一种多目标视觉检测和跟踪方法技术

本发明专利技术公开了一种多目标视觉检测和跟踪方法。包括如下步骤：步骤一，运动目标检测：监测目标的位置、目标大小和目标二值掩膜图像；步骤二，全局特征提取：通过颜色直方图、梯度方向直方图和LBP纹理的外观模型对目标进行描述；步骤三，目标帧间关联匹配；步骤四，目标跟踪模型；通过目标跟踪模型获取目标的运动轨迹。本发明专利技术通过基于运动检测目标的方法，能够同时对多个目标进行检测，降低了检测成本，采用基于颜色直方图等全局特征的目标关联跟踪，在目标发生遮挡情况下，通过遮挡目标的颜色直方图进行模型匹配，提高了检测的准确性。

【技术实现步骤摘要】

本专利技术属于计算视觉检测
，特别是涉及一种多目标视觉检测和跟踪方法。
技术介绍
视觉是人类观察和认知世界的重要手段。人类从外部获得的信息中约有75%来自于视觉系统。计算机视觉作为一门独立的学科如果说是从美国麻省理工学院Man教授这—代人所做的奠基工作开始，那么它己经有近40年的历史。由于计算机视觉的潜在应用十分广泛，所涉及的学科知识极其繁多，研究的问题又极富挑战性，因此它一直是计算机学科中一门热门研究。近年来，随着图像处理技术和人工智能的发展，计算机视觉技术也在不断地进步，其应用领域也在不断扩展。视觉目标跟踪是计算机视觉中的一个重要的任务,所谓视觉目标跟踪，就是对图像序列中的运动目标进行检测、识别和跟踪，获得目标的运动状态：位置、大小、速度和目标的运动轨迹等。通过对运动目标的状态和轨迹的分析，可以进行一些更加高层的行为分析，常见的应用包括：智能安防监控、智能交通、人机交互和智能导航等。视觉目标跟踪在智能安防监控中主要应用于对安全部门、公共场合、私人住宅等可视区域进行监督，对可疑行为进行和异常情况进行检测和自动报瞥等：在智能交通中主要应用于交通流童统计和车辆异常情况检测等；在人机交互方面主要应用于手势、姿态和动作等行为的识别等：智能导航方面的主要应用于机器人跟踪视场中指定目标等。
技术实现思路
本专利技术的目的在于提供一种多目标视觉检测和跟踪方法，通过基于运动检测目标的方法，能够同时对多个目标进行检测，采用基于颜色直方图等全局特征的目标关联跟踪，在目标发生遮挡情况下，通过遮挡目标的颜色直方图进行模型匹配，提高了检测的准确性。本专利技术是通过以下技术方案实现的：本专利技术为一种多目标视觉检测和跟踪方法，包括如下步骤：步骤一，运动目标检测：监测目标的位置、目标大小和目标二值掩膜图像；步骤二，全局特征提取：通过颜色直方图、梯度方向直方图和LBP纹理的外观模型对目标进行描述；步骤三，目标帧间关联匹配：通过对每个跟踪目标找到一个距离最近的检测目标，当这个距离在给定阈值范围内，则表示该跟踪目标和检测目标之间是匹配的；步骤四，目标跟踪模型；通过目标跟踪模型获取目标的运动轨迹。优选地，所述运动目标检测的具体步骤为：a将当前帧图像通过高斯平滑去噪，得到平滑图像；b通过时间平均背景模型和/或混合高斯背景模型进行图像的背景建模，通过建模得到前景二值图像和背景图像；c阴影去除，将前景二值图像的阴影除去；d团块检测，得到团块的位置和大小。优选地，所述阴影去除的方法采用基于模型的方法或基于属性的方法；基于模型的方法是通过利用场景、目标和光照建立阴影模型，对三维物体的棱、角、线进行匹配；基于属性的方法是利用阴影的几何特点、亮度、色彩信息来标示阴影区域。优选地，所述团块检测采用的是RitaCucchiara的阴影检测方法。优选地，所述步骤四中目标跟踪模型采用Kalman滤波器。本专利技术具有以下有益效果：本专利技术通过基于运动检测目标的方法，能够同时对多个目标进行检测，降低了检测成本，采用基于颜色直方图等全局特征的目标关联跟踪，在目标发生遮挡情况下，通过遮挡目标的颜色直方图进行模型匹配，提高了检测的准确性。当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的一种多目标视觉检测和跟踪方法流程图；图2为运动目标检测的流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。请参阅图1所示，本专利技术为一种多目标视觉检测和跟踪方法，包括如下步骤：步骤一，运动目标检测：监测目标的位置、目标大小和目标二值掩膜图像；步骤二，全局特征提取：通过颜色直方图、梯度方向直方图和LBP纹理的外观模型对目标进行描述；步骤三，目标帧间关联匹配：通过对每个跟踪目标找到一个距离最近的检测目标，当这个距离在给定阈值范围内，则表示该跟踪目标和检测目标之间是匹配的；步骤四，目标跟踪模型；通过目标跟踪模型获取目标的运动轨迹。其中如图2所示，运动目标检测的具体步骤为：a将当前帧图像通过高斯平滑去噪，得到平滑图像；b通过时间平均背景模型和/或混合高斯背景模型进行图像的背景建模，通过建模得到前景二值图像和背景图像；c阴影去除，将前景二值图像的阴影除去；d团块检测，得到团块的位置和大小。其中，阴影去除的方法采用基于模型的方法或基于属性的方法；基于模型的方法是通过利用场景、目标和光照建立阴影模型，对三维物体的棱、角、线进行匹配；基于属性的方法是利用阴影的几何特点、亮度、色彩信息来标示阴影区域。其中，团块检测采用的是RitaCucchiara的阴影检测方法。其中，步骤四中目标跟踪模型采用Kalman滤波器。值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本专利技术的保护范围。另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。以上公开的本专利技术优选实施例只是用于帮助阐述本专利技术。优选实施例并没有详尽叙述所有的细节，也不限制该专利技术仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本专利技术的原理和实际应用，从而使所属
技术人员能很好地理解和利用本专利技术。本专利技术仅受权利要求书及其全部范围和等效物的限制。本文档来自技高网...

【技术保护点】
一种多目标视觉检测和跟踪方法，其特征在于，包括如下步骤：步骤一，运动目标检测：监测目标的位置、目标大小和目标二值掩膜图像；步骤二，全局特征提取：通过颜色直方图、梯度方向直方图和LBP纹理的外观模型对目标进行描述；步骤三，目标帧间关联匹配：通过对每个跟踪目标找到一个距离最近的检测目标，当这个距离在给定阈值范围内，则表示该跟踪目标和检测目标之间是匹配的；步骤四，目标跟踪模型；通过目标跟踪模型获取目标的运动轨迹。

【技术特征摘要】
1.一种多目标视觉检测和跟踪方法，其特征在于，包括如下步骤：步骤一，运动目标检测：监测目标的位置、目标大小和目标二值掩膜图像；步骤二，全局特征提取：通过颜色直方图、梯度方向直方图和LBP纹理的外观模型对目标进行描述；步骤三，目标帧间关联匹配：通过对每个跟踪目标找到一个距离最近的检测目标，当这个距离在给定阈值范围内，则表示该跟踪目标和检测目标之间是匹配的；步骤四，目标跟踪模型；通过目标跟踪模型获取目标的运动轨迹。2.根据权利要求1所述的一种多目标视觉检测和跟踪方法，其特征在于，所述运动目标检测的具体步骤为：a将当前帧图像通过高斯平滑去噪，得到平滑图像；b通过时间平均背景模型和/或混合高斯背景模型进行图像的背景建模，...

【专利技术属性】
技术研发人员：郑伟敏，
申请(专利权)人：合肥润客软件科技有限公司，
类型：发明
国别省市：安徽;34