【技术实现步骤摘要】
本专利技术涉及图像处理领域，尤其涉及一种视频监控中的运动目标跟踪方法。
技术介绍
视觉是人类获取信息的主要手段，并且在人工智能领域的发展中，机器视觉技术已有30多年历史，而近10年来已经形成了工业自动化产业的一个分支。在近几年，目标识别的应用逐渐得到重视，尤其是在摄像头方面：如果单纯的用摄像头记录下一天的全部录像，然后让人去检索录像数据是否有人出现的场景，这将会带来时间和精力的消耗；如果事先设定用目标识别和跟踪技术来对摄像头数据进行检索，那么就可以减少数据的容量和缩减了人的工作量，大大优化了资源的使用。目标检测是一种在任意数字图像中找到目标的位置的图形技术。目标检测的方法有基于几何特征的，有基于肤色分割的，还有基于统计理论的，本文所描述的多目标跟踪算法就是采用基于统计理论的目标检测方法。目标跟踪的研究相比目标检测要晚，主要是分为基于运动分析的目标跟踪和基于目标检测的目标跟踪算法。基于运动分析的目标跟踪方法依靠运动信息来检测目标的运动状态，再通过跟踪运动目标和施以目标检测来判定，当前主要有基于区域匹配、基于特征点和基于变形模板的目标跟踪算法。基于目标检测的跟踪算法则是利用视频序列中每一帧之间的关联，用某种特定方法来预测下一帧中目标可能出现的区域，再对该区域进行目标检测来进行跟踪。近年来，诸如视频会议以及安全监控等技术的发展，对特定环境下的人员进行跟踪显示十分必要，所以目标跟踪技术的应用变得越...
【技术保护点】
一种视频监控中的运动目标跟踪方法，其特征在于，包括以下步骤：S1、在第一帧图像中选择目标跟踪区域图像并对该目标跟踪区域图像进行如下处理：将目标跟踪区域的图像统一规格化为128像素*128像素，得到图像IK*K；对图像IK*K做SIFT特征提取，得到特征矢量为R＝{R1,R2R3R4,…，Ri，…,Rn}R∈Z64其中，Ri(i＝1,2,3,……,n)表示图像中一个特征点向量，R表示所有特征点向量的集合，Z64表示一个1*64位向量；利用K‑means聚类分析对特征矢量R进行量化，采用基于欧几里得度量来划分决定簇类，并根据聚类结果的质心点Mk大小将其所在类Ci,i＝1,2,3,……,64的数值映射为1或0，具体根据公式(2)映射得到64位中间哈希值h(i，j)；h(i,j)=0Ci(k)<Mk1Ci(k)>Mk,k=1,2,3,......,64---(2)]]>并将h(i,j)中各行相加如公式(3)，得到第一帧中目标跟踪区域的最终64位哈希值hTi；hTi=Σj=1nh(i,j),1≤i,j≤64---(3)]]>表示对每一行进行异或运算，i表示行，...
【技术特征摘要】
1.一种视频监控中的运动目标跟踪方法，其特征在于，包括以下步骤：
S1、在第一帧图像中选择目标跟踪区域图像并对该目标跟踪区域图像进
行如下处理：
将目标跟...
【专利技术属性】
技术研发人员：熊盛武，郑文博，金鑫，李栋，曹旺，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。