一种视频对象检测跟踪方法、装置及计算设备制造方法及图纸

本申请公开了一种视频对象检测跟踪方法、装置及计算设备。所述方法包括从原始视频中提取符合指定运动对象类别的运动对象，具体为：利用GMM算法构建背景模型，并使用所述背景模型从原始视频中提取运动对象区域，利用HOG运算符从所述运动对象区域中提取特征，利用SVM分类器对所述特征进行分类，并提取出符合指定运动对象类别的运动对象；利用KCF跟踪器跟踪所述运动对象；计算运动对象提取的置信度和运动对象跟踪的置信度，并以最高置信度输出跟踪结果。所述装置包括检测模块、跟踪模块和决策模块。所述计算设备包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。上述方法。上述方法。

【技术实现步骤摘要】
一种视频对象检测跟踪方法、装置及计算设备


[0001]本申请涉及计算机视觉领域，特别是涉及视频对象的检测及跟踪。

技术介绍

[0002]对象跟踪技术是计算机视觉中的热点问题，近年来，提取运动物体的主要算法有以下几种：包括光流法、帧差法、背景建模方法等，这几种方法在对象跟踪方面比较成熟，但是应用领域各有自己的限制。还有一种是基于单个高斯背景模型的混合高斯背景模型。该模型可以随着背景不断变化，从而提高了算法的鲁棒性。另外最近的研究表明，KCF跟踪器是一种基于相关性的跟踪器，它可以获得更好的性能，它可以分析傅立叶域中的帧以加快处理速度，从而更好的实时跟踪对象，并且在复杂场景中具有一定的鲁棒性。
[0003]上述各方法中，光流法容易受到光照的影响，计算量大，实时性差。帧差法通过直接比较两个相邻帧之间相应像素值的变化，可以快速提取运动物体，该方法对噪声敏感，而且很容易错误或丢失运动物体的提取。背景建模方法，在复杂场景中，背景像素值是多峰分布，该方法无法获得相应的背景模型。对于最后一种方法虽然在复杂场景中具有一定的鲁棒性，但是KCF无法自动初始化对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频对象检测跟踪方法，包括：从原始视频中提取符合指定运动对象类别的运动对象，具体包括：利用GMM算法构建背景模型，并使用所述背景模型从原始视频中提取运动对象区域，利用HOG运算符从所述运动对象区域中提取特征，利用SVM分类器对所述特征进行分类，并提取出符合指定运动对象类别的运动对象；利用KCF跟踪器跟踪所述运动对象；计算运动对象提取的置信度和运动对象跟踪的置信度，并以最高置信度输出跟踪结果。2.根据权利要求1所述的方法，其特征在于，所述的使用所述背景模型从原始视频中提取运动对象区域包括：利用所述背景模型从原始视频中提取前景；对所述前景进行处理；根据处理后的前景从原始视频中提取运动对象区域。3.根据权利要求1或2所述的方法，其特征在于，所述的对所述前景进行处理包括：在所述前景上依次执行中值滤波、关闭和填充处理。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述计算运动对象提取的置信度和运动对象跟踪的置信度，并以最高置信度输出跟踪结果包括：计算运动对象提取的巴比特系数作为运动对象提取的置信度，计算运动对象跟踪的巴比特系数作为运动对象跟踪的置信度，计算当前帧与上一帧同一对象之间的重叠值；当所述重叠值达到预设的阈值时，将两个巴比特系数进行比较，并取二者中的最高值所对应的动对象作为输出。5.一种视频对象检测跟踪方装置，包括：检测模块，其配置成从原始视频中提取符合指定运动对象类别的运动对象，具体包括：利用GMM算法...

【专利技术属性】
技术研发人员：樊硕，
申请(专利权)人：上海影谱科技有限公司，
类型：发明
国别省市：