The invention discloses a moving target tracking method under occlusion condition based on mean shift. The main steps are as follows: 1. Obtain the video frame image information in the video data; 2. Select the tracking target, establish the Kalman filter model, initialize the initial parameters of the equation; 3. Establish the mean shift model, statistics the color values of all the pixels in the search window, establish the histogram and normalize it; 4. Calculate the pre-output of the Kalman model. Position measurement, as the initial iteration position of MeanShift algorithm, is used to judge the occlusion at the position predicted by Kalman; 5. If there is no occlusion, the predicted position is used as the initial iteration position of MeanShift algorithm, and the optimal position of the target is calculated by means of continuous iteration of MeanShift algorithm, and the parameters of Kalman model are updated to optimize the position. The size of the window is adaptively changed at the location, and is used as the window size of the next frame. 6. If there is occlusion, the predicted position is used as the hypothetical observation position to update the parameters of the Kalman model and output the predicted target position.
【技术实现步骤摘要】
一种基于均值漂移的遮挡条件下移动目标追踪方法
本专利技术涉及图像处理领域,尤其涉及一种基于均值漂移的遮挡条件下移动目标追踪方法。
技术介绍
基于视频的移动目标的追踪是指对视频中存在的运动图像的运动目标进行智能检测、并进行追踪,同时能够得到运动目标的相关运动参数指标。在具体的实践中,复杂环境下移动目标的追踪算法通常需要与目标智能检测分割、运动目标的轨迹滤波以及对目标位置的预测等其它辅助算法进行结合来优化效果,然而因为运动目标所处环境的复杂性而带来的如物体阴影、目标被遮挡、目标形态上的变化、因光照变化而引起的亮度变化等,对算法的要求有很大的考验,并且实际场合中的实时性要求也对目标追踪问题提出了很大的要求。
技术实现思路
本专利技术为克服上述现有技术所述的至少一种缺陷,提供一种基于均值漂移的遮挡条件下移动目标追踪方法,能够有效的解决在遮挡条件下移动目标追踪问题。为解决上述技术问题,本专利技术采用的技术方案是:一种基于均值漂移的遮挡条件下移动目标追踪方法,包括以下步骤:S1.获取视频数据中的视频帧图像信息;S2.在任意帧中手动设定初始搜索窗口,即选定追踪目标,并建立卡尔曼滤波器模型,同时初始化方程的初始参数;S3.建立均值漂移模型,统计搜索窗口内所有像素点的颜色值,建立直方图并归一化,得到目标区域的模型描述,即得到了目标区域的密度概率函数;S4.计算卡尔曼模型输出的预测位置,作为MeanShift算法的起始迭代位置;并在卡尔曼预测的位置处进行遮挡判断,若没有遮挡,执行步骤S5,若存在遮挡,执行步骤S6;S5.若没有遮挡,以卡尔曼模型的预测位置作为MeanShift算法 ...
【技术保护点】
1.一种基于均值漂移的遮挡条件下移动目标追踪方法,其特征在于,包括以下步骤:S1.获取视频数据中的视频帧图像信息;S2.在任意帧中手动设定初始搜索窗口,即选定追踪目标,并建立卡尔曼滤波器模型,同时初始化方程的初始参数;S3.建立均值漂移模型,统计搜索窗口内所有像素点的颜色值,建立直方图并归一化,得到目标区域的模型描述,即得到了目标区域的密度概率函数;S4.计算卡尔曼模型输出的预测位置,作为MeanShift算法的起始迭代位置;并在卡尔曼预测的位置处进行遮挡判断,若没有遮挡,执行步骤S5,若存在遮挡,执行步骤S6;S5.若没有遮挡,以卡尔曼模型的预测位置作为MeanShift算法的起始迭代位置,依据均值漂移算法不断的迭代计算出目标的最优位置,并以此最优位置作为参数更新卡尔曼模型参数,在最优位置处,自适应变化窗口的大小,以此大小作为下一帧的窗口大小;S6.若存在遮挡,以卡尔曼的预测位置作为假设的观测位置,并以此位置更新卡尔曼模型参数,输出预测的目标位置;S7.判断视频是否结束,若是,执行步骤S8,若否,执行步骤S4。
【技术特征摘要】
1.一种基于均值漂移的遮挡条件下移动目标追踪方法,其特征在于,包括以下步骤:S1.获取视频数据中的视频帧图像信息;S2.在任意帧中手动设定初始搜索窗口,即选定追踪目标,并建立卡尔曼滤波器模型,同时初始化方程的初始参数;S3.建立均值漂移模型,统计搜索窗口内所有像素点的颜色值,建立直方图并归一化,得到目标区域的模型描述,即得到了目标区域的密度概率函数;S4.计算卡尔曼模型输出的预测位置,作为MeanShift算法的起始迭代位置;并在卡尔曼预测的位置处进行遮挡判断,若没有遮挡,执行步骤S5,若存在遮挡,执行步骤S6;S5.若没有遮挡,以卡尔曼模型的预测位置作为MeanShift算法的起始迭代位置,依据均值漂移算法不断的迭代计算出目标的最优位置,并以此最优位置作为参数更新卡尔曼模型参数,在最优位置处,自适应变化窗口的大小,以此大小作为下一帧的窗口大小;S6.若存在遮挡,以卡尔曼的预测位置作为假设的观测位置,并以此位置更新卡尔曼模型参数,输出预测的目标位置;S7.判断视频是否结束,若是,执行步骤S8,若否,执行步骤S4。2.根据权利要求1所述的一种基于均值漂移的遮挡条件下移动目标追踪方法,其特征在于,所述的S3步骤具体包括:S31.建立目标模型,采用矩形窗口对目标进行分区域的选择,在对特征进行提取时将区域划分为11个子区域,11个子区域构成五角星形结构,其中心区域为正五边形,五角星的每一个角划分为一个区域;分别统计各子区域的颜色直方图,将各子区域分别统计的颜色直方图结果当作整个目标区域的特征描述;假设目标区域像素的中心为x0,zi(i=1,2,...,n)表示区域内各像素的坐标位置,建立颜色直方图,得到m个由统计颜色得到的特征值;目标模型的概率密度qu(u=1,2,...,m)可表示为:式中,k(x)是轮廓函数,C为qu的标准化常系数;u为直方图的索引;δ[b(zi-u)]为判...
【专利技术属性】
技术研发人员:蔡延光,赵豪,蔡颢,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:广东,44
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。