[发明专利]一种基于图像处理的移动目标检测与轨迹预测方法

摘要

本发明公开了一种基于图像处理的移动目标检测与轨迹预测方法，在对视频图像中的移动目标进行下一时刻的位置预测时，首先需要对目标进行图像处理、目标检测定位、目标特征提取；该部分由主体检测和细节检测两部分组成，进行目标检测后需对最终前景图像进行目标区域标记，然后提取、量化特征信息；利用粒子群优化算法对Kalman滤波算法的噪声进行改进，将Kalman预测位置坐标和目标特征提取的量化值作为Elman神经网络的输入参数，对应的真实位置坐标作为输出值，利用粒子群优化算法对Elman神经网络的参数进行改进，最后通过网络训练获得移动目标的预测位置。本发明方法的检测、预测误差较小，方法精度较其他方法有较大提升。

主权项

1.一种基于图像处理的移动目标检测与轨迹预测方法，其特征在于：该方法包括如下步骤：S1：获取由固定摄像机拍摄的包含移动目标的视频图像数据集，进行移动目标检测与轨迹预测；S2：在目标检测提取阶段，对输入的视频图像数据集进行预处理，利用目标检测方法获取图像目标特征及其量化值，以对移动目标进行准确检测和定位；S3：在Kalman优化阶段，利用粒子群优化算法对Kalman滤波算法中的噪声点进行改进，并将优化后的噪声点作为新的噪声点，将视频图像数据集中移动目标的位置数据作为Kalman滤波算法的输入参数，运行优化后的Kalman滤波算法，得到算法输出的预测位置坐标；S4：在Elman优化阶段，利用粒子群优化算法对Elman神经网络中的权值、阈值进行改进，并将优化后的权值、阈值作为网络新的权值、阈值，将步骤S2得到的量化值融合步骤S3得到的Kalman预测位置坐标作为Elman神经网络的输入参数，对应的真实位置坐标作为网络的输出值，训练神经网络，得到优化后的Elman神经网络；S5：将移动目标最新的图像数据经过步骤S2所述量化处理，得到目标特征及其量化值；将图像数据中移动目标的位置数据作为步骤S3所述优化后的Kalman滤波算法的输入参数，运行该算法，得到算法输出的预测位置坐标；将所述量化值融合Kalman预测位置坐标作为优化后的Elman神经网络输入参数，运行该神经网络，得到网络输出的预测位置坐标；S6：根据步骤S5预测的位置坐标在一段时间内的集合构成了预测的轨迹，即实现了移动目标的轨迹预测。