一种核密度估计的背景运动目标对象跟踪方法技术

本发明专利技术公开了一种核密度估计的背景运动目标对象跟踪方法，结合颜色和纹理特征建立目标外观表征模型，利用收敛算法到候选目标，通过动态加权的方式实现目标位置估计，并结合目标模板更新策略实现目标的持续跟踪，结合巴氏距离的应用，本发明专利技术方法提高在形变、旋转、光照变化、背景干扰和低照度等复杂环境下目标表达能力。能力。能力。

【技术实现步骤摘要】
一种核密度估计的背景运动目标对象跟踪方法


[0001]本专利技术涉及视频处理
，具体涉及一种核密度估计的背景运动目标对象跟踪方法。

技术介绍

[0002]公共安全系统中，目标对象跟踪是公共安全视频应用的关键性问题，是视频智能化和大数据应用的重要方面。目标跟踪的任务是根据第一帧中目标的初始状态，对视频序列后续帧中目标状态进行估计和定位。目标自身姿态变化、尺度的改变、速度过快造成的运动模糊等都会造成目标外观变化，而光照变化、部分遮挡等外部因素会导致外观变化。在跟踪过程中，目标的外观变化会使得原有的目标外观模型准确度下降甚至失效。如何兼顾实时性和鲁棒性的运行目标跟踪算法是运动目标跟踪的重点和难点。
[0003]公共安全应用中的目标跟踪受到各种复杂场景挑战，跟踪目标从刚体到非刚体的变化，跟踪目标所处的场景从简单到复杂多变，目标的外观变化、低照度、低分辨率、光照变化、背景干扰、遮挡等。低照度主要是指光线暗淡的场景，目标附近区域的亮度和对比度低，容易错误地跟踪到背景物体上。低分辨率的跟踪场景主要是指目标本身的快速运动、运动模糊、雾霾天气或低照本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种核密度估计的背景运动目标对象跟踪方法，其特征在于，具体过程为：S1、输入第t帧图像；S2、初始化Kalman滤波器；S3、提取第t帧图像的颜色特征p
uc
和纹理特征p
ut
；S4、根据颜色特征p
uc
，利用Meanshift算法迭代得到第t帧图像中候选目标位置P
uc
，并根据纹理特征p
ut
，利用Meanshift算法迭代得到第t帧图像中的候选目标位置P
ut
；S5、计算出融合后的候选目标位置P
u
＝γ
c
P
uc
+γ
t
P
ut
；S6、计算候选目标与目标模板的巴氏距离D，如果满足预设的阈值条件，则更新滤波器参数，输出第t帧图像中的目标位置，否则进入辅助重定位或Kalman位置补偿。2.根据权利要求1所述的方法，其特征在于，步骤S6的具体过程为：S6.1、计算候选目标与目标模板的巴氏距离D，如果巴氏距离D<阈值T2，则将跟踪结果放入样本队列中、更新滤波器参数和更新目标模板，输出第t帧图像中的目标位置；否则跳转至步骤S6.2；所述样本队列用于存放正确的跟踪结果，跟踪结果记录着每一帧图像计算所得的目标位置信息、目标与目标模板的巴氏距离和图像在视频中的帧序号；样本队列中的第一帧图像的目标位置信息通过手工标注得到；S6.2、判断巴氏距离D是否小于阈值T，如果不是则跳转至步骤S6.3，如果是，进一步计算是否满足0＜ΔD＜ΔT，巴氏距离梯度ΔD＝D
t
‑
D
t
‑1，D
t
为当前帧的巴氏距离，D
t
‑1为t
‑
1帧的巴氏距离，ΔT为距离梯度阈值，如果满足，表示候选目标匹配高，则利用Camshift算法预测结果对目标模板进行更新以及更新Kalman滤波器参数；当巴氏距离迅速增加，但还满足阈值条件时，即D<T且ΔD≥ΔT，返回步骤S6.1；S6.3、当D≥T，继续判断巴氏距离D是否大于阈值T1，如果是，进入辅助重定位，否则进入Kalman位置补偿；所述Kalman位置补偿的具体过程为：当候选目标出现了遮挡，则利用Kalman滤波器对目标进行位置预测，使候选目标搜索窗口更接近真实...

【专利技术属性】
技术研发人员：王艳，蒋志颀，
申请(专利权)人：公安部第一研究所，
类型：发明
国别省市：