A method of detecting and tracking moving object of the present invention under a complicated background, which belongs to the field of target tracking, especially relates to a tracking method under complex background. The method is as follows: to detect the current frame image acquisition, target detection information satisfying the preset condition; in the current frame image to track the target position as the center, select the candidate region; in the candidate region to obtain the candidate targets corresponding classifier using the model of the target position; the method of the invention, Through the response oscillation between the candidate samples and the classifier to set the tracking loss judging conditions, so as to judge whether the target accurately met occlusion, lost or blurred conditions; at the same time, the response value in historical value to determine the model updating by using reduced model, drift and model updating The number of accurate samples selected from the candidate target tracking in complex scene, fast and stable implementation of target tracking.
【技术实现步骤摘要】
一种复杂背景下运动目标检测与跟踪方法
本专利技术属于目标跟踪领域，尤其涉及一种复杂背景下目标稳定跟踪方法。
技术介绍
无论在军用或者民用领域中，目标跟踪技术都有着广泛的应用。在战场侦查、低空防御、交通监控以及国土安全等方面全自动或者半自动的实现目标跟踪任务都可以大大减少工作人员和工作时间。然而，尽管人们已经提出了许多有效的视频目标跟踪算法，但在实际应用中仍然面临很多困难，例如环境中的光照变化、目标的非线性形变、摄像机的抖动，以及背景中的噪声干扰等因素，给目标跟踪带来了极大的挑战。同时，现有的目标跟踪方法大多数只能够实现在较短的时间内对目标进行跟踪，相对于稳定跟踪方法则鲜有研究。然而，在实际工程应用中，对目标的长久稳定跟踪则更受关注。
技术实现思路
本专利技术旨在解决上述问题，提供一种复杂背景下目标稳定跟踪方法。本专利技术所述一种复杂背景下运动目标检测与跟踪方法，该方法如下：获取当前帧图像；对获取的当前帧图像进行检测，获得满足预设条件的检测目标信息；在当前帧图像上以跟踪目标所在位置为中心，选取候选区域；利用分类器模型在候选区域中获取候选目标所对应的目标位置；判断候选目标...
【技术保护点】
1.一种复杂背景下运动目标检测与跟踪方法，其特征在于，该方法如下：获取当前帧图像；对获取的当前帧图像进行检测，获得满足预设条件的检测目标信息；在当前帧图像上以跟踪目标所在位置为中心，选取候选区域；利用分类器模型在候选区域中获取候选目标所对应的目标位置；判断候选目标是否为跟踪目标：若为跟踪目标，则用当前帧图像中跟踪目标的坐标信息进行跟踪，更新分类器模型，完成视频图像中目标的检测和跟踪；若不是跟踪目标，则判断候选目标出现的异常类型情况，进入下一帧图像进行目标检测；在下一帧图像中对候选目标进行目标检测，对检测到的候选目标与其上一帧图像中的跟踪目标进行目标一致性判断，挑选满足判断条...
【技术特征摘要】
1.一种复杂背景下运动目标检测与跟踪方法，其特征在于，该方法如下：获取当前帧图像；对获取的当前帧图像进行检测，获得满足预设条件的检测目标信息；在当前帧图像上以跟踪目标所在位置为中心，选取候选区域；利用分类器模型在候选区域中获取候选目标所对应的目标位置；判断候选目标是否为跟踪目标：若为跟踪目标，则用当前帧图像中跟踪目标的坐标信息进行跟踪，更新分类器模型，完成视频图像中目标的检测和跟踪；若不是跟踪目标，则判断候选目标出现的异常类型情况，进入下一帧图像进行目标检测；在下一帧图像中对候选目标进行目标检测，对检测到的候选目标与其上一帧图像中的跟踪目标进行目标一致性判断，挑选满足判断条件的候选目标作为跟踪目标，并更新分类器模型，完成视频图像中目标的检测和跟踪。2.根据权利要求1所述复杂背景下运动目标检测与跟踪方法，其特征在于，该方法如下：获取当前帧图像；对当前帧图像进行检测，获得满足预设条件的检测目标信息，所述预设条件包括长宽比和占空比；在当前帧图像上以跟踪目标所在位置为中心，以目标大小的2-5倍的范围选取候选候选区域；用分类器模型求取候选区域的响应图，获得响应图中的最大响应值，该最大响应值所在位置即为候选目标所对应的目标位置；判断候选目标是否为跟踪目标，若为跟踪目标，则用当前帧图像中跟踪目标的坐标信息进行跟踪，更新分类器模型；若不是跟踪目标，则判断候选目标出现遮挡、丢失或者模糊情况，进入下一帧图像进行目标检测；在下一帧图像中对候选目标进行目标检测，对检测到的候选目标与其上一帧图像中的跟踪目标进行目标一致性判断，挑选满足判断条件的候选目标作为跟踪目标，并更新分类器模型。3.根据权利要求2所述复杂背景下运动目标检测与跟踪方法，其特征在于：该方法重复权2，实现持续完成视频图像中目标的检测和跟踪。4.根据权利要求2或3所述一种复杂背景下运动目标检测与跟踪方法，其特征在于：对当前帧图像进行检测的方法借助深度学习目标检测分类器模型完成，检测方法如下：用深度学习目标检测模型对当前帧图像进行检测，获得多个目标和满足预设条件的检测目标的对应概率，取多个目标中概率值最大的检测目标作为当前帧的检测目标，获得检测目标的左上角坐标、宽度、高度信息。5.根据权利要求4所述复杂背景下运动目标检测与跟踪方法，其特征在于，在目标大小2-5倍的范围中选取3-7个候选区域，方法如下：以检测目标所在位置的中心点为中心，在当前帧图像中选取第一候选区域，第一候选区域的宽和高分别为跟踪目标在上一帧图像中宽和高的2-2.5倍；以第一候选区域范围大小为基准，以其中心点为中心，以k为尺度因子，选取1-3个候选区域，其中1＜k≤1.5；以第一候选区域范围大小为基准，以其中心点为中心，以1/k倍在当前帧图像中选取1-3个候选区域。6.根据权利要求5所述复杂背景下运动目标检测与跟踪方法，其特征在于，用分类器模型求取候选区域的响应图的方法如下：在训练分类器模型之前，对初始图像中的跟踪目标进行扩展，即以初始图像中的目标区域2-2.5倍的范围进行扩展，提取扩展后目标区域所对应的Hog特征向量；根据扩展后的目标区域对应的Hog特征向量，训练分类器模型；分类器模型的训练公式如下：其中，表示对α的傅里叶变换，表示训练得到的分类器模型，y表示初始图像中训练样本对应的标签，k表示核函数，x表示扩展后区域的Hog特征向量，λ是一个正则化参数，为常量；然后在训练分类器模型过程中采用连续的标签标记训练样本，对样本中心距离目标中心的远近分别赋0-1范围内的数值，且服从高斯分布，离目标越近，值越趋向于1，离目标越远，值越趋向于0；利用目标分类器模型，获得当前帧中多个尺度的候选区域对应的响应图；其中，表示对f(z)的傅里叶变换，f(z)表示候选区域z对应的响应图，z表示当前帧中其中一个候选区域对应的Hog特征向量，x表示扩展后的目标区域对应的Hog特征向量,表示分类器模型。7.根据权利要求6所述复杂背景下运动目标检测与跟踪方法，其特征在于，候选目标所对应目标位置的方法如下：通过分类器模型分别计算3-7个候选区域所对应响应图中的最大响应值，其中第一候选区域的最大响应值记为FmaxA，以k为尺度因子，选取的候选区域的最大响应值记为FmaxA′,以1/k为尺度因子，选取的候选区域的最大响应值记为FmaxA″，其中A为第一候选区域，A′为以k为尺度因子选取的候选区域，A″为以1/k为尺度因子选取的候选区域；引入尺度权重因子scale_weight，设定其取值范围在0.9-1之间；判断FmaxA是否...
【专利技术属性】
技术研发人员：李宁鸟，王文涛，韩雪云，李权，魏璐，
申请(专利权)人：西安天和防务技术股份有限公司，
类型：发明
国别省市：陕西,61
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。