置；
[0016] 這部分是檢測器模塊。由于運(yùn)動矢量在預(yù)處理過程中得到比較顯著的運(yùn)動信息， 通過分析運(yùn)動矢量的方向偏離度及幅值關(guān)系，設(shè)定閾值，可以得到表征運(yùn)動目標(biāo)位置信息 的掩膜。采用運(yùn)動矢量的方向角作為特征空間，對視頻中出現(xiàn)的運(yùn)動目標(biāo)進(jìn)行跟蹤。將運(yùn) 動矢量方向角在0-360°的范圍內(nèi)進(jìn)行量化，以20°為量化步長，可以分成18個(gè)量化等級， 這樣統(tǒng)計(jì)出來的運(yùn)動矢量方向角直方圖就會涵蓋整個(gè)運(yùn)動目標(biāo)的運(yùn)動特征。且其具有與顏 色直方圖相同的特點(diǎn)，不受目標(biāo)形狀變化的影響。假設(shè)目標(biāo)區(qū)域的中心為x〇,目標(biāo)在一幀 圖像中對應(yīng)的4X4塊的位置為{xi}，i=l，2，…，n。如果目標(biāo)模型表示成m個(gè)值的直方 圖，形式為q= {qv}v= 1，2, . . .，m，則歸一化后的目標(biāo)運(yùn)動矢量分布可以表示成：
【主權(quán)項(xiàng)】
1. 一種基于H. 264/AVC壓縮域的運(yùn)動目標(biāo)跟蹤的方法，其特征在于，所述方法包括： 對運(yùn)動矢量進(jìn)行預(yù)處理，得到一個(gè)平穩(wěn)更能反映運(yùn)動信息的矢量場； W運(yùn)動矢量方向角為特征建立目標(biāo)模型W及候選目標(biāo)模型，利用Meanshiff框架對目 標(biāo)進(jìn)行檢測； 利用Kalman濾波進(jìn)行平滑跟蹤框和預(yù)測下帖位置，將結(jié)果重新作用于檢測器，對其進(jìn) 行校正，從而準(zhǔn)確跟蹤。
2. 根據(jù)權(quán)利要求1所述的一種基于H. 264/AVC壓縮域的運(yùn)動目標(biāo)跟蹤的方法，其特征 在于對運(yùn)動矢量進(jìn)行預(yù)處理，得到一個(gè)平穩(wěn)更能反映運(yùn)動信息的矢量場； 首先對原始的運(yùn)動矢量場進(jìn)行時(shí)間和空間上的歸一化。時(shí)空歸一化后，對新的運(yùn)動矢 量場進(jìn)行3X3中值濾波，消除噪聲矢量的同時(shí)，可W平滑相鄰塊之間運(yùn)動矢量的差異。為 進(jìn)一步增強(qiáng)運(yùn)動矢量場的可靠性，需要對連續(xù)幾帖運(yùn)動矢量場進(jìn)行累積，該里采用不是簡 單的直接累加，而是迭代后向投影法，分兩個(gè)過程，投影過程和累積過程。然后根據(jù)運(yùn)動矢 量的方向偏離度和幅值偏離度設(shè)限，該樣保留了大部分運(yùn)動目標(biāo)位置信息。
3. 根據(jù)權(quán)利要求1所述的一種基于H. 264/AVC壓縮域的運(yùn)動目標(biāo)跟蹤的方法，其特征 在于，W運(yùn)動矢量方向角為特征建立目標(biāo)模型W及候選目標(biāo)模型，利用Meanshiff框架對 目標(biāo)進(jìn)行檢測； 首先運(yùn)動矢量直方圖闊值，建立每一帖的運(yùn)動矢量直方圖，表示運(yùn)動矢量的一個(gè)分布， 如果直方圖的某列值的面積大于整個(gè)面積的一半時(shí)，認(rèn)為該個(gè)值表示的運(yùn)動矢量為背景， 應(yīng)該濾掉，該樣有效解決因?yàn)閿z像機(jī)的垂直抖動問題。然后采用運(yùn)動矢量的方向角作為特 征空間，對視頻中出現(xiàn)的運(yùn)動目標(biāo)進(jìn)行跟蹤。將運(yùn)動矢量方向角在0-360°的范圍內(nèi)進(jìn)行量 化，W 20°為量化步長，可W分成18個(gè)量化等級，該樣統(tǒng)計(jì)出來的運(yùn)動矢量方向角直方圖 就會涵蓋整個(gè)運(yùn)動目標(biāo)的運(yùn)動特征。且其具有與顏色直方圖相同的特點(diǎn)，不受目標(biāo)形狀變 化的影響。跟蹤其實(shí)就是給定一個(gè)目標(biāo)模型，在候選模型中找一個(gè)與目標(biāo)模型特分布最相 似的候選模型作為目標(biāo)在當(dāng)前帖的位置。
4. 根據(jù)權(quán)利要求1所述的一種基于H. 264/AVC壓縮域的運(yùn)動目標(biāo)跟蹤的方法，其特征 在于，利用Kalman濾波進(jìn)行平滑跟蹤框和預(yù)測下帖位置，將結(jié)果重新作用于檢測器，對其 進(jìn)行校正，從而準(zhǔn)確跟蹤； Kalman濾波是個(gè)最優(yōu)化遞歸處理算法，在目標(biāo)檢測與跟蹤過程中，為了提高跟蹤速度， 在確定目標(biāo)的情況下，對目標(biāo)在下一時(shí)刻的可能的位置進(jìn)行估計(jì)，然后W該個(gè)估計(jì)的位置 為中屯、，在一定的范圍內(nèi)進(jìn)行目標(biāo)的捜索，該樣就可W縮小目標(biāo)的捜索范圍，提高跟蹤速 度。由于跟蹤器的輸入是檢測器的輸出，當(dāng)檢測器發(fā)生檢測錯(cuò)誤時(shí)，跟蹤器能夠自動識別錯(cuò) 誤，避免產(chǎn)生不必要的誤差。跟蹤器的作用在于其對檢測器的平穩(wěn)濾波和預(yù)測，將結(jié)果重新 作用于檢測器，并對其進(jìn)行校正。跟蹤器具有校正的特性，對輸入的檢測器數(shù)據(jù)進(jìn)行初步的 識別，在該里定義一個(gè)誤差參數(shù)，定義□是上一帖預(yù)測的跟蹤器位置與當(dāng)前輸入的檢測器 位置的偏差，當(dāng)大于平均移動距離的2倍時(shí)，認(rèn)為檢測器檢測失敗，則跟蹤器根據(jù)來預(yù)測， 偏差的表示均采用the center of bounding box的位置來計(jì)算。在跟蹤器中得到下一帖的 預(yù)測結(jié)果，跟蹤器經(jīng)過緩沖和校正的結(jié)果，比檢測器更加準(zhǔn)確，將在下一帖循環(huán)時(shí)送入檢測 器中進(jìn)行校正，在檢測器中得到的與進(jìn)行平滑操作，削減過于偏大的位置誤差，重新更新。 由于目標(biāo)運(yùn)動每帖間位置相差不會太大，如果跟蹤器輸出的結(jié)果的誤差超過平均值的 2倍，則認(rèn)為跟蹤器輸出錯(cuò)誤。此時(shí)整合器穿給檢測器的值就是上一帖正確的位置信息。由 于檢測器的運(yùn)算單位是4x4塊，也就是橫向上是4個(gè)像素單位長度，為了使得跟蹤框看起來 平滑，該里將得到的位置與上一帖位置進(jìn)行平均，經(jīng)多次實(shí)驗(yàn)，發(fā)現(xiàn)平均2次，滿足大部分 實(shí)驗(yàn)。
【專利摘要】本發(fā)明揭露了一種基于H.264/AVC壓縮域的運(yùn)動目標(biāo)跟蹤的方法，首先從碼流中提取出運(yùn)動矢量，進(jìn)行預(yù)處理，這個(gè)過程主要是對運(yùn)動矢量場進(jìn)行時(shí)間和空間歸一化，通過后向投影法對3幀內(nèi)運(yùn)動矢量場進(jìn)行累積。從而得到一個(gè)平穩(wěn)更能反映運(yùn)動信息的矢量場。然后根據(jù)運(yùn)動矢量的方向偏離度及幅值等特征制作掩膜，這個(gè)掩膜保留了大部分運(yùn)動目標(biāo)位置信息。以運(yùn)動矢量方向角為特征建立目標(biāo)模型以及候選目標(biāo)模型，利用Meanshift框架對目標(biāo)位置進(jìn)行檢測。最后利用Kalman濾波進(jìn)行平滑跟蹤框和預(yù)測下幀位置，將結(jié)果重新作用于檢測器，對其進(jìn)行校正，從而準(zhǔn)確跟蹤。
【IPC分類】H04N19-142, H04N19-513
【公開號】CN104683802
【申請?zhí)枴緾N201510134080
【發(fā)明人】梁久禎, 徐永存
【申請人】江南大學(xué)
【公開日】2015年6月3日
【申請日】2015年3月24日