[发明专利]一种动静态背景下的目标跟踪算法

说明书

本发明公开了一种动静态背景下的目标跟踪算法，首先将待检测的视频或是图片流数据导入，基于第一帧图像裁剪目标区域；然后进行第一步的目标物校正，通常第一张图像中是标准的信息，校正主要是对第二帧及其后的所有帧中的目标物进行，让目标物尽可能的位于框的中心；第二次校正主要是为了解决在第一次校正不准确的情况下目标物的偏差校正，两次校正保证了目标物不论怎么运动或是相机怎么运动都能实现精准的目标物动态跟踪；利用校正后的位置信息在本帧(即现在时刻分析的帧)裁剪出新的区域，作为下一帧跟踪的依据；读取下一帧，基于上一帧校正的区域去判断当前帧中目标物的位置，并在原图中框选出来；依次不断的校正直到检测完成。

技术领域

本发明涉及图像处理、分析、机器学习、动态目标跟踪领域，尤其涉及一种动静态背景下的目标跟踪算法。

背景技术

在智能化的今天，随着无人机技术大力的发展，用于安防及目标跟踪的技术日新月异。自动化的目标跟踪技术越来越受到重视和关注。目标跟踪在通常的情况下是基于静态背景下的目标跟踪，对视频中前后两幅图像做差即可求出变化的区域，根据区域的光流特性即可捕捉目标物。该方法的主要缺点是基于的静态背景，在动态背景中的效果往往较差。

现有的算法对于捕捉动态背景下的运动目标物，可用于摄像头抖动小、移动慢的场景，同时目标物所占的像素的数量要尽可能的多。但是在高空拍摄的时候，往往目标物所占的像素点数是较少的，若放大目标物则会出现失真的情况不利于跟踪和特征的提取。

在实际的场景中动态背景下的目标跟踪更为普遍且更有实际的应用价值，动态的场景中基于无人机拍摄实现持续的目标物跟踪在刑侦与案件侦破中的作用越发凸显。本发明以2019年ICCV无人机视频跟踪挑战赛为背景，设计的算法可以实现动态目标物持续、高准率的动态捕捉。

发明内容

本发明的目的在于提供一种动静态背景下的目标跟踪算法，以解决现有技术在动态背景下目标物跟踪准确率低、易丢失的问题，同时为任何在动静态背景下目标物的跟踪提供了一种指导性的检测、追踪方法。

本发明的目的是通过以下技术方案来实现的：一种动静态背景下的目标跟踪算法，该方法包括：

S1：读取视频流或是图片流数据，在第一帧图像中确定待跟踪目标物的初始位置，位置信息包含图像坐标系中左上角点的坐标(P(x,y))、长(L)、宽(W)，其中整个目标物位于矩形框内；

S2：根据待跟踪目标物的位置及长、宽在第一帧原图中裁剪出长为L、宽为W的矩形区域，对应的单位为像素点个数；第一帧裁剪的矩形区域为标准的检测区域，不需要校正，针对第二及其后的每一帧进行校正；

S3：第一次校正以目标物为前景对应的像素进行连通区域的扩充，扩充的种子点为矩形区域的中点，背景的像素的不扩充，采用的方法是聚类的思想找到扩充后连通区域的几何中心；

S4：目标物位置第二次校正即在第一次校正的情况下实现校正，采用的方法是直线关联结构物的中心定位方法确定新的矩形区域的中心，并求出器在全局图像中的坐标关系；

S5：基于新的矩形区域坐标的关系，在原图中裁剪出新的矩形框完成第二次校正；

S6：基于校正的图像在下一帧的图像中进行相似度的比较，即可找到下一帧的目标物，并进行框选，直到检测跟踪完毕。

进一步的，所述的标准的矩形区域即所需要捕获的目标物的几何中心位于裁剪后矩形框的中心即column/2和row/2处，其中column表示矩形区域的列数，row表示矩形区域的行数。

进一步的，所述S3中，选择矩形框的中心点为种子点，进行8邻域扩充或者4邻域扩充。

进一步的，所述的直线关联结构物即以连通区域内的像素组成为直线组成的元素，分别求取0度、45度、90度、135度四个方向寻找最长的直线。