【技术实现步骤摘要】
本专利技术属于图像处理技术、运动对象的追踪
具体地说是涉及基于kalman滤波和SURF方法相结合来实现遮挡和场景变换情况下运动对象的快速、准确追踪方法。
技术介绍
目前的视频运动对象追踪方法有如下几种:一是基于区域的跟踪方法,其首先分割出每一帧的视频对象,然后建立各分割对象间的对应关系,从而实现对视频对象的跟踪。这种方法对视频对象的分割要求很高,一旦视频片段中的某一帧或某几帧的对象分割错误,则整个视频对象的跟踪就会失败。二是Graph Cuts方法(又称为Min-Cut/Max-Flow方法),是一种经典的图像分割方法,目前很多图像分割方法都是基于Graph Cuts衍生出来的。由于运动对象的跟踪方法的前一步通常都是运动前景物体的提取,因此这种基于区域的跟踪方法应用比较广泛。但由于这种方法不能很好地分割相互遮挡的物体,因此这种方法在遮挡频繁发生的场景中效果较差。三是基于模型的跟踪方法,目前基于模型的跟踪方法主要分为两类:即基于模型的人体跟踪和基于模型的车辆跟踪。由于该方法的特性,在得到物体2D图像坐标和3D坐标的对应关系后,即使物体发生较大程度的角度变换,也可以利用物体的3D模型进行跟踪。该方法要求先对被跟踪物体进行建模,然后将该模型和视频图像中的内容进行匹配来实现跟踪;且这种方法要求对被跟踪物体有足够的先验知识,才能建立出有效的目标模型。
技术实现思路
本专利技术的任务在于提供,该方法能够快速、准确地实现对视频中特定运动物体的追踪。其技术解决方案是:,包括下列步骤:a对输入的视频序列进行前景运动检测,提取运动对象;然后进入步骤b,b如果已经保存有 ...
【技术保护点】
一种面向遮挡和场景变换的运动对象追踪方法,其特征在于包括下列步骤:a对输入的视频序列进行前景运动检测,提取运动对象;然后进入步骤b,b如果已经保存有追踪对象的特征,则进入步骤d;如果未保存有追踪对象的特征,则根据用户选定的区域完成对目标物体的模板初始化和SURF特征提取,以及Kalman滤波器的初始化;然后进入步骤c,c采用基于Kalman滤波器的方法对运动目标进行预测跟踪,直至视频内容结束,进入步骤e;当追踪过程中发生遮挡时,则进入步骤d;d使用基于SURF特征的匹配方法确定追踪对象,在特征匹配趋于稳定并判断遮挡结束时,重新初始化Kalman滤波器后进入步骤c;e输出并保存目标对象特征信息。
【技术特征摘要】
1.一种面向遮挡和场景变换的运动对象追踪方法,其特征在于包括下列步骤: a对输入的视频序列进行前景运动检测,提取运动对象;然后进入步骤b, b如果已经保存有追踪对象的特征,则进入步骤d ;如果未保存有追踪对象的特征,则根据用户选定的区域完成对目标物体的模板初始化和SURF特征提取,以及Kalman滤波器的初始化;然后进入步骤C, c采用基于Kalman滤波器的方法对运动目标进行预测跟踪,直至视频内容结束,进入步骤e ;当追踪过程中发生遮挡时,则进入步骤d ; d使用基于SURF特征的匹配方法确定追踪对象,在特征匹配趋于稳定并判断遮挡结束时,重新初始化Kalman滤波器后进入步骤c ;e输出并保存目标对象特征信息。2.根据权利要求1所述的一种面向遮挡和场景变换的运动对象追踪方法,其特征在于: 上述步骤a中,建立两个参考巾贞Ibg(χ, y)、Iup(χ, y), Ibg(x, y)为当前场景的背景中贞,Iup (χ, y)是一个随时间不断更新的参考巾贞;将当前巾贞I (χ, y)分别与Ibg(χ, ...
【专利技术属性】
技术研发人员:房胜,汴紫涵,徐田帅,王飞,党超,
申请(专利权)人:山东科技大学,
类型:发明
国别省市:山东;37
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。