检测和跟踪目标图像的方法及装置制造方法及图纸

本发明专利技术涉及一种检测和跟踪目标图像的方法及装置，属于视频监控技术领域。该方法包括：在视频图像帧中对目标进行检测，根据检测到的目标的所在区域建立目标的初始直方图模型；对后续视频图像帧进行区域检测，根据检测的区域建立所述目标的跟踪直方图模型；根据目标的初始直方图模型与目标的跟踪直方图模型的相似度，确定当前时刻目标图像的尺度以及所在区域的中心位置，并判断是否更新目标的初始直方图模型；根据当前时刻视频图像的中心位置和当前时刻目标的所在区域的中心位置，调整摄像装置的转动方向和速度，以及根据目标图像的尺度调整摄像装置的焦距。本发明专利技术可用于大场景中对目标检测和跟踪，以改善大场景中对目标检测和跟踪的效果。

【技术实现步骤摘要】

本专利技术涉及视频监控
，尤其涉及一种检测和跟踪目标图像的方法及装置。
技术介绍
在视频监控技术中，摄像装置的安装方式有固定式安装和云台全方位上下、左右 移动及镜头变倍、变焦(Pan/Tilt/Zoom，以下简称PTZ)式安装。固定式安装摄像装置，是将 摄像装置固定在某一个位置，在监控过程中，摄像装置的视角无法调整。云台全方位上下、 左右移动及镜头变倍、变焦PTZ的方式安装摄像装置，是将摄像装置架设在云台上，在监控 的过程中通过控制总线及通信协议传输相应的控制指令，使得云台可以水平(Panning)竖 直(Tilting)自由转动，以及调整摄像装置的焦距(Zooming)。但是，采用固定的方式安装摄像装置时，在监控的过程中，监控的场景范围固定， 存在监控死角，因此，获得高分辨率的目标细节图像信息难度大，导致事后取证困难等问 题。而采用全方位上下、左右移动及镜头变倍、变焦PTZ的方式安装摄像装置时，可以 通过云台的水平(Panning)竖直(Tilting)自由转动，以及摄像装置焦距(Zooming)的调 整来灵活实现大场景、多视角、不同分辨率的视频图像的捕获，实现“局部放大镜”的作用。通过PTZ方式安装摄像装置来进行视频监控的过程中，通常采用人工的方式操控 键盘或调整摇杆来实现云台的上下、左右移动及摄像装置镜头变倍、变焦等。但是，由于 人的生理和心理特性的局限性，大规模的视频进行长时间监控难度较大。为此，出现了采 用传统算法或短时背景差的自主PTZ跟踪方案，实现对目标的检测和跟踪，如采用Isard 在1998年《国际计算机杂志》“视频跟踪中的条件密度遍历”(conditional density propagation for visualtracking, International Journal of Computer Vision)提出的 Condensation算法，以及Comaniciu在2003年《IEEE模式分析及机器智能交互》“基于核的 目标足艮踪中，，(Kernel—based object tracking, IEEE Transactions onPattern Analysis and Machine Intelligence, 2003)提出的 Mean Shift 算法。但是，基于传统算法的Mean Shift方法需要通过手动精确标注目标的初始位置， 而且在跟踪过程中没有调整摄像装置的焦距，尤其当目标图像的尺度变化较大时，导致对 目标跟踪的失败。另外，基于传统算法的PTZ检测跟踪方案通过局部极值或概率统计的方 法确定目标在视频图像中的实际位置，导致跟踪的效果差。基于短时背景差的PTZ跟踪方 案通过建立背景模型来提取目标以进行跟踪，但是，当目标的移动速度很慢或者静止时，混 入了目标信息，容易导致跟踪的盲目性，不能有效确定具体跟踪的什么目标，以及目标跟踪 错误。
技术实现思路
为了克服上述现有技术的缺陷，本专利技术提供一种检测和跟踪目标图像的方法及装置，以实现对目标的有效检测和跟踪，减少或消除目标跟踪错误，改善大场景应用中目标检 测和跟踪的效果。为实现上述目的，本专利技术提供了一种检测和跟踪目标图像的方法，该方法包括在视频图像帧中对目标进行检测，根据检测到的所述目标的所在区域建立所述目 标的初始直方图模型；对后续视频图像帧进行区域检测，根据检测的区域建立所述目标的跟踪直方图模 型；根据所述目标的初始直方图模型与所述目标的跟踪直方图模型的相似度，确定当前时 刻所述目标图像的尺度以及所在区域的中心位置，并判断是否更新所述目标的初始直方图 模型；根据当前时刻视频图像的中心位置和当前时刻所述目标的所在区域的中心位置， 调整摄像装置的转动方向和速度，以及根据所述目标图像的尺度调整摄像装置的焦距。为实现上述目的，本专利技术还提供了一种检测和跟踪目标图像的装置，该装置包 括检测模块，用于在视频图像帧中对目标进行检测，根据检测到的所述目标的所在 区域建立所述目标的初始直方图模型；跟踪模块，用于对后续视频图像帧进行区域检测，根据检测的区域建立所述目标 的跟踪直方图模型；根据所述目标的初始直方图模型与所述目标的跟踪直方图模型的相似 度，确定当前时刻所述目标图像的尺度以及所在区域的中心位置，并判断是否更新所述目 标的初始直方图模型；控制模块，用于根据当前时刻视频图像的中心位置和当前时刻所述目标的所在区 域的中心位置，调整摄像装置的转动方向和速度，以及根据所述目标图像的尺度调整摄像 装置的焦距。本专利技术中，通过视频图像的灰度特征、纹理特征和块特征等，在目标检测阶段建立 目标的初始直方图模型，并在跟踪阶段更新目标的初始直方图模型，同时，在跟踪阶段，根 据实时获取的视频图像的灰度特征、纹理特征和块特征等建立跟踪直方图模型，并与目标 的初始直方图模型比对，确定目标所在区域的中心位置，以与摄像装置视野范围对应的视 频图像的中心位置比对，调整摄像装置的转动方向和速度，实现了对目标的实时跟踪。当发 现目标图像中的尺度发生变化，通过调整摄像装置焦距以保持目标图像在各图像帧中的尺 度一致。本专利技术的技术方案实现了对目标的有效检测和跟踪，减少或消除了目标跟踪错误， 改善了大场景中对目标检测和跟踪的效果。附图说明图1为本专利技术检测和跟踪目标图像的方法实施例的流程图；图2为建立跟踪直方图模型的流程图；图3为确定当前时刻目标的所在区域的中心位置实施例一的流程图；图4为确定当前时刻目标的所在区域的中心位置实施例二的流程图；图5为判断是否更新目标的初始直方图模型的流程图；图6为应用本专利技术检测和跟踪目标图像的方法实施例的控制框图；图7为本专利技术检测和跟踪目标图像的装置实施例结构示意图。具体实施例方式下面通过附图和实施例，对本专利技术实施例的技术方案做进一步的详细描述。图1为本专利技术检测和跟踪目标图像的方法实施例的流程图。如图1所示，本实施 例的技术方案中，检测和跟踪目标图像的方法包括如下步骤步骤101、在视频图像帧中对目标进行检测，根据检测到的目标的所在区域建立目 标的初始直方图模型；具体地，本实施例中，步骤101可以具体包括步骤111、根据级联Adaboost方法在视频图像帧中检测目标并确定目标的所在区 域；本实施例中，根据Viola提出的级联Adaboost检测方法构建检测器，自动对视频 图像帧进行检测以确定目标的位置及其所在区域。步骤112、获取目标的所在区域的灰度特征、纹理特征和块特征；本实施例中，没有采用常用的基于颜色的直方图特征，而是提取了基于视频图像 的灰度图像中的灰度特征、纹理特征和块特征，这样，在对目标进行检测和跟踪时，不但可 以针对白天的彩色视频图像，而且还可以应用于夜间的灰度视频图像。灰度特征是基于像素点的特征，不包含目标的空间信息，受目标的旋转、尺度变化 和部分遮挡等影响较小，而且灰度特征容易提取。灰度图像的纹理特征具有局部不规则和 全局规则的特性，对噪声具有较强的抵抗力。另外，块特征可以反映目标的空间信息。因此， 结合灰度特征和块特征可以有效地补充灰度特征不包含的目标的空间信息。本实施例中，步骤112可以具体包括获取目标的所在区域的16个区间的灰度特 征、16个区间的局部二进制(Local Binary Patt本文档来自技高网...

【技术保护点】
一种检测和跟踪视频图像的方法，其特征在于，包括：在视频图像帧中对目标进行检测，根据检测到的所述目标的所在区域建立所述目标的初始直方图模型；对后续视频图像帧进行区域检测，根据检测的区域建立所述目标的跟踪直方图模型；根据所述目标的初始直方图模型与所述目标的跟踪直方图模型的相似度，确定当前时刻所述目标图像的尺度以及所在区域的中心位置，并判断是否更新所述目标的初始直方图模型；根据当前时刻视频图像的中心位置和当前时刻所述目标的所在区域的中心位置，调整摄像装置的转动方向和速度，以及根据所述目标图像的尺度调整摄像装置的焦距。

【技术特征摘要】

【专利技术属性】
技术研发人员：黄磊，刘昌平，周金广，
申请(专利权)人：汉王科技股份有限公司，
类型：发明
国别省市：11[中国|北京]