[发明专利]一种改进的运动目标检测与跟踪方法

说明书

技术领域

本发明涉及一种改进的运动目标检测与跟踪方法。

背景技术

作为智能视频监控与分析系统的基础，运动目标检测与跟踪模块在其中起着非常重要的作用，它为后期的物体识别、行为与轨迹分析等后处理算法奠定了基础。人们已经对前景检测与跟踪算法进行了大量的研究。

在前景检测算法方面，主要分为光流法、帧差法以及背景建模法。其中光流法对硬件要求较高，因而一般硬件很难满足算法的实时性；帧差法由于是相邻的两帧图像相减，而相邻的两帧图像中的运动目标在空间位置上相距很近，因而会在目标区域中产生很大的空洞，使得检测精度降低；背景建模法则是对背景图像建立模型，使得在前景检测的过程中背景可以不断的更新，能够适应存在细微变化的背景环境，但是当前景的颜色与背景颜色相近，即前景与背景对比度较低时，背景建模算法也很难完整的检测出前景目标。

在跟踪算法方面，比较经典的Camshift跟踪算法仅仅采用单一的颜色特征，计算量小，运算速度快，但是鲁棒性与适应性较差，在背景复杂时很容易丢失目标；粒子滤波算法的跟踪性能与粒子数成正比，粒子数越多跟踪能力越强，但粒子数的增加极大的增大了算法的计算量，使得实时性难以满足，很难用于对实时性要求较高的监控系统。

发明内容

本发明为了解决上述问题，提出了一种改进的运动目标检测与跟踪方法，本方法在传统的背景建模方法基础上的改进，即便是在前景与背景颜色相近的情况下也能进行准确的前景检测；在跟踪方法中采用了Kalman滤波结合最小空间距离的方法，在保证了跟踪鲁棒性的同时也加快了跟踪算法的运算速度。

为了实现上述目的，本发明采用如下技术方案：

一种改进的运动目标检测与跟踪方法，包括以下步骤：

(1)利用Vibe算法对检测的像素点进行分割：为每个像素点建立一个背景模型，比较待分类像素与背景模型的相似度，若相似度满足设定值，则判断该像素为背景，否则为前景；

(2)根据Vibe算法分割得到的连通域的空间分布关系，判断其是否为同一运动目标，如果判断结果为是，则进行连通域合并，直到目标检测完成；

(3)对前期获取到的运动对象进行跟踪，利用Kalman滤波器结合最小空间距离算法来预测每个运动对象的坐标位置，并进行不断更新、跟踪，清除消失的运动对象并不断记录运动对象的新坐标位置。

所述步骤(1)的具体方法为：为每个像素点p_t(x)建立一个包含N个样本的背景模型：

M(x)＝{p₁,p₂,...,p_N}

通过比较待分类像素p_t(x)与背景模型M(x)的相似度，即可判断出该像素是前景还是背景，如果相似，即判断为背景，否则为前景。

所述步骤(1)中，相似度的判断方法为：定义一个以p_t(x)为球心，R为半径的球体S_R(p_t(x))，用A来表示球体与背景模型的交集，用来判断相似度：

A＝{S_R(p_t(x))∩{p₁,p₂,...,p_N}}

当A大于一个给定的阈值时，待分类像素即为背景，否则为前景。

所述步骤(2)的具体为：通过Vibe算法对前景分割存在以下情况：经过Vibe算法进行前景分割后，如果同一个目标被分割成了很多个目标块，那这些目标块的最小外接矩形在相对位置上还是存在一定的位置关系的：一是较小的框完全被较大的框所包含；二是两个框之间有交集，但并不完全包含；三是两个矩形框之间并没有交集，但是他们成上下关系，且质心之间的水平与垂直距离都小于一定的阈值。

所述步骤(2)的具体方法为：假设有两个矩形窗分别为A和B，宽度分别记为W(A)和W(B)，高度记为H(A)和H(B)，中心点坐标记为(x(A),y(A))、(x(B),y(B))，则两个框中心点的水平距离为：

X_d＝|x(A)-x(B)|

垂直距离为：

Y_d＝|y(A)-y(B)|

所述步骤(2)中，如果是较小的框完全被较大的框所包含，则符合判决条件1，即：

X_d≤|W(A)-W(B)|/2

和

Y_d≤|H(A)-H(B)|/2