一种基于多目标跟踪的虚假运动目标剔除方法技术

一种基于多目标跟踪的虚假运动目标剔除方法，包括如下步骤：步骤

【技术实现步骤摘要】
一种基于多目标跟踪的虚假运动目标剔除方法


[0001]本专利技术属于软件领域，涉及图像识别技术
,
具体涉及一种基于多目标跟踪的虚假运动目标剔除方法
。

技术介绍

[0002]运动目标检测是图像处理中的一个方向，它是通过图像处理方法，将序列图像或者视频中的内容，分成背景和前景两个部分
。
其中背景是指在图像中处于静止或者存在微弱的变化的部分，背景中各个物体之间的相对位置固定；前景是指与背景部分在图像上存在明显相对位移的部分
。
运动目标检测方法将运动目标作为前景从图像中分割提取出来
。
[0003]在安防领域，随着城市智能化建设的推进，以及图像探测器和图像处理芯片等硬件成本的降低，越来越多的公共场所安装了大量的摄像头
。
通常采用人工值守的方式，存在人员的疲劳以及人工无法同时对多个区域进行有效监督等问题
。
在智能机器人和自动驾驶领域，需要机器能过获取移动目标的位置，完成合理避让
。
基于图像的运动目标检测方法在这些领域得到广泛的应用
。
[0004]常用的运动目标检测方法包括帧间差分法
、
背景差分法和光流法等
。
帧间差分法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标，从而实现目标的检测功能
。
背景差分法是将当前每一帧图像与事先存储或实时获取的背景图像相减，计算出与背景偏离超过一定阀值的区域作为运动区域
。
典型的背景建模方法有混合高斯模型和
VIBE
算法，其中混合高斯模型描述背景图像像素值的分布
,
目标检测过程中判断图像的当前像素值是否符合该分布
,
若是被判为前景点
,
否则为背景点，同时根据新获取的图像
,
对背景图像参数进行自适应更新；
VIBE
算法采用邻域像素来创建背景模型，通过比对背景模型和当前输入像素值来检测前景
。
光流法是通过检测图像像素点的强度随时间的变化进而推断出物体移动速度及方向的方法
。
但上述这些运动目标检测算法受到光照变化
、
图像强边缘的影响，造成检测输出大量虚假目标
,
造成运动目标检测失效
。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足，提供一种基于多目标跟踪的虚假运动目标剔除方法，以解决运动目标检测不准确的问题
。
[0006]本专利技术公开了一种基于多目标跟踪的虚假运动目标剔除方法，包括如下步骤：
[0007]步骤
S1.
从视频流中选择一帧作为初始帧
,
选择初始帧的一个后续帧作为基准帧
,
将该后续帧与初始帧利用差分计算方法
,
得到初始目标；
[0008]对初始目标，定义连续丢失计数值并设置初始值为零；
[0009]步骤
S2.
对初始目标，初始化卡尔曼滤波矩阵；具体为
:
[0010]步骤
S2.1
：定义初始目标信息；
[0011]对步骤
S1
得到的每个初始目标，以一个七维向量定义为初始目标向量
描述该目标状态，其中
u,v
分别为检测目标几何中心在图像上的横坐标和纵坐标，
s
为初始目标的面积，
r
为初始目标的长宽比，为横坐标速度，为纵坐标速度，为面积速度，所谓速度是指相邻帧之间的变化率；
[0012]步骤
S2.2
：定义7阶方阵
F
为状态变换模型矩阵；
[0013][0014]定义观测函数
H
为一个四行七列矩阵：
[0015][0016]步骤
S2.3
：初始化测量噪声矩阵
R
，协方差矩阵
P
，过程噪声矩阵
Q
；
[0017]R
为4阶方阵，
P、Q
为7阶方阵；其中测量噪声矩阵
R
，协方差矩阵
P
，过程噪声矩阵
Q
为仅在对角线上有非零元素的方阵；
[0018]本步骤中，测量噪声矩阵
R
，协方差矩阵
P
，过程噪声矩阵
Q,
观测函数
H
，状态变换模型矩阵
F
构成初始化的卡尔曼滤波器；
[0019]步骤
S3
：对视频流基准帧之后的后续帧
,
利用步骤
S1
所述的差分计算方法检测出运动目标作为潜在运动目标，与上一帧的潜在运动目标进行匹配；具体为：
[0020]步骤
S3.1
：计算当前帧预测的目标信息估计值与估计协方差其中目标信息估计值与初始目标向量
X
为形式相同的向量
。
[0021]其中：
[0022]第
K
帧的目标信息估计值
[0023]第
K
帧的估计协方差
[0024]‑‑
公式组1[0025]下标
K
表示帧序号；
[0026]对第一帧
,
即
K
＝1时，目标信息估计值设定为步骤
S1
得到的初始目标向量
X
，第一帧的估计协方差为协方差矩阵
P
；
[0027]步骤
S3.2
：对当前帧利用步骤
S1
所述差分计算方法检测当前帧的潜在运动目标；
[0028]对目标信息估计值与潜在运动目标的目标信息，分别计算两两之间的交并比值
IOU
；
[0029]步骤
S3.3
：使用交并比值
IOU
作为权重，对检测目标进行序号匹配，设置交并比阈值，将交并比值
IOU
小于交并比阈值的潜在运动目标置为匹配失败；
[0030]匹配完成后存在三类匹配结果：
[0031]当前帧检测到并成功匹配的潜在运动目标，
[0032]当前帧检测到但未匹配成功的潜在运动目标，
[0033]上一帧存在，但未与当前帧匹配成功的潜在运动目标；
[0034]步骤
S4
：对当前帧各个目标分类处理，得到当前帧输出的潜在运动目标，具体为：
[0035]步骤
S4.1
：对当前帧检测到并成功匹配的潜在运动目标，该目标连续丢失计数值置0，更新其卡尔曼滤波增益参数
K
k
，修正估计值和后验估计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多目标跟踪的虚假运动目标剔除方法，其特征在于
,
包括如下步骤：步骤
S1.
从视频流中选择一帧作为初始帧
,
选择初始帧的一个后续帧作为基准帧
,
将该后续帧与初始帧利用差分计算方法
,
得到初始目标；对初始目标，定义连续丢失计数值并设置初始值为零；步骤
S2.
对初始目标，初始化卡尔曼滤波矩阵；具体为
:
步骤
S2.1
：定义初始目标信息；对步骤
S1
得到的每个初始目标，以一个七维向量定义为初始目标向量描述该目标状态，其中
u,v
分别为检测目标几何中心在图像上的横坐标和纵坐标，
s
为初始目标的面积，
r
为初始目标的长宽比，为横坐标速度，为纵坐标速度，为面积速度，所谓速度是指相邻帧之间的变化率；步骤
S2.2
：定义7阶方阵
F
为状态变换模型矩阵；定义观测函数
H
为一个四行七列矩阵：步骤
S2.3
：初始化测量噪声矩阵
R
，协方差矩阵
P
，过程噪声矩阵
Q
；
R
为4阶方阵，
P、Q
为7阶方阵；其中测量噪声矩阵
R
，协方差矩阵
P
，过程噪声矩阵
Q
为仅在对角线上有非零元素的方阵；本步骤中，测量噪声矩阵
R
，协方差矩阵
P
，过程噪声矩阵
Q,
观测函数
H
，状态变换模型矩阵
F
构成初始化的卡尔曼滤波器；步骤
S3
：对视频流基准帧之后的后续帧
,
利用步骤
S1
所述的差分计算方法检测出运动目标作为潜在运动目标，与上一帧的潜在运动目标进行匹配；具体为：步骤
S3.1
：计算当前帧预测的目标信息估计值与估计协方差其中目标信息估计值与初始目标向量
X
为形式相同的向量
。
其中：第
K
帧的目标信息估计值第
K
帧的估计协方差
‑‑
公式组1下标
K
表示帧序号；对第一帧
,
即
K
＝1时，目标信息估计值设定为步骤
S1
得到的初始目标向量
X
，
第一帧的估计协方差为协方差矩阵
P
；步骤
S3.2
：对当前帧利用步骤
S1
所述差分计算方法检测当前帧的潜在运动目标；对目标信息估计值与潜在运动目标的目标信息，分别计算两两之间的交并比值
IOU
；步骤
S3.3
：使用交并比值
IOU
作为权重，对检测目标进行序号匹配，设置交并比阈值，将交并比值
IOU
小于交并比阈值的潜在运动目标置为匹配失败；匹配完成后存在三类匹配结果：当前帧检测到并成功匹配的潜在运动目标，当前帧检测到但未匹配成功的潜在运动目标，上一帧存在，但未与当前帧匹配成功的潜在运动目标；步骤
S4
：对当前帧各个目标分类处理，得到当前帧输出的潜在运动目标，具体为：步骤
S4.1
：对当前帧检测到并成功匹配的潜在运动目标，该目标连续丢失计数值置0，更新其卡尔曼滤波增益参数
K
...

【专利技术属性】
技术研发人员：王升哲，梁志清，李成世，张鸿波，刘子骥，康朋新，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：