[发明专利]基于多特征联合和Camshift算法结合的多目标跟踪方法

权利要求书

1.一种基于多特征联合和Camshift算法相结合的多目标跟踪方法，其特征在于，包括以下步骤：

S1采集视频图像，基于背景差法和帧差法融合检测出该视频图像的多运动目标；

S1.1初始化背景模型；

S1.2利用帧差法背景更新，然后将图像进行二值化；

S1.3利用背景差法背景差分，然后将图像进行二值化；

S2将二值化的图像进行进一步的去噪；

S3基于Kalman滤波器和Camshift算法进行多运动目标跟踪。

2.如权利要求1所述的一种基于多特征联合和Camshift算法相结合的多目标跟踪方法，其特征在于，

进一步地，所述步骤S1.1中，使用多帧图像平均法计算出初始背景图像B_k(x，y，t)：

上式中，I_k(x，y，k)表示第k帧图像在点(x，y)处的像素值，N为统计的帧数；

进一步地，在步骤S1.2中，首先使用当前帧与前一帧进行差分，得到帧差结果，即前景目标，并对其进行二值化，如下式：

其中，I(x，y，t+1)、I(x，y，t)分别为当前帧和前一帧图像，|I(x，y，t+1)-I(x，y，t)|为差分图像，T′为阈值；

然后利用B′(x，y，t+1)来进行背景更新，如下式进行：

上式中，α为更新因子，表示背景更新的快慢；

进一步地，在步骤S1.3中，将当前帧I(x，y，t+1)与提取出的背景图像B(x，y，t)进行差分，得到前景运动区域。

3.如权利要求1所述的一种基于多特征联合和Camshift算法相结合的多目标跟踪方法，其特征在于，所述步骤S2包括对步骤S1获得的二值图像重复进行形态学中的开操作和闭操作，使二值图像噪声去除。

4.如权利要求1所述的一种基于多特征联合和Camshift算法相结合的多目标跟踪方法，其特征在于，

所述步骤S3还包括以下内容：

S3.1利用Kalman滤波预测由步骤S2获得的运动前景目标在下一帧中的位置和大小；

S3.2采用基于Camshift算法进行目标跟踪；

S3.3根据步骤S3.2的跟踪算法计算得到的目标面积和巴氏系数(Bhattacharyya系数)判断目标是否存在遮挡以及遮挡的程度，再根据目标是否存在遮挡以及遮挡的程度进行相应的目标跟踪。

5.如权利要求4所述的一种基于多特征联合和Camshift算法相结合的多目标跟踪方法，其特征在于，所述步骤S3.1具体包括：

S3.1.1利用基于积木的特征提取方法提取步骤S2获得的精确的二值图像中目标的外接矩形、重心坐标、周长的特征信息；

S3.1.2根据所述外接矩形、重心坐标、周长的特征信息，使用卡尔曼滤波跟踪预测由步骤S2获得的运动前景目标在下一帧中的位置和大小，根据该位置和大小获得目标的外接矩形。