运动目标跟踪方法及其系统技术方案

本发明专利技术提供了一种运动目标跟踪方法及其系统，所述运动目标跟踪方法包括：检测目标，将视频场景中的运动目标区域从背景中分割出来；预测目标，估计目标的下一帧运动；匹配目标，跟踪匹配的稳定目标，并滤除虚假目标；和更新目标，更新当前帧中稳定目标的模板。本发明专利技术实现了复杂背景下多目标的准确跟踪，解决了遮挡、树叶摆动等问题，并且运算简便，具有很强的实用性。

【技术实现步骤摘要】

本专利技术涉及视频监控技术，特别是涉及一种智能视频监控系统中的运动目标跟踪方法及其系统。
技术介绍
随着犯罪水平和威胁的增加，安全已成为世界普遍关注的问题。视频监控是解决 该问题的方法之一。除了公共安全外，视频监控也能有效地解决一些其他问题，如拥挤城市 车流量、人流量的调节。多年来大型监控系统在诸如机场、银行、高速公路或城市中心等的 主要场所得到了广泛地应用。 由于传统的视频监控技术一般为人工监视，存在着易疲劳、易疏忽、反应速度慢、 人工费用高等诸多不足。因此，近年来人们逐渐研究一种数字化、标准化、智能化和IP网络 化的智能视频监控技术。 常规的智能视频监控技术都包括一个运动目标跟踪技术。运动目标跟踪的目的是 在正确检测出运动目标的基础上，确定同一目标在不同场景图像中位置的过程。 为了实现跟踪，可以使用基于运动分析的方法，如帧间差分法和光流分割法。帧间 差分法是对相邻帧图像作相减运算之后，对结果图像取阈值并分割，提取运动目标。这种方 法的缺点是只能根据帧间像素的强度变化来检测场景中目标是否运动，运动目标信号的帧 间相关性和噪声的帧间相关性都很弱，难以区分。光流分割法是通过目标和背景之间的不 同速度来检测运动目标。这种方法的缺点是不能有效区分目标运动造成的背景遮挡、显示 以及孔径等问题，计算量大，需要特殊的硬件支持。 为了实现跟踪，可以使用图像匹配方法，如区域匹配、模型匹配。区域匹配是把参 考图像的某一块整体与实时图像所有可能位置上进行叠加，然后计算某种图像相似性度量 的相应值，其最大相似性相对应的位置就是目标的位置。这种方法的缺点是计算量大，难以 达到实时性要求。模型匹配是根据模板来匹配场景图像中的目标。这种方法的缺点是计算 分析复杂，运算速度慢，模型的更新较为复杂，实时性较差。 综上所述，目前迫切需要提出更为简单、有效、实时的运动目标跟踪方案。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一个运动目标跟踪方法及其系统，其可以得到正确的前景图像，减少了目标检测的错误；进一步，可以根据检测结果进行预测、匹配、更新等操作，以滤除虚假运动目标，实现运动目标的准确跟踪。 为达到上述目的，本专利技术的技术方案是这样实现的 本专利技术提供了一个运动目标跟踪方法，所述运动目标跟踪方法包括 检测目标，将视频场景中的运动目标区域从背景中分割出来； 预测目标，估计目标的下一帧运动； 匹配目标，跟踪匹配的稳定目标，并滤除虚假目标；5 更新目标，更新当前帧中稳定目标的模板。 根据本专利技术，所述检测目标包括如下步骤 获取视频，获取视频内容以得到场景图像，并建立背景模型； 预处理图像，消除场景图像对背景模型的影响； 标记区域，根据背景模型对场景图像进行前景分割，并标记出连通区域； 维护状态，判定检测目标模块当前所处的状态，做出相应处理，并且在必要时做异常检测； 增强区域，使用阴影检测、高亮检测和树滤波，剔除阴影、高亮和树叶摆动的虚假 区域； 分裂与合并区域，使用背景模型提供的约束以及人和车模型的先验知识对区域进行合并和分裂处理，以解决目标过分割和目标相互遮挡问题。其中，所述预处理图像包括滤波处理和全局运动补偿；其中， 所述滤波处理包括对图像进行噪声过滤处理、图像平滑处理； 所述全局运动补偿，是补偿由于相机轻微摆动而引起的图像全局运动，在全局运 动补偿中，运动模型包括平移、旋转、变焦。 通过下列常规公式计算前景所在的矩形区域周围正负5个像素的区域亮度差 IDS，得到全局运动补偿中图像平移的距离Ax、 Ay，公式如下zos = ￡ ￡ (/(』-/(w)C,义=& y= 其中，sx表示区域起点x坐标，sy表示区域起点y坐标，I(x,y) (t)表示当前帧图像灰度，I(x,y)(t-1)表示上一帧图像灰度；同理计算其它四个区域的位置变化量，最后求出平 均的Ax、 Ay ;将图像按照Ax、 Ay进行平移得到补偿后的图像。 其中，所述标记区域包括如下步骤 前景分割，基于背景模型对场景图像进行分割，以得到前景的二值图像； 形态学处理，使用数学形态学的方法处理所述的二值图像，以去除面积较小的虚假区域，并填充面积较大的区域；以及 连通区域标记，用连通域的方法标记同一场景中的不同区域，以区别不同的目标 区域。 其中，所述维护状态包括状态判定和异常检测。 所述状态判定，是判定检测目标模块当前所处的状态，做出相应处理；当场景稳定 时间超过阈值l，系统由初始化状态进入工作状态；当场景改变时间超过阈值2，系统由工 作状态进入初始化状态。其中，所述阈值1优选为0. 5 2秒之间，所述阈值2优选为5 20秒之间。 所述异常检测，是在视频信号干扰严重，以及有人为的遮挡相机的情况时执行；根 据两次背景的边缘匹配值及背景初始化成功的最短时间判断，若当前帧的背景与背景模型 的边缘相匹配的数值小于阈值3或背景初始化成功的最短时间超过阈值4，则认为是异常 现象。其中，所述阈值3优选为30 50之间，所述阈值4优选为6 20秒之间。 其中，所述增强区域包括阴影检测、高亮检测、树滤波。 阴影检测，是针对每个连通区域，分别计算该连通区域内的像素值的均值，并将该均值作为阈值，判定该区域的阴影区域，然后将阴影区域滤除，若像素值小于所述阈值，则 判定为阴影。 高亮检测，是用于检测图像是否处于高亮状态，若是，则进行亮度补偿，亮度补偿 使得图像的像素值的均值为128。 树检测，用于检测图像中的摆动树叶和摆动树叶阴影，并将其从前景图像中滤除。 摆动树叶的检测是根据以下两个特征之一判定实现的(l)运动轨迹跟踪，当运 动轨迹点中目标对应区域属于运动区域面积的部分小于运动区域面积的阈值5时，则认为 该目标是摆动树叶；(2)质心运动的振幅，当相邻轨迹点中目标质心的位移变化超过目标 宽度的阈值6时，则认为该目标是摆动树叶。其中，所述阈值5优选为5% 15%之间；所 述阈值6优选为1. 5 2. 5之间。 摆动树叶阴影的检测方法是分别统计膨胀操作前后该区域内膨胀操作前后像素 值为1的点的个数，并计算它们的比值，若该比值小于阈值7，则认为该区域是摆动树叶 阴影的区域。其中，所述阈值7优选为40% 60%之间。 其中，所述分裂与合并区域是基于所述增强区域的处理过程，判定相邻两区域是 否是同一目标区域；若属于同一目标区域，则将这两个区域合并；否则，将其分裂；其中，相 邻两区域是指区域边缘距离小于阈值8的区域。其中，所述阈值8优选为3 7个像素之 间。 根据本专利技术，所述预测目标是根据目标运动的累加位移及其相应的累加时间，计 算该目标运动的平均速度，并根据该速度预测目标的下一次位移；其中， 所述累加位移、累加时间及平均运动速度的关系为 v = s/t 其中，s为目标质心稳定运动多帧后的位移，t为目标运动多帧所需的时间，v为该 目标稳定运动的平均速度； 根据所述平均速度v预测的下一次位移为 s' = v A t 其中，A t为预测的目标时间，s'为目标质心稳定运动A t时间后的位移。 根据本专利技术，所述匹配目标包括跟踪匹配的稳定目标和滤除虚假目标；其中， 所述跟踪匹配的稳定目标是判定检测区域与跟踪目标是否匹配，所述匹配根据下 述公式中检测区域与目标的匹配系数D来判定 本文档来自技高网...

【技术保护点】
一种运动目标跟踪方法，其特征在于，所述运动目标跟踪方法包括如下步骤：（１）检测目标，将视频场景中的运动目标区域从背景中分割出来；（２）预测目标，估计目标的下一帧运动；（３）匹配目标，跟踪匹配的稳定目标，并滤除虚假目标；和（４）更新目标，更新当前帧中稳定目标的模板。

【技术特征摘要】
一种运动目标跟踪方法，其特征在于，所述运动目标跟踪方法包括如下步骤(1)检测目标，将视频场景中的运动目标区域从背景中分割出来；(2)预测目标，估计目标的下一帧运动；(3)匹配目标，跟踪匹配的稳定目标，并滤除虚假目标；和(4)更新目标，更新当前帧中稳定目标的模板。2. 根据权利要求1所述的运动目标跟踪方法，其特征在于，所述检测目标包括如下步骤获取视频，获取视频内容以得到场景图像，并建立背景模型； 预处理图像，消除场景图像对背景模型的影响；标记区域，根据背景模型对场景图像进行前景分割，并标记出连通区域；维护状态，判定检测目标模块当前所处的状态，做出相应处理，并且在必要时做异常检增强区域，使用阴影检测、高亮检测和树滤波，剔除阴影、高亮和树叶摆动的虚假区域；分裂与合并区域，使用背景模型提供的约束以及人和车模型的先验知识对区域进行合 并和分裂处理，以解决目标过分割和目标相互遮挡问题。3. 根据权利要求2所述的运动目标跟踪方法，其特征在于，所述预处理图像包括滤波 处理和全局运动补偿；其中，所述滤波处理包括对图像进行噪声过滤处理、图像平滑处理；所述全局运动补偿，是补偿由于相机轻微摆动而引起的图像全局运动，在全局运动补 偿中，运动模型包括平移、旋转、变焦。4. 根据权利要求2所述的运动目标跟踪方法，其特征在于，所述标记区域包括如下步骤前景分割，基于背景模型对场景图像进行分割，以得到前景的二值图像； 形态学处理，使用数学形态学的方法处理所述的二值图像，以去除面积较小的虚假区 域，并填充面积较大的区域；以及连通区域标记，用连通域的方法标记同一场景中的不同区域，以区别不同的目标区域。5. 根据权利要求2所述的运动目标跟踪方法，其特征在于，所述维护状态包括状态判 定和异常检测；所述状态判定，是判定检测目标模块当前所处的状态，做出相应处理；当场景稳定时间 超过阈值1，系统由初始化状态进入工作状态；当场景改变时间超过阈值2，系统由工作状 态进入初始化状态；所述异常检测，是在视频信号干扰严重，以及有人为的遮挡相机的情况时执行；根据两 次背景的边缘匹配值及背景初始化成功的最短时间判断，若当前帧的背景与背景模型的边 缘相匹配的数值小于阈值3或背景初始化成功的最短时间超过阈值4，则认为是异常现象。6. 根据权利要求2所述的运动目标跟踪方法，其特征在于，所述增强区域包括阴影检 测、高亮检测、树滤波；其中，阴影检测，针对每个连通区域，分别计算该连通区域内的像素值的均值，并将该均值作 为阈值，判定该区域的阴影区域，然后将阴影区域滤除，若像素值小于所述阈值，则判定为阴影；高亮检测，检测图像是否处于高亮状态，若是，则进行亮度补偿，亮度补偿使得图像的 像素值的均值为128 ;树滤波，检测图像中的摆动树叶和摆动树叶阴影，并将其从前景图像中滤除；其中检测摆动树叶是根据以下两个特征之一判定实现的(l)运动轨迹跟踪，当运动轨迹 点中目标对应区域属于运动区域面积的部分小于运动区域面积的阈值5时，则认为该目标 是摆动树叶；(2)质心运动的振幅，当相邻轨迹点中目标质心的位移变化超过目标宽度的 阈值6时，则认为该目标是摆动树叶；检测摆动树叶阴影的方法是分别统计膨胀操作前后该区域内膨胀操作前后像素值为 1的点的个数，并计算它们的比值，若该比值小于阈值7，则认为该区域是摆动树叶阴影的 区域。7. 根据权利要求2所述的运动目标跟踪方法，其特征在于，所述分裂与合并区域是基 于所述增强区域的处理过程，判定相邻两区域是否是同一目标区域；若属于同一目标区域， 则将这两个区域合并；否则，将其分裂；其中，相邻两区域是指区域边缘距离小于阈值8的 区域。8. 根据权利要求1所述的运动目标跟踪方法，其特征在于，所述预测目标是根据目标 运动的累加位移及其相应的累加时间，计算该目标运动的平均速度，并根据该速度预测目 标的下一次位移；其中，所述累加位移、累加时间及平均运动速度的关系为 v = s/t其中，s为目标质心稳定运动多帧后的位移，t为目标运动多帧所需的时间，v为该目标 稳定运...

【专利技术属性】
技术研发人员：王华，曾建平，黄建，王正，菅云峰，
申请(专利权)人：北京智安邦科技有限公司，
类型：发明
国别省市：11[中国|北京]