[发明专利]一种视频对象检测跟踪方法、装置及计算设备

说明书

本申请公开了一种视频对象检测跟踪方法、装置及计算设备。所述方法包括从原始视频中提取符合指定运动对象类别的运动对象，具体为：利用GMM算法构建背景模型，并使用所述背景模型从原始视频中提取运动对象区域，利用HOG运算符从所述运动对象区域中提取特征，利用SVM分类器对所述特征进行分类，并提取出符合指定运动对象类别的运动对象；利用KCF跟踪器跟踪所述运动对象；计算运动对象提取的置信度和运动对象跟踪的置信度，并以最高置信度输出跟踪结果。所述装置包括检测模块、跟踪模块和决策模块。所述计算设备包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。

技术领域

本申请涉及计算机视觉领域，特别是涉及视频对象的检测及跟踪。

背景技术

对象跟踪技术是计算机视觉中的热点问题，近年来，提取运动物体的主要算法有以下几种：包括光流法、帧差法、背景建模方法等，这几种方法在对象跟踪方面比较成熟，但是应用领域各有自己的限制。还有一种是基于单个高斯背景模型的混合高斯背景模型。该模型可以随着背景不断变化，从而提高了算法的鲁棒性。另外最近的研究表明，KCF跟踪器是一种基于相关性的跟踪器，它可以获得更好的性能，它可以分析傅立叶域中的帧以加快处理速度，从而更好的实时跟踪对象，并且在复杂场景中具有一定的鲁棒性。

上述各方法中，光流法容易受到光照的影响，计算量大，实时性差。帧差法通过直接比较两个相邻帧之间相应像素值的变化，可以快速提取运动物体，该方法对噪声敏感，而且很容易错误或丢失运动物体的提取。背景建模方法，在复杂场景中，背景像素值是多峰分布，该方法无法获得相应的背景模型。对于最后一种方法虽然在复杂场景中具有一定的鲁棒性，但是KCF无法自动初始化对象在第一帧中的位置。

发明内容

本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。

根据本申请的一个方面，提供了一种视频对象检测跟踪方法，包括：

从原始视频中提取符合指定运动对象类别的运动对象，具体包括：利用GMM算法构建背景模型，并使用所述背景模型从原始视频中提取运动对象区域，利用HOG运算符从所述运动对象区域中提取特征，利用SVM分类器对所述特征进行分类，并提取出符合指定运动对象类别的运动对象；

利用KCF跟踪器跟踪所述运动对象；

计算运动对象提取的置信度和运动对象跟踪的置信度，并以最高置信度输出跟踪结果。

可选地，所述的使用所述背景模型从原始视频中提取运动对象区域包括：

利用所述背景模型从原始视频中提取前景；

对所述前景进行处理；

根据处理后的前景从原始视频中提取运动对象区域。

可选地，所述的对所述前景进行处理包括：在所述前景上依次执行中值滤波、关闭和填充处理。

可选地，所述计算运动对象提取的置信度和运动对象跟踪的置信度，并以最高置信度输出跟踪结果包括：

计算运动对象提取的巴比特系数作为运动对象提取的置信度，计算运动对象跟踪的巴比特系数作为运动对象跟踪的置信度，计算当前帧与上一帧同一对象之间的重叠值；

当所述重叠值达到预设的阈值时，将两个巴比特系数进行比较，并取二者中的最高值所对应的动对象作为输出。

根据本申请的另一个方面，提供了一种视频对象检测跟踪方装置，包括：

检测模块，其配置成从原始视频中提取符合指定运动对象类别的运动对象，具体包括：利用GMM算法构建背景模型，并使用所述背景模型从原始视频中提取运动对象区域，利用HOG运算符从所述运动对象区域中提取特征，利用SVM分类器对所述特征进行分类，并提取出符合指定运动对象类别的运动对象；