【技术实现步骤摘要】
本专利技术涉及图像识别，特别是涉及一种前景提取方法、目标检测跟踪方法以及相应的装置。
技术介绍
1、传统的基于视频监控的周界安防主要采用人工监管的方式，效率低下且人为疏忽因素漏检可能性大。随着人工智能技术的发展和普及，基于人工智能人形检测的无人监守的周界安防摄像头得到应用。但在摄像头布置场景下可能存在椅子、盆栽、路灯等类人形物体，人形检测可能将这些物体误检成人形，对基于人形检测的区域入侵功能造成影响。对于人工智能人形检测模型的误检，不能从算法模型本身完全解决。增加模型训练负样本能降低一定的误检，但各种负样本不可能穷尽，而且随着负样本数量的增加，模型的人形检测性能会下降，漏检率将上升。传统目标跟踪算法在跟踪轨迹匹配目标时容易出现错误配对，人形检测因为遮挡等造成的人形漏检引起人形跟踪丢失。传统的提取运动目标前景算法容易受到异常噪声的干扰，影响运动目标的判断。且现有技术中，一般通过判断目标像素点是否符合某一分布，符合则属于背景像素点否则属于前景像素点，使用这种方式判断某像素点是否为跟踪目标所对应的像素点时，容易受到画面光线突变等过大等因素的干扰，尤其是在画面噪声较大的情况下，现有技术极易出现像素点的误判，最终影响目标检测跟踪的准确率。
2、鉴于此，克服该现有技术所存在的缺陷是本
亟待解决的问题。
技术实现思路
1、本专利技术要解决的技术问题是现有技术中，判断某像素点是否为跟踪目标所对应的像素点时，容易受到画面光线突变等过大等因素的干扰，尤其是在画面噪声较大的情况下，现有
2、本专利技术采用如下技术方案：
3、第一方面，本专利技术提供了一种前景提取方法，预先对已分类的各样本像素点所在的像素空间进行空间分割，得到基础空间树；其中，所述基础空间树的每一个节点为包含一个或多个样本像素点的空间，且位于同一父空间下的多个子空间由所述像素空间中的相应分割平面分割得到；将目标图像中的每一个像素点分类为前景像素点或背景像素点，包括：
4、找到所述基础空间树中包含第一像素点的最小空间；
5、以所述最小空间作为起始空间，基于所述起始空间，对所述基础空间树进行迭代查找，得到n个与所述第一像素点颜色特征距离最近的目标样本像素点；
6、根据所述n个目标样本像素点的分类结果，确定所述第一像素点的分类结果。
7、优选的，所述对已分类的各样本像素点所在的像素空间进行空间分割，得到基础空间树，具体包括：
8、计算父空间中各样本像素点在各维度的特征方差，选择特征方差最大的维度作为所述父空间的分割维度；
9、在所述父空间的各样本像素点上，基于平均分配的原则，确定在所述分割维度上的分割平面，使所述父空间中的各样本像素点被所述分割平面分割到多个子空间中；其中，若上一次分割得到的子空间中样本像素点的数量大于第二预设数量，则将上一次分割得到的子空间作为下一次的父空间，进行后续的空间分割。
10、优选的，所述在所述父空间的各样本像素点上，基于平均分配的原则，确定在所述分割维度上的分割平面，具体包括：
11、以所述父空间中的各样本像素点在分割维度上的平均值或中位数作为分割值，以所述分割值在所述分割维度上所形成的平面作为分割平面。
12、优选的，所述基于所述起始空间，对所述基础空间树进行迭代查找，得到n个与所述第一像素点颜色特征距离最近的目标样本像素点，具体包括：
13、从所述起始空间开始，对第n临时空间树进行逆向查找，直至找到所述第n临时空间树中与所述第一像素点颜色特征距离最近的样本像素点，该样本像素点即为第n个目标样本像素点；
14、从第n临时空间树中剔除所述第n个目标样本像素点，得到第n+1临时空间树，使用第n+1临时空间树进行第n+1个目标样本像素点的查找，直至查找得到的所有目标样本像素点的数量达到n个；其中，以所述基础空间树作为第1临时空间树。
15、优选的，所述从所述起始空间开始，对第n临时空间树进行逆向查找，直至找到所述第n临时空间树中与所述第一像素点颜色特征距离最近的样本像素点，具体包括：
16、以所述第n临时空间树中，第i-1个第一空间的父空间作为第i个第一空间，判断第i个第一空间的分割平面是否与球形区域相交；其中，以起始空间作为第1个第一空间，以所述第n临时空间树中的相应样本像素点与第一样本像素点之间的颜色特征距离作为半径，以样本像素点作为球心，形成对第2个第一空间进行查找时所使用的球形区域；
17、若所述第i个第一空间的分割平面与球形区域相交，则使用所述球形区域从所述第i个第一空间中查找是否存在第一样本像素点；若在所述第i个第一空间中查找得到第一样本像素点，则使用所述第一样本像素点更新所述球形区域，使用更新后的球形区域进行第i+1个第一空间的查找；其中，所述第一样本像素点为被包含在球形区域中，且与所述第一像素点颜色特征距离最近的样本像素点；
18、直至判断得到第k个第一空间的分割平面与最新的球形区域不相交，以最后一次查找得到的第一样本像素点作为所述第n临时空间树中与所述第一像素点颜色特征距离最近的样本像素点。
19、优选的，所述使用所述球形区域从所述第i个第一空间中查找是否存在第一样本像素点，具体包括：
20、在所述第i个第一空间中，找到各第二空间；其中，所述第二空间为被第i-1个第一子空间的相邻空间所包含的最小空间；
21、在第二空间中查找是否存在包含于所述球形区域中的第二样本像素点；
22、每查找得到一个第二样本像素点，则使用第二样本像素点与第一像素点之间的颜色特征距离作为新的半径，得到新的球形区域，使用所述新的球形区域进行后续第二样本像素点的查找，以最后一次查找得到的第二样本像素点作为第一样本像素点。
23、优选的，所述根据所述n个目标样本像素点的分类结果，确定所述第一像素点的分类结果，具体包括：
24、以各目标样本像素点与第一像素点之间的颜色特征距离的倒数作为相应目标样本像素点的权重；
25、将分类为背景像素点的各目标样本像素点的权重相加，得到第一像素点为背景像素点的第一概率，将分类为前景像素点的各目标样本像素点的权重相加，得到第一像素点为前景像素点的第二概率；
26、若第二概率大于第一概率，则第一像素点为前景像素点。
27、第二方面，本专利技术还提供了一种目标检测跟踪方法，包括：
28、使用第一方面所述的前景提取方法，提取当前帧中的前景像素点；
29、根据所述前景像素点，判断当前帧是否存在检测目标；
30、若当前帧中存在检测目标，对当前帧中的检测目标进行轨迹跟踪。
31、优选的，所述对当前帧中的检测目标进行轨迹跟踪，具体包括：
32、计算当前帧中的各目标检测框与各历史跟踪轨迹中的目标预测框之间的特征匹配度，根据所述特征本文档来自技高网...
【技术保护点】
1.一种前景提取方法，其特征在于，预先对已分类的各样本像素点所在的像素空间进行空间分割，得到基础空间树；其中，所述基础空间树的每一个节点为包含一个或多个样本像素点的空间，且位于同一父空间下的多个子空间由所述像素空间中的相应分割平面分割得到；将目标图像中的每一个像素点分类为前景像素点或背景像素点，包括：
2.根据权利要求1所述的前景提取方法，其特征在于，所述对已分类的各样本像素点所在的像素空间进行空间分割，得到基础空间树，具体包括：
3.根据权利要求2所述的前景提取方法，其特征在于，所述在所述父空间的各样本像素点上，基于平均分配的原则，确定在所述分割维度上的分割平面，具体包括：
4.根据权利要求1所述的前景提取方法，其特征在于，所述基于所述起始空间，对所述基础空间树进行迭代查找，得到N个与所述第一像素点颜色特征距离最近的目标样本像素点，具体包括：
5.根据权利要求4所述的前景提取方法，其特征在于，所述从所述起始空间开始，对第n临时空间树进行逆向查找，直至找到所述第n临时空间树中与所述第一像素点颜色特征距离最近的样本像素点，具体包括：<...
【技术特征摘要】
1.一种前景提取方法，其特征在于，预先对已分类的各样本像素点所在的像素空间进行空间分割，得到基础空间树；其中，所述基础空间树的每一个节点为包含一个或多个样本像素点的空间，且位于同一父空间下的多个子空间由所述像素空间中的相应分割平面分割得到；将目标图像中的每一个像素点分类为前景像素点或背景像素点，包括：
2.根据权利要求1所述的前景提取方法，其特征在于，所述对已分类的各样本像素点所在的像素空间进行空间分割，得到基础空间树，具体包括：
3.根据权利要求2所述的前景提取方法，其特征在于，所述在所述父空间的各样本像素点上，基于平均分配的原则，确定在所述分割维度上的分割平面，具体包括：
4.根据权利要求1所述的前景提取方法，其特征在于，所述基于所述起始空间，对所述基础空间树进行迭代查找，得到n个与所述第一像素点颜色特征距离最近...
【专利技术属性】
技术研发人员：万超，
申请(专利权)人：烽火通信科技股份有限公司，
类型：发明
国别省市：
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。