[发明专利]运动目标识别跟踪方法和系统

权利要求书

1.一种运动目标识别跟踪方法，其特征在于，包括以下步骤：

S1、目标识别之前采集一帧图像作为背景图像进行存储；

S2、实时采集实时图像；

S3、对背景图像和实时图像分别进行灰度化、均衡化以及阈值化处理，得到处理后的背景阈值图像和实时阈值图像；

S4、将实时阈值图像与背景阈值图像进行差分运算，得到运动目标所在区域，并将差分运算结果再次进行均衡化、阈值化操作，然后对目标进行边缘检测和定位，得到运动目标的位置信息，并根据运动目标的位置信息在实时图像中截取出运动目标的彩色图像特征；

S5、根据MeanShift目标跟踪算法，计算得到目标模型的Mean shift向量，所述Mean shift向量为目标由初始位置向下一位置移动的向量；

S6、重复步骤S2~S5，不断迭代计算Mean Shift向量，最终得到运动目标的真实位置，以对运动目标进行连续的实时跟踪定位。

2.根据权利要求1所述的一种运动目标识别跟踪方法，其特征在于，所述步骤S4中，

所述灰度化的具体方法为：通过IMAQ Cast Image VI算法对图像进行灰度化处理得到灰度图像；

所述均衡化的具体方法为：首先统计出灰度图像中灰度值为f的像素点个数n_f，然后计算f出现的概率p(f)，再根据公式计算出累计直方图，并根据该累计直方图分布求出原灰度图像中点（x，y）的灰度值f(x, y)到均衡化处理后点（x，y）的灰度值f1(x, y)的灰度映射关系，最后按照公式对原图像各像素点的灰度值进行替换，完成灰度映射，即可对原图像均衡化；g表示灰度值小于等于f的概率；L-1代表灰度等级最大值：255；n代表一帧画面中的像素点个数；

所述阈值化的具体方法为：通过ostu算法完成阈值化操作，得到阈值图像。

3.根据权利要求1所述的一种运动目标识别跟踪方法，其特征在于，所述步骤S4中，所述对目标进行边缘检测和定位的具体方法为：对运动目标所在区域内每一像素点的灰度值进行模板卷积运算，得到其灰度值的梯度，并根据其灰度值梯度找到图像目标的边沿处，从而得到运动的上下左右四个边的线性方程，并以此计算出运动目标所在区域的四个顶点；最后，将运动目标所在区域的四个顶点转化成极大矩形的四个顶点，得到运动目标的坐标信息，然后将目标像素子集从图像像素集合中提取出来，获取运动目标像素集合。

4.根据权利要求1所述的一种运动目标识别跟踪方法，其特征在于，所述步骤S5中，所述根据MeanShift目标跟踪算法对运动目标进行实时跟踪定位的具体方法为：分别计算目标区域和候选区域内像素的特征值概率，得到关于目标模型和候选模型的描述，然后利用相似函数度量初始帧目标模型和当前帧的候选模型的相似性，选择使相似函数最大的候选模型并得到关于目标模型的Mean Shift向量，通过不断迭代计算Mean Shift向量，得到目标的真实位置，达到跟踪的目的。

5.一种运动目标识别跟踪系统，其特征在于，包括图像采集模块、数据存储模块、数据处理模块、数据传输模块和上位机；所述图像采集模块的输出端与所述数据存储模块连接，所述数据处理模块的输入端与所述数据存储模块连接，所述数据处理模块通过所述数据传输模块与所述上位机双向连接；所述图像采集模块用于采集图像并存储到数据存储模块，以及发送到数据处理模块进行处理；所述数据传输模块用于将数据处理模块的处理结果发送到上位机；所述上位机用于向所述数据处理模块发送操作命令，以及显示系统状态信息和图像处理结果；

所述数据处理模块为嵌入式芯片Xilinx Zynq-7010，所述数据处理模块用于执行以下程序：

从所述数据存储模块载入背景图像数据和实时图像数据；

对载入背景图像数据和实时图像数据分别进行灰度化、均衡化以及阈值化操作，分别得到处理后背景阈值图像和实时阈值图像；

将实时阈值图像与背景阈值图像进行差分运算，得到运动目标所在区域，并将运算结果再次进行均衡化、阈值化操作，然后对运动目标进行边缘检测和定位，得到运动目标的位置信息，并根据运动目标的位置信息在实时图像中截取出运动目标的彩色图像特征；

得到运动目标的位置信息以及在实时图像中截取到运动目标的彩色图像特征后，根据MeanShift目标跟踪算法对运动目标进行实时跟踪定位。