[发明专利]复杂环境下的多摄像机视频目标追踪方法

说明书

本发明提供的复杂环境下的多摄像机视频目标追踪方法，相比现有技术其追踪的智能调整处理程度得到显著提升，对于目标追踪中出现的疑难问题，例如光照变化、目标遮挡以及噪声都有良好的抵抗能力，大幅提高了该算法在实际项目中的应用价值，提高了目标追踪方法应对复杂环境的能力，提高了方法本身的鲁棒性，本发明在此基础上提出多摄像机下的视频压缩感知实时追踪系统，在单摄像机追踪系统的基础上通过引入网络通信、运动目标检测和匹配模块完成多摄像机的目标追踪系统，当追踪目标从一个摄像机移动到另一个或者多个摄像机时，该系统能够准确检测出追踪目标并持续对目标进行追踪，多摄像机追踪可行性好，精确度和效率高。

技术领域

本发明涉及一种视频目标追踪方法，特别涉及一种复杂环境下的多摄像机视频目标追踪方法，属于视频目标追踪技术领域。

背景技术

随着电子元器件、通信技术和多媒体技术的迅猛发展，视频图像获取设备被大量运用到我们的日常生活当中，人们对机器智能分析视频图像的需求越来越强烈，计算机视觉这门学科应运而生。计算机视觉是在图像处理基础上发展起来的新兴学科，目前其相关技术，已成功应用在工业智能化、智能机器人、医学图像处理、视频监控、人机交互等领域中。智能视频监控是计算机视觉主要应用之一，主要是指采用计算机从视频图像中获取相关信息，智能分析并作出相应决策的监控方式。由于其决策过程取决于视频图像源的信息提取，因此如何分析图像成为了该技术应用的关键问题。在传统的视频监控模式下，安保人员需要长时间的监视视频画面，远远超出人的接受能力，导致实际的视频监控效果低下。因此利用机器自主识别来改善监控效果，同时减轻安保人员的负担，是非常有必要的，拥有巨大的价值。

运动目标追踪是视频监控技术重要技术之一，近年来，尽管有一些目标追踪方法被提出，但是视频目标追踪方法仍然是非常具有挑战性，它仍然面临很多问题：一是长期追踪问题，现有技术的视频目标追踪方法都只能在短期内保证其准确性，随着追踪时间的推移，追踪将变得越来越不准确；二是鲁棒性问题，由于目标的姿态、光照变化以及遮挡等因素的影响，经常会造成目标追踪中出现追踪漂移甚至丢失追踪目标的情况。在当前实际的视频监控应用中，摄像机的布置一般都不止一个，而现有技术的视频目标追踪方法主要停留在单摄像机下的目标追踪，多摄像机下的追踪涉及较少。因此研发设计一种多摄像机下的长期目标追踪方法既具有研究意义又具有巨大的市场应用价值。

现有技术的视频压缩感知追踪方法的现状和不足，以及本发明拟解决的问题表现在：

随着视频目标追踪技术需求的逐渐增多以及越来越复杂多变的应用环境，对追踪方法的要求也越来越高，不仅要求追踪方法运行效率高效、追踪结果准确，还要求它们对于复杂多变的追踪环境具有很强的抗干扰能力，视频压缩感知追踪方法作为一个鲁棒性较高的算法，在这个方面仍有改进空间。

视频压缩感知追踪方法的追踪目标是由用户指定的，而选择目标时指定的追踪框的尺寸对于该算法来说非常重要，因为追踪框的尺寸自始至终都对视频压缩感知追踪方法产生着影响：一是它决定了目标取样框尺寸，追踪方法中追踪框内的目标就被视为追踪目标，视频压缩感知追踪方法在对目标进行压缩取样时其特征就是在追踪框内部获取，然后根据这些特征计算出目标的特征矩阵，因此追踪框的大小是影响目标取样的重要因素；二是它决定了正负样本的生成，追踪目标的正负样本都是在追踪框的周围进行取样产生，追踪框的尺寸影响着正负样本取样的范围和精确度；三是它决定了目标搜索的范围，检测器在检测目标时并不是在整个图像范围内获取候选检测目标，这样计算量太大且缺少目的性，时间上和空间上都不允许，因此视频压缩感知实时追踪方法是在上一帧目标位置周围进行目标搜索，因此追踪框的大小决定了目标搜索覆盖的范围。

然而现有技术的视频压缩感知追踪方法并没有智能调节目标追踪框尺寸的机制，目标追踪框不会随着目标尺寸的改变而改变，当目标尺寸发生显著变化时，追踪过程会出现一些问题：

第一，不能反映出目标的变化情况，物体的运动情况通常是无法预测的，好的追踪器除了能正确反映出目标的运动轨迹外，也应该能正确的反映出目标尺寸的变化情况，而视频压缩感知追踪方法的追踪框是固定的，不能及时准确的反映出目标尺寸的变化情况；