[发明专利]一种利用物体运动轨迹排除噪声干扰的方法

摘要

本发明公开了一种利用物体运动轨迹排除噪声干扰的方法，采用获取视频图像序列并进行图像序列分割；对目标区域进行色彩评价和目标轮廓评价并对检出目标进行分部建立目标链；采用卡尔曼滤波器预测目标在下一帧中的位置，并进行目标匹配后更新目标链；进行目标轨迹分析，消除场景噪声或抖动的干扰影响；进行运动目标统计方法的实现，与现有技术相比，本发明在经济社会，对商场、展厅、交易场所进行运动物体的识别与统计，能够帮助商家分析市场和制定营销策略；在社会安保方面，可以辅助检测可疑人物的出入，这对于重要公共场所的安全防范有着重要意义；本发明具有获取场景直接、检测范围大、易于挺监控系统融合等优点，具有推广使用的价值。

主权项

1.一种利用物体运动轨迹排除噪声干扰的方法，其特征在于，包括以下步骤：(1)获取视屏图像序列并进行图像序列分割，具体为：将图像从RGB颜色空间转化到Lab彩色空间，采用mean-shift分割算法对Lab彩色空间的图像序列进行分割，将分割后图像转化回RGB空间显示；(2)对目标区域进行色彩评价和目标轮廓评价并对检出目标进行分部建立目标链；所述色彩评价具体为：将分割后的图像由RGB转化到YCbCr彩色空间，根据发色在YCbCr彩色空间的聚类性，建立基于色彩信息的评价模型，采用基于色彩信息的评价模型对候选区域进行评价，利用canny算子检测目标区域的边缘，提取各连通区域的边界，根据目标轮廓的圆形度信息建立轮廓评价模型，将提取的连通区域边缘轮廓通过轮廓评价模型，去除色彩相似的伪目标，找出各目标区域的中心坐标，并根据目标位置等特征值信息分别为各目标建立目标链；(3)采用卡尔曼滤波法预测下一帧坐标与下一帧位置，并进行目标匹配后更新目标链，其具体为：首先利用卡尔曼来缩小搜索范围，然后用代价函数计算某目标链对应目标与此帧所有目标的代价函数值，求出代价函数最小目标，根据欧氏距离来判断是否为目标链的后续；所述目标匹配的具体步骤包括：(3.1)将当前帧的目标i的特征值作为卡尔曼滤波的输入参数，得到预测值，算出查找区域；其预测过程为：用第t帧第i个目标的特征值作为卡尔曼滤波器的输入参数，得到预测值并计算出查找区域，然后在第t+1帧在指定的区域对目标进行搜索，卡尔曼滤波器依靠自身系统模型，根据输入参数和测量参数获取模型中参数的估计，从而实现对观测参数状态的估计，其公式为：系统状态方程系统观测方程M_t=HA_t+V_t其中：A_t表示在第t帧图像的系统状态，M_t为在第t帧图像的测量值，是状态转移矩阵，H是观测矩阵，W_t-1和V_t分别为估计误差和观测误差，A_t是一个包含运动目标位置和大小的八维向量，则At=ΔxtΔytztctΔxt′Δyt′zt′ct′]]>H=10000100001000010000000000000000T]]>Mt=ΔxtΔytztct]]>其中：Δx，Δy是目标质心在单位时间间隔Δt内的位移量，Δx′，Δy′是单位时间间隔Δt内的位移量变化率，z_t，c_t是目标包围窗口的长度和宽度，z_t和c_t是目标包围窗口的长度和宽度的变化率；更新目标链为：经过卡尔曼滤波后，目标在下一帧的指定范围内进行搜索，当搜索到不止一个目标时，利用代价函数来计算目标i与搜索窗口内的所有目标的代价函数值，找出最小值所对应的目标j，利用目标质心间距离来判断目标j是否是目标i在下一帧的后续目标，选用目标的面积、色度分量值、帧间运动距离三个特征参数来构建代价函数来用于目标在帧间的相似性度量，从而实现目标的匹配，并更新目标链，具体代价函数描述如下：V(i，j)=αD(i，j)+βK(i，j)+δA(i，j)D(i,j)=|CtiCi+1j|Maxn|CtiCt+1n|=|(xti-xt+1j)2+(yti-yt+1j)2|Maxn|(xti-xt+1n)2+(yti-yt+1n)2|]]>K(i,j)=|RtiRt+1j|Maxn|RtiRt+1n|=|Gti-Gt+1j|Maxn|Gti-Gt+1n|]]>A(i,j)=|StiSt+1j|Maxn|StiSt+1n|=|Sti-St+1j|Maxn|Sti-St+1n|]]>Gti=Σj=1MΣk=1Ng(ij,k)]]>α+β+δ=1其中：分别是图像序列第t帧第i个运动目标的包围窗口的质心横坐标、纵坐标、包围目标的长度、宽度和相对YCbCr空间中的色度分量值，G_tⁱ可通过人头识别模块的发色评价模型求得，1≤n≤num(t+1)，num(t+1)为第t+1帧上的目标数目；其中D(i，j)表示第t帧上的目标i与第t+1帧上的目标j的质心间的距离大小，其值越小说明两个质心越靠近；A(i，j)表示了第t帧目标i与第t+1帧目标j的面积形变程度，其值越小说明这两个目标形状越接近，j越可能是i在t+1中目标匹配；K(i,j)表示第t帧第i个目标区域与第t+1帧第j个目标区域在YCbCr空间色度分量值变化大小；代价函数越小，两个目标匹配的可能性越大，其中α，β，δ为三个影响因子；(3.2)在下一帧指定区域中进行搜索，比较目标i与下一帧指定区域中各目标的代价函数并找出最小代价函数对应的目标j；(3.3)计算目标i与目标j质心间的欧氏距离，根据距离阈值来判断目标j是否为目标i在下一帧中的后续；所述的卡尔曼滤波器的参数为：状态转移矩阵：观测矩阵：H=10000100001000010000000000000000T]]>所述的代价函数是指：利用目标的形状信息、颜色信息以及帧间运动距离组成的模型函数，其表达式为：V(i，j)=αD(i，j)+βK(i，j)+δA(i，j)；(4)进行目标轨迹分析，消除场景噪声或抖动的干扰影响；具体为：首先，根据目标链将目标在各帧中的中心位置坐标用线连接起来形成目标的运动轨迹；然后利用轨迹的长度来识别该条链是否是运动目标产生的轨迹，去除因场景噪声和相机抖动产生的伪目标的干扰；(5)进行运动物体统计。