[發明專利]基于視頻圖像的目標跟蹤方法及系統

有效

• 申請號: 201010268506.2
• 申請日: 2010-09-01
• 公開（公告）號: CN102385690A
• 公開（公告）日: 2012-03-21
• 發明（設計）人: 麻文華;黃磊;劉昌平
• 申請（專利權）人: 漢王科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于模式識別技術領域，涉及一種可在人群密度較高、背景較復雜的情況下對視頻圖像中的目標進行穩定跟蹤的方法及系統，

背景技術

基于視頻圖像同時對多個目標進行跟蹤具有廣闊的應用前景。比如，在公共場合和商業區，通過對視頻圖像中的多個行人進行跟蹤，可以獲取某一時刻或時間段在監控區域內的行人數目以及行人的分布情況，同時對行人的跟蹤，不但可以得到行人的運動軌跡，而且還可以實現人群流量的階段性統計數據。

但是，對于剛性運動目標比如行人的跟蹤來說，由于剛性運動目標在運動中形態多變、個體之間位移速度差異大、運動方向無規則，以及由于個體密度太大容易導致堵塞等原因，基于視頻圖像同時對多個目標進行跟蹤技術側重于實時性和魯棒性的研究。

基于視頻圖像同時對多個目標進行跟蹤技術主要基于目標的顯著外觀特征，比如利用行人的人臉、身體輪廓等。

例如，為了統計公交車乘客流量，在車廂頂部架設有攝像頭，通過該攝像頭采集車門區域的視頻圖像。根據建立的皮膚顏色模型來跟蹤視頻圖像中的多張人臉，從而同時對多個目標進行跟蹤。

除了人臉之外，人的身體輪廓也是多目標跟蹤中常用的外觀特征。例如，通過建立的觀測模型跟蹤視頻圖像中的多個側影輪廓，在行人或者背景發生變化的時候仍然可以穩定的跟蹤。再例如，通過將人體看作若干部分的集合，并提取輪廓方向特征，再使用boosting訓練得到部分模型，結合貝葉斯推理將各個部分的檢測結果融合成一個或幾個行人的模型，以提高行人在被遮擋時算法的魯棒性。除此之外，可以借助于安裝在建筑物頂部的攝像頭來進行視頻圖像抓拍，在一定程度上提高了行人在被遮擋時算法的魯棒性，但是，這種方法的應用場合有限。再者，還有借助于多攝像頭立體視覺方法來獲得深度信息，從而區分二維視場中的被遮擋行人，但是，控制多個攝像頭協同拍攝的難度較大。

再例如，結合人體形狀、攝像機模型、圖像曲線等先驗知識構建行人模型，再利用貝葉斯框架和馬爾可夫鏈蒙特卡羅(Markov?ChainMonte?Carlo)方法從人群中分割出個體的人頭輪廓，從而實現對中等密度流動人群的計數。

目前，利用特征點聚類進行基于視頻圖像同時對多個目標進行跟蹤技術較顯著外觀特征具有較高的實時性和魯棒性。基于特征點進行多目標跟蹤技術中，屬于同一目標的特征點在空間上比較接近，而且，這些特征點在運動模式上具有同步性，因此，通過特征點的跟蹤和軌跡聚類，可以對目標的個數進行統計，對目標的軌跡進行跟蹤。在此基礎上，結合人體本身的一些特征如外觀、步態等，進一步提高了實時性和魯棒性。這種跟蹤技術比較適合于目標被頻繁遮擋的情況，只要目標有未被遮擋的特征點，就可以實現對目標的穩定跟蹤。但是，一旦目標內部存在不同的運動模式時，采用這種特征點跟蹤技術容易導致目標斷裂。再者，一些表面紋理簡單、特征點較少的目標無法形成特征點聚類，從而也被漏跟蹤。

發明內容

本發明所要解決的技術問題是提供一種基于視頻圖像的目標跟蹤方法及系統，以實現對目標的有效跟蹤，提高跟蹤的實時性和魯棒性。

為解決上述技術問題，本發明提供了一種基于視頻圖像的目標跟蹤方法，該方法包括：生成視頻圖像的灰度圖像、基于第一特征點鄰域從灰度圖像中檢測待跟蹤特征點、根據待跟蹤特征點以及存儲的目標模板檢測目標，以及根據對待跟蹤特征點的統計分析跟蹤目標。

為解決上述技術問題，本發明提供了一種基于視頻圖像的目標跟蹤系統，該系統包括：

灰度圖像生成單元，用于生成視頻圖像的灰度圖像；

特征點跟蹤單元，用于基于第一特征點鄰域從灰度圖像中檢測待跟蹤特征點；

目標檢測單元，用于根據待跟蹤特征點以及目標模板檢測目標；

目標跟蹤單元，用于根據對待跟蹤特征點的統計分析跟蹤目標。

本發明中，對行人目標的待跟蹤特征點進行檢測和跟蹤，并利用行人目標與其對應的待跟蹤特征點在運動上的同步性，從而實現了對行人目標的有效跟蹤，提高了跟蹤的實時性和魯棒性，同時，利用對待跟蹤特征點進行投票，避免了特征點被誤跟蹤、行人目標被漏跟蹤。

附圖說明

圖1為本發明基于視頻圖像的目標跟蹤方法實施例一的流程圖；

圖2為應用本發明方法檢測出的待跟蹤特征點；

圖3為應用本發明方法得到的運動前景示意圖；

圖4為應用本發明方法得到滑窗檢索結果；

圖5為應用本發明方法得到的滑窗合并結果；

圖6為應用本發明方法統計行人目標的效果示意圖；