本發(fā)明涉及運動目標檢測跟蹤技術領域，特別是指一種多運動目標跟蹤方法。

背景技術：

隨著計算機技術、通信技術、圖像處理等技術的不斷發(fā)展，計算機視覺的研究重點已逐漸從對靜態(tài)圖像的研究過渡到對動態(tài)圖像序列的研究上來，即研究對運動目標的視覺分析。在現實生活中，大量有意義的視覺信息都包含在運動當中，基于視覺的運動目標檢測與跟蹤問題是計算機視覺領域中的—個重要研究課題。

傳統(tǒng)的基于單個特征的運動目標跟蹤算法在簡單的環(huán)境下跟蹤效果較好，在復雜環(huán)境中很難對運動目標中的某一目標進行正確的跟蹤。但在實際應用中，大多數環(huán)境都是復雜場景，運動目標跟蹤過程中容易受到其他運動物體或是背景的干擾。因此，現有技術中，大多數使用多特征進行運動目標跟蹤，然而多特征運動目標跟蹤算法的運算量大，會導致多特征運動目標跟蹤算法的時效性差。

技術實現要素：

本發(fā)明要解決的技術問題是提供一種多運動目標跟蹤方法，以解決現有技術所存在的多特征運動目標跟蹤算法時效性差的問題。

為解決上述技術問題，本發(fā)明實施例提供一種多運動目標跟蹤方法，包括：

S1，獲取當前幀圖像中的運動目標，獲取到的所述當前幀圖像中的運動目標為跟蹤目標；

S2，預測每個跟蹤目標的質心坐標在下一幀圖像中的坐標，根據預測得到的每個跟蹤目標的質心坐標在下一幀圖像中的坐標，確定預測的每個跟蹤目標的質心坐標在下一幀圖像中的坐標與下一幀圖像中每個運動目標的質心坐標之間的距離；

S3，對當前幀圖像中的一跟蹤目標，根據確定的每個跟蹤目標的質心坐標在下一幀圖像中的坐標與下一幀圖像中每個運動目標的質心坐標之間的距離，確定下一幀圖像中與所述當前幀圖像中的一跟蹤目標距離最近的運動目標作為待匹配目標；

S4，對所述當前幀圖像中的一跟蹤目標與所述待匹配目標進行特征匹配跟蹤。

進一步地，所述獲取當前幀圖像中的運動目標包括：

獲取當前幀圖像、上一幀圖像及下一幀圖像，其中，所述上一幀圖像為所述當前幀圖像的上一幀圖像，所述下一幀圖像為所述當前幀圖像的下一幀圖像；

根據獲取的當前幀圖像、上一幀圖像及下一幀圖像，通過三幀差法確定當前幀圖像中的運動目標。

進一步地，所述根據獲取的當前幀圖像、上一幀圖像及下一幀圖像，通過三幀差法確定當前幀圖像中的運動目標包括：

若獲取的當前幀圖像、上一幀圖像及下一幀圖像為灰度化圖像，則計算上一幀圖像和當前幀圖像的差分圖像、當前幀圖像和下一幀圖像的差分圖像；

將計算得到的上一幀圖像和當前幀圖像的差分圖像、當前幀圖像和下一幀圖像的差分圖像進行與運算，得到最終的差分圖像；

根據得到的所述最終的差分圖像，確定當前幀圖像中的運動目標。

進一步地，所述根據獲取的當前幀圖像、上一幀圖像及下一幀圖像，通過三幀差法確定當前幀圖像中的運動目標包括：

若獲取的當前幀圖像、上一幀圖像及下一幀圖像為彩色幀圖像，則對獲取的所述當前幀圖像、上一幀圖像及下一幀圖像分別進行灰度化處理；

計算灰度化處理后的上一幀圖像和當前幀圖像的差分圖像、灰度化處理后的當前幀圖像和下一幀圖像的差分圖像；

將計算得到的上一幀圖像和當前幀圖像的差分圖像、當前幀圖像和下一幀圖像的差分圖像進行與運算，得到最終的差分圖像；

根據得到的所述最終的差分圖像，確定當前幀圖像中的運動目標。

進一步地，所述根據獲取的當前幀圖像、上一幀圖像及下一幀圖像，通過三幀差法確定當前幀圖像中的運動目標之后還包括：

對確定的當前幀圖像中的每個運動目標輪廓內部的空洞進行填充；

獲取填充后的所有前景區(qū)域的面積，將獲取到的所述所有前景區(qū)域的面積與預設的開操作閾值進行比較；

若小于預設的開操作閾值，則判定所述所有前景區(qū)域是噪點，并去除所述噪點。

進一步地，所述對所述當前幀圖像中的一跟蹤目標與所述待匹配目標進行特征匹配跟蹤包括：

分別獲取所述當前幀圖像中的一跟蹤目標、所述待匹配目標的顏色特征及幾何特征；

將獲取的所述當前幀圖像中的一跟蹤目標的顏色特征以及幾何特征組成第一聯合特征，將獲取的所述待匹配目標的顏色特征以及幾何特征組成第二聯合特征，對所述第一聯合特征和所述第二聯合特征進行相似度匹配；

判斷所述第一聯合特征和所述第二聯合特征的匹配相似度值是否大于預設的相似度閾值；

若大于預設的相似度閾值，則判定所述當前幀圖像中的一跟蹤目標和所述待匹配目標為同一目標，利用所述待匹配目標更新所述當前幀圖像中的一跟蹤目標對應的目標模板。

進一步地，所述方法還包括：

若不大于預設的相似度閾值，則分別獲取所述當前幀圖像中的一跟蹤目標、所述待匹配目標的Harris角點特征，將所述當前幀圖像中的一跟蹤目標和所述待匹配目標進行Harris角點特征匹配；

若所述當前幀圖像中的一跟蹤目標和所述待匹配目標匹配的Harris角點數不為零，則繼續(xù)通過Harris角點特征進行匹配跟蹤，若最終匹配的Harris角點數不為零，則匹配成功，則判定所述當前幀圖像中的一跟蹤目標和所述待匹配目標為同一目標，利用所述待匹配目標更新所述當前幀圖像中的一跟蹤目標對應的目標模板；

若所述當前幀圖像中的一跟蹤目標和所述待匹配目標匹配的Harris角點數為零，則判定所述當前幀圖像中的一跟蹤目標和所述待匹配目標不是同一目標，所述當前幀圖像中的一跟蹤目標繼續(xù)與下一幀圖像中與所述當前幀圖像中的一跟蹤目標距離次之的運動目標進行匹配。

進一步地，所述方法還包括：

若所述當前幀圖像中的一跟蹤目標與下一幀圖像中所有的運動目標都匹配失敗，則判斷所述當前幀圖像中的一跟蹤目標在下一幀圖像中駛出了監(jiān)控區(qū)域，清空所述當前幀圖像中的一跟蹤目標對應的目標模板。

進一步地，所述方法還包括：

對當前幀圖像中沒有進行特征匹配跟蹤的跟蹤目標執(zhí)行S3、S4的操作，直到當前幀圖像中的所有跟蹤目標都進行特征匹配跟蹤。

進一步地，所述方法還包括：

若下一幀圖像中包含有不能與當前幀圖像中跟蹤目標匹配的運動目標，則判斷所述不能與當前幀圖像中跟蹤目標匹配的運動目標是新駛入監(jiān)控區(qū)域的運動目標，針對新駛入的所述運動目標建立相應的目標模板。

本發(fā)明的上述技術方案的有益效果如下：

上述方案中，獲取當前幀圖像中的運動目標，獲取到的所述當前幀圖像中的運動目標為跟蹤目標；預測每個跟蹤目標的質心坐標在下一幀圖像中的坐標，根據預測得到的每個跟蹤目標的質心坐標在下一幀圖像中的坐標，確定預測的每個跟蹤目標的質心坐標在下一幀圖像中的坐標與下一幀圖像中每個運動目標的質心坐標之間的距離；對當前幀圖像中的一跟蹤目標，根據確定的每個跟蹤目標的質心坐標在下一幀圖像中的坐標與下一幀圖像中每個運動目標的質心坐標之間的距離，確定下一幀圖像中與所述當前幀圖像中的一跟蹤目標距離最近的運動目標作為待匹配目標；對所述當前幀圖像中的一跟蹤目標與所述待匹配目標進行特征匹配跟蹤。這樣，基于最鄰近原則(距離最近原則)來確定所述當前幀圖像中的跟蹤目標與下一幀圖像中的運動目標的匹配優(yōu)先度，距離越近的越優(yōu)先匹配，能夠大大提高多運動目標跟蹤方法的時效性，從而解決現有的多特征運動目標跟蹤算法時效性差的問題；同時，采用基于最鄰近原則的匹配策略還能減小顏色相近的運動目標帶來的干擾，并且還能為運動目標的交匯產生的跟蹤目標的遮擋判斷提供依據。

附圖說明

圖1為本發(fā)明實施例提供的多運動目標跟蹤方法的流程示意圖；

圖2為本發(fā)明實施例提供的最鄰近原則決策目標間匹配優(yōu)先度的流程示意圖；

圖3為本發(fā)明實施例提供的多運動目標跟蹤方法的具體流程示意圖；

圖4為本發(fā)明實施例提供的混合特征匹配流程示意圖。

具體實施方式

為使本發(fā)明要解決的技術問題、技術方案和優(yōu)點更加清楚，下面將結合附圖及具體實施例進行詳細描述。

本發(fā)明針對現有的多特征運動目標跟蹤算法時效性差的問題，提供一種多運動目標跟蹤方法。

參看圖1所示，本發(fā)明實施例提供的多運動目標跟蹤方法，包括：

S1，獲取當前幀圖像中的運動目標，獲取到的所述當前幀圖像中的運動目標為跟蹤目標；

S2，預測每個跟蹤目標的質心坐標在下一幀圖像中的坐標，根據預測得到的每個跟蹤目標的質心坐標在下一幀圖像中的坐標，確定預測的每個跟蹤目標的質心坐標在下一幀圖像中的坐標與下一幀圖像中每個運動目標的質心坐標之間的距離；

S3，對當前幀圖像中的一跟蹤目標，根據確定的每個跟蹤目標的質心坐標在下一幀圖像中的坐標與下一幀圖像中每個運動目標的質心坐標之間的距離，確定下一幀圖像中與所述當前幀圖像中的一跟蹤目標距離最近的運動目標作為待匹配目標；

S4，對所述當前幀圖像中的一跟蹤目標與所述待匹配目標進行特征匹配跟蹤。

本發(fā)明實施例所述的多運動目標跟蹤方法，，獲取當前幀圖像中的運動目標，獲取到的所述當前幀圖像中的運動目標為跟蹤目標；預測每個跟蹤目標的質心坐標在下一幀圖像中的坐標，根據預測得到的每個跟蹤目標的質心坐標在下一幀圖像中的坐標，確定預測的每個跟蹤目標的質心坐標在下一幀圖像中的坐標與下一幀圖像中每個運動目標的質心坐標之間的距離；對當前幀圖像中的一跟蹤目標，根據確定的每個跟蹤目標的質心坐標在下一幀圖像中的坐標與下一幀圖像中每個運動目標的質心坐標之間的距離，確定下一幀圖像中與所述當前幀圖像中的一跟蹤目標距離最近的運動目標作為待匹配目標；對所述當前幀圖像中的一跟蹤目標與所述待匹配目標進行特征匹配跟蹤。這樣，基于最鄰近原則(距離最近原則)來確定所述當前幀圖像中的跟蹤目標與下一幀圖像中的運動目標的匹配優(yōu)先度，距離越近的越優(yōu)先匹配，能夠大大提高多運動目標跟蹤方法的時效性，從而解決現有的多特征運動目標跟蹤算法時效性差的問題；同時，采用基于最鄰近原則的匹配策略還能減小顏色相近的運動目標帶來的干擾，并且還能為運動目標的交匯產生的跟蹤目標的遮擋判斷提供依據。

本實施例中，先獲取當前幀圖像中的運動目標，獲取的所述當前幀圖像中的每個運動目標都可以是跟蹤目標，Kalman濾波器可以根據當前幀圖像中每個跟蹤目標的運動信息(例如，速度，當前幀與所述當前幀的上一幀圖像之間的時間間隔，其中，時間間隔是固定且是已知的)，預測每個跟蹤目標的質心坐標在下一幀圖像中的坐標，根據預測得到的每個跟蹤目標的質心坐標在下一幀圖像中的坐標，確定預測的每個跟蹤目標的質心坐標在下一幀圖像中的坐標與下一幀圖像中每個運動目標的質心坐標之間的距離，其中，所述下一幀圖像為所述當前幀圖像的下一幀圖像，如圖2所示。

本實施例中，以當前幀圖像中的一個跟蹤目標為例，可以先確定該跟蹤目標的質心坐標，接著通過Kalman濾波器根據該跟蹤目標的運動信息預測該跟蹤目標的質心坐標在下一幀圖像中的坐標，并確定預測的該跟蹤目標的質心坐標在下一幀圖像中的坐標與下一幀圖像中每個運動目標的質心坐標之間的距離。

本實施例中，接著，根據確定的該跟蹤目標的質心坐標在下一幀圖像中的坐標與下一幀圖像中每個運動目標的質心坐標之間的距離，可以對距離值從小到大或從大到小進行排列，依據距離值的大小決策該跟蹤目標首先與下一幀圖像中的哪個運動目標優(yōu)先進行匹配，如圖2所示，本實施例中，基于最鄰近原則(距離最近原則)，確定下一幀圖像中與該跟蹤目標距離最近的運動目標作為待匹配目標進行特征匹配跟蹤，也就是說，距離越近的越優(yōu)先進行特征匹配跟蹤，這樣，能夠大大提高多運動目標跟蹤方法的時效性，同時，采用基于最鄰近原則的匹配策略還能減小顏色相近的運動目標帶來的干擾，并且還能為運動目標的交匯產生的跟蹤目標的遮擋判斷提供依據。

在前述多運動目標跟蹤方法的具體實施方式中，進一步地，所述獲取當前幀圖像中的運動目標包括：

獲取當前幀圖像、上一幀圖像及下一幀圖像，其中，所述上一幀圖像為所述當前幀圖像的上一幀圖像，所述下一幀圖像為所述當前幀圖像的下一幀圖像；

根據獲取的當前幀圖像、上一幀圖像及下一幀圖像，通過三幀差法確定當前幀圖像中的運動目標。

本實施例中，也可以通過三幀差法確定下一幀圖像中的運動目標。

在前述多運動目標跟蹤方法的具體實施方式中，進一步地，所述根據獲取的當前幀圖像、上一幀圖像及下一幀圖像，通過三幀差法確定當前幀圖像中的運動目標包括：

若獲取的當前幀圖像、上一幀圖像及下一幀圖像為灰度化圖像，則計算上一幀圖像和當前幀圖像的差分圖像、當前幀圖像和下一幀圖像的差分圖像；

將計算得到的上一幀圖像和當前幀圖像的差分圖像、當前幀圖像和下一幀圖像的差分圖像進行與運算，得到最終的差分圖像；

根據得到的所述最終的差分圖像，確定當前幀圖像中的運動目標。

本實施例中，假設，f(k-1)、f(k)、f(k+1)分別是上一幀灰度化圖像、當前幀灰度化圖像以及下一幀灰度化圖像，計算f(k)和f(k-1)差分圖像D_k以及f(k)和f(k+1)的差分圖像D_k+1，然后將D_k和D_k+1進行與運算，從而得到最終的差分圖像D，根據得到的所述最終的差分圖像D，確定當前幀圖像中的運動目標。

在前述多運動目標跟蹤方法的具體實施方式中，進一步地，所述根據獲取的當前幀圖像、上一幀圖像及下一幀圖像，通過三幀差法確定當前幀圖像中的運動目標包括：

若獲取的當前幀圖像、上一幀圖像及下一幀圖像為彩色幀圖像，則對獲取的所述當前幀圖像、上一幀圖像及下一幀圖像分別進行灰度化處理；

計算灰度化處理后的上一幀圖像和當前幀圖像的差分圖像、灰度化處理后的當前幀圖像和下一幀圖像的差分圖像；

將計算得到的上一幀圖像和當前幀圖像的差分圖像、當前幀圖像和下一幀圖像的差分圖像進行與運算，得到最終的差分圖像；

根據得到的所述最終的差分圖像，確定當前幀圖像中的運動目標。

如圖3所示，本實施例中，若獲取的上一幀圖像、當前幀圖像及下一幀圖像為彩色幀圖像，在通過三幀差法確定當前幀圖像中的運動目標之前，還需對獲取的上一幀圖像、當前幀圖像及下一幀圖像分別進行預處理，例如，灰度化處理；接著，對灰度化處理后的上一幀圖像、當前幀圖像及下一幀圖像，通過三幀差法確定當前幀圖像中的運動目標。

在前述多運動目標跟蹤方法的具體實施方式中，進一步地，所述根據獲取的當前幀圖像、上一幀圖像及下一幀圖像，通過三幀差法確定當前幀圖像中的運動目標之后還包括：

對確定的當前幀圖像中的每個運動目標輪廓內部的空洞進行填充；

獲取填充后的所有前景區(qū)域的面積，將獲取到的所述所有前景區(qū)域的面積與預設的開操作閾值進行比較；

若小于預設的開操作閾值，則判定所述所有前景區(qū)域是噪點，并去除所述噪點。

本實施例中，由于獲取到的當前幀圖像中的每個運動目標的輪廓內部存在大量的空洞，因此，需對獲取到的當前幀圖像中的每個運動目標輪廓內部的空洞進行循環(huán)填充，循環(huán)填充后，得到當前幀圖像中每個運動目標完整的輪廓。

本實施例中，在進行空洞填充后，會把一些離散的噪點填充滿，如果不把這些噪點去除的話，會影響目標跟蹤算法的時效性。為了解決這一問題，可以將所有的前景區(qū)域的面積與預設的開操作閾值進行比較，具體地，獲取經過循環(huán)填充后的圖像的所有前景區(qū)域的面積，并與預設的開操作閾值進行比較，若小于預設的開操作閾值，則認為所述所有前景區(qū)域是噪點，并去除所述噪點。

本實施例中，在去除噪點后，可以提取當前幀圖像中的每個運動目標的顏色特征、幾何特征以及Harris角點特征。

在前述多運動目標跟蹤方法的具體實施方式中，進一步地，所述對所述當前幀圖像中的一跟蹤目標與所述待匹配目標進行特征匹配跟蹤包括：

分別獲取所述當前幀圖像中的一跟蹤目標、所述待匹配目標的顏色特征及幾何特征；

將獲取的所述當前幀圖像中的一跟蹤目標的顏色特征以及幾何特征組成第一聯合特征，將獲取的所述待匹配目標的顏色特征以及幾何特征組成第二聯合特征，對所述第一聯合特征和所述第二聯合特征進行相似度匹配；

判斷所述第一聯合特征和所述第二聯合特征的匹配相似度值是否大于預設的相似度閾值；

若大于預設的相似度閾值，則判定所述當前幀圖像中的一跟蹤目標和所述待匹配目標為同一目標，利用所述待匹配目標更新所述當前幀圖像中的一跟蹤目標對應的目標模板。

如圖4所示，本實施例中，若所述第一聯合特征和所述第二聯合特征的匹配相似度值是大于預設的相似度閾值，則判定所述當前幀圖像中的一跟蹤目標和所述待匹配目標匹配成功，所述當前幀圖像中的一跟蹤目標和所述待匹配目標為同一目標；利用匹配成功的所述待匹配目標的顏色特征、幾何特征及Harris角點特征更新所述當前幀圖像中的一跟蹤目標對應的目標模板，結合當前跟蹤目標的運動信息，Kalman濾波器可以預測該跟蹤目標的質心坐標在下一幀圖像中可能出現的位置，即：該跟蹤目標的質心坐標在下一幀圖像中的坐標。

本實施例中，所述顏色特征和幾何特征是全局特征，不受噪聲干擾，從而能夠提高運動目標跟蹤的精確性。

本實施例中，若所述第一聯合特征和所述第二聯合特征的匹配相似度值是不大于預設的相似度閾值，則認為所述當前幀圖像中的一跟蹤目標和所述待匹配目標可能發(fā)生遮擋，所述顏色特征和幾何特征失效，需分別獲取所述當前幀圖像中的一跟蹤目標、所述待匹配目標的Harris角點特征，將所述當前幀圖像中的一跟蹤目標和所述待匹配目標進行Harris角點特征匹配。

在前述多運動目標跟蹤方法的具體實施方式中，進一步地，所述方法還包括：

若不大于預設的相似度閾值，則分別獲取所述當前幀圖像中的一跟蹤目標、所述待匹配目標的Harris角點特征，將所述當前幀圖像中的一跟蹤目標和所述待匹配目標進行Harris角點特征匹配；

若所述當前幀圖像中的一跟蹤目標和所述待匹配目標匹配的Harris角點數不為零，則繼續(xù)通過Harris角點特征進行匹配跟蹤，若最終匹配的Harris角點數不為零，則匹配成功，則判定所述當前幀圖像中的一跟蹤目標和所述待匹配目標為同一目標，利用所述待匹配目標更新所述當前幀圖像中的一跟蹤目標對應的目標模板；

若所述當前幀圖像中的一跟蹤目標和所述待匹配目標匹配的Harris角點數為零，則判定所述當前幀圖像中的一跟蹤目標和所述待匹配目標不是同一目標，所述當前幀圖像中的一跟蹤目標繼續(xù)與下一幀圖像中與所述當前幀圖像中的一跟蹤目標距離次之的運動目標進行匹配。

本實施例中，所述Harris角點特征匹配包括：利用歸一化相關算法的粗匹配和利用隨機抽樣一致性算法的精確匹配，如果所述當前幀圖像中的一跟蹤目標和所述待匹配目標最終匹配的Harris角點數不為零，則認為跟蹤目標發(fā)生了遮擋，但依然可以繼續(xù)通過Harris角點特征進行匹配跟蹤，若最終匹配的Harris角點數不為零，則匹配成功，判定所述當前幀圖像中的一跟蹤目標和所述待匹配目標為同一目標，利用所述待匹配目標的顏色特征、幾何特征及Harris角點特征更新所述當前幀圖像中的一跟蹤目標對應的目標模板，結合當前跟蹤目標的運動信息，Kalman濾波器可以預測該跟蹤目標的質心坐標在下一幀圖像中可能出現的位置，即：該跟蹤目標的質心坐標在下一幀圖像中的坐標。

本實施例中，如果所述當前幀圖像中的一跟蹤目標和所述待匹配目標最終匹配的角點數為零，則認為所述當前幀圖像中的一跟蹤目標和所述待匹配目標特征匹配不成功，不是同一目標，所述當前幀圖像中的一跟蹤目標繼續(xù)與下一幀圖像中與所述當前幀圖像中的一跟蹤目標距離次之的運動目標進行匹配。

本實施例中，利用顏色特征、幾何特征及Harris角點特征組成的混合特征進行目標間的特征匹配，能夠適應跟蹤目標在跟蹤過程中可能出現的變化，使目標模板在前景和背景發(fā)生變化時都能擁有持續(xù)的跟蹤能力，從而能夠提高跟蹤方法的魯棒性和穩(wěn)定性，同時還能提高運動目標跟蹤的精確性。

在前述多運動目標跟蹤方法的具體實施方式中，進一步地，所述方法還包括：

若所述當前幀圖像中的一跟蹤目標與下一幀圖像中所有的運動目標都匹配失敗，則判斷所述當前幀圖像中的一跟蹤目標在下一幀圖像中駛出了監(jiān)控區(qū)域，清空所述當前幀圖像中的一跟蹤目標對應的目標模板。

本實施例中，如果所述當前幀圖像中的一跟蹤目標與下一幀圖像中所有的運動目標都匹配失敗，那么認為該跟蹤目標在下一幀圖像中駛出了監(jiān)控區(qū)域，需清空該跟蹤目標對應的目標模板。

在前述多運動目標跟蹤方法的具體實施方式中，進一步地，所述方法還包括：

對當前幀圖像中沒有進行特征匹配跟蹤的跟蹤目標執(zhí)行S3、S4的操作，直到當前幀圖像中的所有跟蹤目標都進行特征匹配跟蹤。

在前述多運動目標跟蹤方法的具體實施方式中，進一步地，所述方法還包括：

若下一幀圖像中包含有不能與當前幀圖像中跟蹤目標匹配的運動目標，則判斷所述不能與當前幀圖像中跟蹤目標匹配的運動目標是新駛入監(jiān)控區(qū)域的運動目標，針對新駛入的所述運動目標建立相應的目標模板。

以上所述是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明所述原理的前提下，還可以作出若干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。