基于自适应背景分割的监控视频移动目标跟踪方法及系统技术方案

本发明专利技术公开一种基于自适应背景分割的监控视移动目标跟踪方法及系统,用于提取监控视频中的背景信息，实现视频中移动目标的跟踪与跨线检测，主要包括依据时间顺序取前N帧的视频图像作为背景模型进行背景建模，N帧以后的每一帧图像将随机更新背景模型，从而使得背景模型能够根据场景的变化自适应的改变；根据背景模型分离出前景与背景后，对分离出的前景目标进行连通区的标记，并进行连通区的筛选以适应视频的多尺度变化。根据标记即可对该连通区进行跟踪。本发明专利技术除了能对监控视频中的移动目标进行跟踪的同时，还能进行跨线检测，记录跨线的目标数目，实用性高。

【技术实现步骤摘要】

本专利技术属于视频图像分析
，涉及一种分离出监控视频中移动目标并进行标记和追踪的方法及系统。
技术介绍
随着经济的发展和社会的进步，金融设施、电力设施、交通、安全检查以及军事设施等领域对安全防范和现场记录预警报警系统的需求日益增加，同时也有着极高的要求，视频监控在生产生活各方面得到了十分广泛的应用。虽然监控摄像头已经广泛存在于银行、商场、车站和交通路口等公共场所，但实际的监控任务往往是人工完成的，而且现有的视频监控系统一般情况下只是录制视频，提供的信息是没有经过解译的视频图像，只能等需要的时候去调用查看或者人工监视，没有充分发挥监控的实时性和主动性。为了能实时分析、跟踪、判别监控对象，对监控对象的行动进行分析，并在异常事件发生时提示，为相关管理部门的及时决策、正确行动提供支持，视频监控的智能化就显得尤为重要。智能化的视频监控区别于传统意义上的视频监控在于变被动监控为主动监控(自动检测移动目标、识别可疑行为等等)。简单而言，不仅用摄像机代替人眼，而且用计算机代替人、协助人，来完成监视或控制的任务，从而减轻人的负担。近年来提取监控视频中移动目标的方法成为研究的热点。然而，大部分方法仍需依靠人工操作与计算机辅助提取相结合才能跟踪监控视频中的移动目标，发挥不了监控的实时性和主动性。而能实现自动化移动目标跟踪的技术往往无法适应外在环境的变化(例如光照变化，树叶摇摆等)或视频尺度的变化(例如监控摄像头远、近的调整)使得提取效果欠佳。
技术实现思路
针对智能化的监控系统需要实现的功能，本专利技术提供了一种监控视频移动目标跟踪的技术方案，并能进行跨线检测，记录移动目标的跨线行为。为实现上述目的，本专利技术的技术方案提供一种基于自适应背景分割的监控视频移动目标跟踪方法，包括以下步骤，步骤1，初始化，令当前帧的标号r为1；步骤2，输入当前帧，若r＝1，对当前帧的每个像素xi，将当前帧中的像素值与梯度幅值作为第r个背景特征模型加入相应当前背景模型B(xi)，进入步骤7；若r＝2,3,…N，对当前帧的每个像素xi，将当前帧中的像素值与梯度幅值作为第r个背景特征模型加入相应当前背景模型B(xi)，进入步骤3；若r>N，直接进入步骤3；步骤3，根据当前背景模型B(xi)，对当前帧进行前景与背景的判别，包括对当前帧的每个像素xi，采用以下方式进行判别，F(xi)=1{dist(I(xi),Bk(xi))<R(xi)本文档来自技高网...

【技术保护点】
一种基于自适应背景分割的监控视频移动目标跟踪方法，其特征在于：包括以下步骤，步骤1，初始化，令当前帧的标号r为1；步骤2，输入当前帧，若r＝1，对当前帧的每个像素xi，将当前帧中的像素值与梯度幅值作为第r个背景特征模型加入相应当前背景模型B(xi)，进入步骤7；若r＝2,3,…N，对当前帧的每个像素xi，将当前帧中的像素值与梯度幅值作为第r个背景特征模型加入相应当前背景模型B(xi)，进入步骤3；若r>N，直接进入步骤3；步骤3，根据当前背景模型B(xi)，对当前帧进行前景与背景的判别，包括对当前帧的每个像素xi，采用以下方式进行判别，F(xi)=1{dist(I(xi),Bk(xi))<R(xi)}<min0else]]>其中，Bk(xi)表示第k个背景特征模型，当r≥N时，k＝1,2,…N，当r<N时，k＝1,2,…r；R(xi)表示像素xi的判断阈值，I(xi)表示像素xi的特征，dist(I(xi),Bk(xi))为特征距离，min为最小阈值；F(xi)为1，则像素xi为前景；F(xi)为0，则像素xi为后景；步骤4，若r>N，对背景模型和判断阈值、学习率进行自适应地更新，然后进入步骤5，否则直接进入步骤5；对背景模型的更新，包括对当前帧的像素逐一作为当前像素处理如下，首先，对当前像素xi进行更新，设像素xi的学习率记为T(xi)，按照ρ＝1/T(xi)的概率进行更新，包括对当前像素xi的第k个背景特征模型Bk(xi)进行更新，k在1,2,…N中随机取值；然后，再对当前像素xi随机取一个邻居像素xj进行更新，仍然以ρ＝1/T(xi)的概率进行更新，包括对邻居像素的第k个背景特征模型Bk(xj)进行更新，k在1,2,…N中随机取值；对判断阈值的更新，包括通过以下公式来计算，R(xi)=R(xi)·(1-Rinc/dec),ifR(xi)>d‾min(xi)·RscaleR(xi)·(1+Rinc/dec),else]]>其中，Rinc/dec表示判断阈值R(xi)的变化比例，Rlower表示R(xi)阈值的最低值，代表了特征的平均最小距离，R(xi)的初始值为Rlower；对学习率的更新，包括通过以下公式来计算，T(xi)=T(xi)+Tincd‾min(xi),ifF(xi)=1T(xi)-Tdecd‾min(xi),ifF(xi)=0]]>步骤5，依据本次执行步骤3所得当前帧的前景，为其中的连通区进行标记和筛选，获得移动目标；步骤6，根据步骤5所得当前帧的连通区，进行连通区的跟踪及跨线检测；步骤7，对当前帧处理完毕后，令r＝r+1，将下一帧作为新的当前帧返回步骤2，实现实时持续跟踪。...

【技术特征摘要】
1.一种基于自适应背景分割的监控视频移动目标跟踪方法，其特征在于：包括以下步骤，
步骤1，初始化，令当前帧的标号r为1；
步骤2，输入当前帧，
若r＝1，对当前帧的每个像素xi，将当前帧中的像素值与梯度幅值作为第r个背景特征模型加
入相应当前背景模型B(xi)，进入步骤7；
若r＝2,3,…N，对当前帧的每个像素xi，...

【专利技术属性】
技术研发人员：邵振峰，蔡家骏，王中元，杨珂，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42