The continuous stable tracking of the invention discloses a method for dim small moving target in dynamic background, first get the video data, were treated as follows for each image in the current frame image, obtain the position coordinates of the target tracking, target tracking the position determined by the frame; using a Bayesian framework for target tracking spatial context model the current image frame area; using spatial context model of current frame and the next frame image convolution calculation get the next frame image to track moving targets appear confidence map position, the position of the maximum degree of confidence that the next frame image to track moving target position; double threshold moving target crisis decision based on the judgment to tracking moving object is not occluded or lost, the output of the next frame image of the moving target position, the current frame image tracking The processing process is over; otherwise, the target tracking box is updated. The method realizes the continuous stable tracking of the target under the background interference and occlusion.
【技术实现步骤摘要】
一种动态背景中弱小动目标的连续稳定跟踪方法
本专利技术属于目标检测跟踪研究领域,具体为一种在动态背景下弱小动目标连续稳定跟踪方法。
技术介绍
运动目标的跟踪在军事、国防以及工业等领域具有广泛的应用前景,引起了国内外广大科研工作者的浓厚兴趣,使之发展成为计算机视觉的一个热点领域。目前,典型的运动目标跟踪方法主要有:帧差法、基于模板匹配的跟踪方法、基于特征点的跟踪方法和基于周域统计特性的跟踪方法。帧差法适用于背景变化较小的静态场景,算法复杂度低,但对大目标慢动情况只能提取目标的轮廓。基于模板匹配的跟踪方法事先建立的跟踪目标模板直接决定了跟踪的效果,精确有效的目标模板比较难获得,且模板更新过程比较复杂,实时性差。基于特征点的跟踪方法由于不用考虑目标持征的整体性,所以目标跟踪精度高且鲁棒性好,但对简单结构特征点不突出的目标跟踪效果不理想。基于周域统计特性的跟踪方法是目前在实际应用中比较多的一种方法,此算法实现过程简单,并且程序运算速度快。如何准确的判断目标的遮挡及准确定位重新出现的目标,是实现目标连续稳定跟踪的重点。所谓弱小目标,是指当成像系统和目标的相对位置较远时,虽然目标本身可能有几米甚至十几米的直径,但在成像平面内仅表现为十几个像素的面积。而动态背景下的弱小动目标,由于摄像机运载平台的运动影响及目标自身大小、特征的限制,使其成为运动目标跟踪问题的一个难点。
技术实现思路
有鉴于此,本专利技术提供了一种动态背景中弱小动目标的连续稳定跟踪方法,该方法能够对目标被遮挡或者丢失的状况进行判定,从而实现了目标在背景干扰和遮挡情况下的连续稳定跟踪。为了达到上述目的,本专利技 ...
【技术保护点】
一种动态背景中弱小动动目标的连续稳定跟踪方法,其特征在于,包括以下具体步骤:S1:获取视频数据,针对视频数据中的每一帧图像按照时间顺序进行如下S2~S6的跟踪处理;S2:在当前帧图像中,获取待跟踪动目标位置坐标,对当前帧图像进行阈值分割和形态学运算,得到多个连通域,并以包含所述待跟踪动目标位置坐标的连通域作为目标区域,取该目标区域的外接矩形框为目标追踪框;若当前帧图像为初始帧,则通过外部输入获得该待跟踪动目标位置坐标,否则直接获取上一帧图像跟踪获得的目标位置坐标;S3:采用贝叶斯框架对目标追踪框内区域建立当前帧图像的空间上下文模型;S4:利用所述当前帧图像的空间上下文模型与所述下一帧图像进行卷积计算获得下一帧图像中待跟踪动目标出现位置的置信图,置信度最大的位置即下一帧图像中的待跟踪动目标位置;S5:基于双阈值动目标危机判定,以确定动目标是否遮挡或丢失,具体步骤为:针对所述下一帧图像中待跟踪动目标出现位置的置信图的峰值尖锐度PSR,计算PSR的标准化值R
【技术特征摘要】
1.一种动态背景中弱小动动目标的连续稳定跟踪方法,其特征在于,包括以下具体步骤:S1:获取视频数据,针对视频数据中的每一帧图像按照时间顺序进行如下S2~S6的跟踪处理;S2:在当前帧图像中,获取待跟踪动目标位置坐标,对当前帧图像进行阈值分割和形态学运算,得到多个连通域,并以包含所述待跟踪动目标位置坐标的连通域作为目标区域,取该目标区域的外接矩形框为目标追踪框;若当前帧图像为初始帧,则通过外部输入获得该待跟踪动目标位置坐标,否则直接获取上一帧图像跟踪获得的目标位置坐标;S3:采用贝叶斯框架对目标追踪框内区域建立当前帧图像的空间上下文模型;S4:利用所述当前帧图像的空间上下文模型与所述下一帧图像进行卷积计算获得下一帧图像中待跟踪动目标出现位置的置信图,置信度最大的位置即下一帧图像中的待跟踪动目标位置;S5:基于双阈值动目标危机判定,以确定动目标是否遮挡或丢失,具体步骤为:针对所述下一帧图像中待跟踪动目标出现位置的置信图的峰值尖锐度PSR,计算PSR的标准化值Rt;统计当前帧图像和下一帧图像目标区域差值的绝对值的元素和作为差异值St;当Rt小于第一设定阈值,St小于第二设定阈值时,判定待跟踪动目标被遮挡或者丢失;当判定待跟踪动目标没有被遮挡或者丢失时,则输出下一帧图像中的动目标位置,当前帧图像的跟踪处理过程结束;若判定待跟踪动目标存在被遮挡或者丢失时,进入步S6;S6、以S4中得到动目标位置为中心确定搜索区域,所述搜索区域尺寸为预先设定值,采用尺度不变特征变换匹配SIFT算法对下一帧图像以及下一帧图像后第k帧图像进行匹配,...
【专利技术属性】
技术研发人员:曾大治,陈天明,梁若飞,王长杰,
申请(专利权)人:北京理工雷科电子信息技术有限公司,
类型:发明
国别省市:北京,11
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。