到的所有的運(yùn)動(dòng)目標(biāo)，分別對(duì)每一個(gè)目標(biāo)i，首先利用 Kalman濾波器來預(yù)測(cè)該目標(biāo)在下一幀中的坐標(biāo)位置，此位置記為預(yù)測(cè)位置；
[0089] 第二步，針對(duì)下一幀中檢測(cè)到的所有目標(biāo)，對(duì)每一個(gè)目標(biāo)j的坐標(biāo)位置記為待定 位置；
[0090] 第三步，對(duì)某個(gè)i的預(yù)測(cè)位置，如果與其距離最近的待定位置是目標(biāo)j的位置，同 時(shí)針對(duì)該目標(biāo)j的待定位置，與其距離最近的預(yù)測(cè)位置是i的位置，則說明目標(biāo)i與目標(biāo)j 匹配成功，即跟蹤成功，然后再用j的信息來更新舊目標(biāo)i的信息，并同時(shí)根據(jù)目標(biāo)j的位 置與運(yùn)動(dòng)信息來更新Kalman濾波器，以調(diào)整其參數(shù)，進(jìn)行更加魯棒性的預(yù)測(cè)。
[0091] 第四步，對(duì)于沒有匹配成功的某個(gè)目標(biāo)i的預(yù)測(cè)位置，說明該目標(biāo)已經(jīng)消失，因而 將該目標(biāo)從跟蹤列表中清除即可；對(duì)于沒有匹配成功的目標(biāo)j的待定位置，說明目標(biāo)j為新 出現(xiàn)的目標(biāo)，則為其開辟新的存儲(chǔ)空間，并初始化其運(yùn)動(dòng)軌跡。跟蹤效果圖如圖4a、圖4b所 示，本方法能夠準(zhǔn)確對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤。
[〇〇92] 上述雖然結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】進(jìn)行了描述，但并非對(duì)本發(fā)明保護(hù)范 圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不 需要付出創(chuàng)造性勞動(dòng)即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。
【權(quán)利要求】
1. 一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征是：包括以下步驟： (1) 利用Vibe算法對(duì)檢測(cè)的像素點(diǎn)進(jìn)行分割：為每個(gè)像素點(diǎn)建立一個(gè)背景模型，比較 待分類像素與背景模型的相似度，若相似度滿足設(shè)定值，則判斷該像素為背景，否則為前 景； (2) 根據(jù)Vibe算法分割得到的連通域的空間分布關(guān)系，判斷其是否為同一運(yùn)動(dòng)目標(biāo)， 如果判斷結(jié)果為是，則進(jìn)行連通域合并，直到目標(biāo)檢測(cè)完成； (3) 對(duì)前期獲取到的運(yùn)動(dòng)對(duì)象進(jìn)行跟蹤，利用Kalman濾波器結(jié)合最小空間距離算法來 預(yù)測(cè)每個(gè)運(yùn)動(dòng)對(duì)象的坐標(biāo)位置，并進(jìn)行不斷更新、跟蹤，清除消失的運(yùn)動(dòng)對(duì)象并不斷記錄運(yùn) 動(dòng)對(duì)象的新坐標(biāo)位置。
2. 如權(quán)利要求1所述的一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征是：所述步驟（1) 的具體方法為：為每個(gè)像素點(diǎn)Pt(x)建立一個(gè)包含N個(gè)樣本的背景模型： Μ(χ) = {ρ1； ρ2,. . . , ρΝ} 通過比較待分類像素 Pt(x)與背景模型Μ(χ)的相似度，即可判斷出該像素是前景還是 背景，如果相似，即判斷為背景，否則為前景。
3. 如權(quán)利要求2所述的一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征是：所述步驟（1) 中，相似度的判斷方法為：定義一個(gè)以Pt (X)為球心，R為半徑的球體SK (pt (X))，用Α來表示 球體與背景模型的交集，用來判斷相似度： A= {SE(pt(x)) Π {ρ1； ρ2,. . . , ρΝ}} 當(dāng)Α大于一個(gè)給定的閾值時(shí)，待分類像素即為背景，否則為前景。
4. 如權(quán)利要求1所述的一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征是：所述步驟（2) 的具體為：通過Vibe算法對(duì)前景分割存在以下情況：經(jīng)過Vibe算法進(jìn)行前景分割后，如果 同一個(gè)目標(biāo)被分割成了很多個(gè)目標(biāo)塊，那這些目標(biāo)塊的最小外接矩形在相對(duì)位置上還是存 在一定的位置關(guān)系的：一是較小的框完全被較大的框所包含；二是兩個(gè)框之間有交集，但 并不完全包含；三是兩個(gè)矩形框之間并沒有交集，但是他們成上下關(guān)系，且質(zhì)心之間的水平 與垂直距離都小于一定的閾值。
5. 如權(quán)利要求4所述的一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征是：所述步驟（2) 的具體方法為：假設(shè)有兩個(gè)矩形窗分別為A和B，寬度分別記為W(A)和W(B)，高度記為H(A) 和H(B)，中心點(diǎn)坐標(biāo)記為（x(A)，y(A))、〇^)， 7?))，則兩個(gè)框中心點(diǎn)的水平距離為： Xd = | X (A) -x (B) 垂直距離為： Yd = | y ⑷-y ⑶ 所述步驟（2)中，如果是較小的框完全被較大的框所包含，則符合判決條件1，即： Xd< |W㈧-W⑶ |/2 和 Yd 彡 |H(A)-H(B) |/2 直接將被包含在內(nèi)部的矩形框去掉即可。
6. 如權(quán)利要求5所述的一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征是：所述步驟（2) 中，如果兩個(gè)框之間有交集，但并不完全包含，則符合判決條件2,即： Xd 彡 α，|W⑷+W(B) |/2 和 Yd< α2χ |H⑷+H(B) 1/2。
7. 如權(quán)利要求5所述的一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征是：所述步驟（2) 中，如果兩個(gè)矩形框之間并沒有交集，但是他們成上下關(guān)系，且質(zhì)心間的水平與垂直距離都 小于一定的閾值，則符合以下條件，即： Xd< |W(A)+W⑶ |/2 和 Yd< β2Χ |H(A)+H⑶ 1/2 則把這幾個(gè)矩形框的最大外接矩形畫出來，把內(nèi)部的矩形框全部刪除即可，其中，a i、 α 2、β i和β 2是系數(shù)。
8. 如權(quán)利要求1所述的一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征是：所述步驟（3) 的具體方法包括： 第一步，針對(duì)已經(jīng)檢測(cè)到的所有的運(yùn)動(dòng)目標(biāo)，分別對(duì)每一個(gè)目標(biāo)i，首先利用Kalman濾 波器來預(yù)測(cè)該目標(biāo)在下一幀中的坐標(biāo)位置，此位置記為預(yù)測(cè)位置； 第二步，針對(duì)下一幀中檢測(cè)到的所有目標(biāo)，對(duì)每一個(gè)目標(biāo)j的坐標(biāo)位置記為待定位置； 第三步，對(duì)某個(gè)i的預(yù)測(cè)位置，如果與其距離最近的待定位置是目標(biāo)j的位置，同時(shí)針 對(duì)該目標(biāo)j的待定位置，與其距離最近的預(yù)測(cè)位置是i的位置，則說明目標(biāo)i與目標(biāo)j匹配 成功，即跟蹤成功，然后再用j的信息來更新舊目標(biāo)i的信息，并同時(shí)根據(jù)目標(biāo)j的位置與 運(yùn)動(dòng)信息來更新Kalman濾波器，以調(diào)整其參數(shù)，進(jìn)行更加魯棒性的預(yù)測(cè)； 第四步，對(duì)于沒有匹配成功的某個(gè)目標(biāo)i的預(yù)測(cè)位置，說明該目標(biāo)已經(jīng)消失，因而將該 目標(biāo)從跟蹤列表中清除即可；對(duì)于沒有匹配成功的目標(biāo)j的待定位置，說明目標(biāo)j為新出現(xiàn) 的目標(biāo)，則為其開辟新的存儲(chǔ)空間，并初始化其運(yùn)動(dòng)軌跡。
9. 如權(quán)利要求1所述的一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征是：所述步驟（3) 中，將已經(jīng)成功跟蹤的所有目標(biāo)的最小外接矩形彩色前景保存到前景容器中，將每個(gè)目標(biāo) 在每一幀的位置及大小信息保存到目標(biāo)列表中，將經(jīng)過Vibe背景建模得到的所有背景保 存在背景容器中。
10. 如權(quán)利要求1所述的一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征是：所述步驟 (3)中，已知在視頻的第η幀中的某個(gè)目標(biāo)，去搜尋第n+1幀及后續(xù)幀中該目標(biāo)的位置等信 息，如果找到了，就說明跟蹤成功；否則，可能就跟蹤失敗或者是目標(biāo)消失。
【文檔編號(hào)】G06T7/20GK104063885SQ201410353072
【公開日】2014年9月24日 申請(qǐng)日期:2014年7月23日 優(yōu)先權(quán)日:2014年7月23日
【發(fā)明者】曹建榮, 徐陽, 李振宇, 孫雪梅 申請(qǐng)人:山東建筑大學(xué)