[发明专利]动态环境下基于多特征聚类匹配的目标跟踪方法

权利要求书

1.一种动态环境下基于多特征聚类匹配的目标跟踪方法，包括以下步骤：

步骤一：采集初始视频帧信息；

步骤二：高斯低通滤波处理视频序列图像；

步骤三：三帧/背景差分法检测模块检测前景和背景特征；

步骤四：用迭代法求出中心点偏移量及上下限；

步骤五：确定下一帧图像的识别上下界；

步骤六：聚类目标中心点距离近的特征点，选取最大的类；

步骤七：更新中心点与上下界；

步骤八：判定离群点，删除错误匹配点；

步骤九：筛选匹配特征关键点，精确更新匹配库；

步骤十：提取下一帧目标特征，匹配特征点得出目标位置。

2.根据权利要求1所述的动态环境下基于多特征聚类匹配的目标跟踪方法，其特征在于：步骤三中“三帧/背景差分法检测模块检测前景和背景特征”的具体方法如下，首先对输入的视频帧图像中连续三帧中其中的相邻两帧相减得出两幅差分图像；然后再选取一个阈值二值化得出的差分图像，两幅二值化的差分图像进行逻辑“乘法”操作以获得前景轮廓；前景检测公式为：

|f(m，n，p)-f(m，n，p-1)|＞T

且|f(m，n，p+1)-f(m，n，p)|＞T

采用背景差分法，背景模型的建立与更新，背景图像更新公式为：

B(m，n，p)＝(1-α)B(m，n，p-1)+αf(m，n，p)

再利用背景减法检测目标像素信息填充轮廓内区域，得到准确的检测结果Z；

Z＝{(m，n)：|f(m，n，p)-B(m，n，p)|＞T，(m，n)∈R}

由得到的方差和均值，可以将差分图像分割出动态前景和静态背景，物体动态前景见公式

3.根据权利要求1所述的动态环境下基于多特征聚类匹配的目标跟踪方法，其特征在于：步骤四中“用迭代法求出中心点偏移量及上下限”的具体方法如下，在第一帧图像以聚类的方式将初始障碍物范围聚出来或者手动选取目标物体，若选择矩形的宽为w，高为h，中心点为p(y,u,v)，则初始中心点p(y,u,v)为：

p(y,u,v)=1h*wΣi=0h-1Σj=0w-1srci,j(y,u,v)]]>

更新中心点:

p′(y,u,v)=p1(y,u,v)+p2(y,u,v)2]]>

以直方图下界为下界，中心点为上界，利用迭代的方法求出中心点下限pdown(y,u,v)，以中心点作为下界，直方图上界作为上界同样利用迭代的方法来求出中心点上限pup(y,u,v)。