[发明专利]一种融合特征匹配和数据关联的视频监控多目标跟踪方法

说明书

技术领域

本发明涉及一种融合特征匹配和数据关联的视频监控多目标跟踪方法。

背景技术

多目标跟踪是当前计算机视觉领域的一个研究热点，多目标跟踪是指利用计算机在视频序列中确定感兴趣的、具有某种显著视觉特征的各个独立运动目标的位置、大小、以及各个目标完整的运动轨迹。近年来，随着计算机数据处理能力的飞速增长、以及图像分析技术的发展，对象的实时追踪技术脱颖而出，它在视频监控、视频压缩编码、机器人导航与定位、智能人机交互、虚拟现实等领域有着非常重要的实用价值。

当前在图像序列中进行目标跟踪的方法大致可分为以下3种:

(1)基于运动分析的方法，其中典型的有差分法、光流法等，此类算法在背景变化小、图像畸变极小和噪声干扰极小等情况下适用；

(2)基于图像匹配识别的方法，其中典型的有区域匹配、特征匹配等，此类方法的前提是图像中跟踪的目标单一；

(3)基于状态滤波的方法，其中典型的有Kalman滤波，粒子滤波等，此类方法需要在获取目标动态信息的基础上实施,且目标运动模型简单，易于估计。

在多目标跟踪系统中，其不仅需要处理航迹起始、滤波算法、航迹终结的问题，同时由于跟踪系统与跟踪环境越来越复杂，还要解决航迹与量测的数据关联问题。其中数据关联问题是跟踪系统实现的关键，建立航迹与量测的一一对应关系的过程就是数据关联。对于密集多回波环境，特别是当目标相距较近或者轨迹交叉，使得多个回波可能位于同一个跟踪门内，或者单个回波位于多个跟踪门的交集内，导致目标关联困难。目前，数据关联典型方法有：最近邻法，概率数据关联，联合概率数据关联等。

在进行关联跟踪之前，方法必须得到目标的量测数据。公开号为CN101887587的中国专利公开了“视频监控中基于运动目标检测的多目标跟踪方法”，第一，该专利在数据关联部分是建立前一帧已检测目标与当前帧前景目标团块的关联矩阵，通过判断两者之间的位置重合度来判断目标关联性、新目标产生和目标消失，选择和目标预测距离最近的量测数据作为正确量测更新目标状态，即最近邻数据关联算法。但是对于高目标密度或杂波密度环境，使用最近邻算法进行数据关联容易导致误关联，引起跟踪丢失或航迹合并现象；第二，该专利通过背景差分得到前景图，会很高效地提取目标量测数据，但在后面关联跟 踪中没有考虑到当目标由运动变静止后，目标融入背景中，背景差分法无法得到目标的量测数据，从而无法跟踪该目标。

发明内容

针对上述技术问题，本发明所要解决的技术问题是提供一种针对现有视频监控目标跟踪方法进行改进，引入特征匹配和数据关联，能够有效实现并提高多目标跟踪精度的融合特征匹配和数据关联的视频监控多目标跟踪方法。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种融合特征匹配和数据关联的视频监控多目标跟踪方法，针对固定角度方向监控摄像头所拍摄的视频监控，实现多目标跟踪，依时序针对接收到的每一帧视频监控画面按如下步骤进行操作：

步骤A.采用背景建模法针对当前视频监控画面帧进行背景建模，通过背景差分法检测获得当前视频监控画面帧中的目标，并检测得到各个目标的量测数据；

步骤B.针对当前视频监控画面帧中的各个目标建立卡尔曼滤波器，预测获得当前视频监控画面帧中各个目标的预测量测数据，判断当前视频监控画面帧是否是第一视频监控画面帧，是则针对当前视频监控画面帧中各个目标进行初始化，依时序接收下一视频监控画面帧返回步骤A；否则进入下一步骤；

步骤C.针对上一视频监控画面帧中各个目标的预测量测数据与当前视频监控画面帧中各个目标的量测数据进行联合概率数据关联；

步骤D.针对上一视频监控画面帧中各个目标的预测量测数据与当前视频监控画面帧中各个目标的量测数据进行联合概率数据关联的结果，进行RGB颜色直方图特征和Surf特征的匹配检验，实现多目标跟踪，依时序接收下一视频监控画面帧返回步骤A。

作为本发明的一种优选技术方案：所述步骤A具体包括如下步骤：

步骤A01.采用背景建模法针对当前视频监控画面帧进行背景建模；

步骤A02.根据当前视频监控画面帧中的背景建模，通过背景差分法针对当前视频监控画面帧进行背景差分，获得当前视频监控画面帧中的前景图，针对该前景图，判断去除其中的阴影，并进行灰度处理和二值化处理；

步骤A03.针对经上一步骤处理后的前景图进行区域生长操作，即分别针对该前景图中的各个像素点，将与之相邻具有相同像素值的像素点与该像素点划分为同一区域，即获得该前景图中的初级目标；