[發(fā)明專利]一種基于二部圖匹配的智能多目標跟蹤算法

無效

• 申請?zhí)枺?/td>: 201110282452.X
• 申請日: 2011-09-20
• 公開（公告）號: CN103020578A
• 公開（公告）日: 2013-04-03
• 發(fā)明（設計）人: 張少文;馮琰一;汪剛
• 申請（專利權）人: 佳都新太科技股份有限公司
• 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(fā)明屬于計算機視覺領域，特別涉及一種基于二部圖匹配的智能多目標跟蹤算法，及該方法在智能安防中的應用。

技術背景

智能視頻監(jiān)控以數字化、網絡化視頻監(jiān)控為基礎，但又有別于一般的網絡化視頻監(jiān)控，它是一種更高端的視頻監(jiān)控應用。智能視頻監(jiān)控系統(tǒng)能夠識別不同的物體。發(fā)現監(jiān)控畫面中的異常情況，并能以最快和最佳的方式發(fā)出警報和提供有用信息，從而能夠更加有效地協(xié)助安全人員處理危機，并最大限度地降低誤報和漏報現象。智能視頻監(jiān)控中的多目標跟蹤識別已經是智能視頻監(jiān)控關鍵環(huán)節(jié)，它的后繼處理包括關鍵幀提取、目標行為分析、目標分類都依賴多目標識別的結果。目前比較常用的多目標跟蹤識別方法是最短距離法、meanshift算法、camshift算法、粒子濾波、基于邊緣輪廓的跟蹤和基于模板的目標建模等方法。

由于常見的方法在對視頻圖像中目標尚不能完全有效地進行檢測與多目標跟蹤，業(yè)界亟待一種能夠實現智能視頻監(jiān)控中對運動目標進行跟蹤，并根據運動目標的質心位置作出相應智能判斷的具體方法。

發(fā)明內容

本發(fā)明的目的是針對現有視頻監(jiān)視系統(tǒng)，存在自動多目標跟蹤識別監(jiān)控目標行為，難以實時自動跟蹤和遮擋處理的問題，一種基于二部圖匹配的智能多目標跟蹤算法。

為了實現發(fā)明目的，采用的技術方案如下：

基于二部圖匹配的智能多目標跟蹤算法的流程圖如圖1所示。

該流程首先是通過codebook前景檢測獲得當前幀的掩碼圖，接著對當前幀的掩碼圖的運動目標和當前活躍運動目標集合進行二部圖權值計算得到權值矩陣，計算的準則是通過運動目標的大小、中心點距離和直方圖的Bhattacharyya距離(但由于時間復雜度很大，這個往往沒有用到)。然后對權值矩陣用匈牙利算法計算最小代價匹配，返回當前活躍運動目標集合每個目標在當前幀掩模圖的運動目標對應的情況，如果當前活躍運動目標集合中的A運動目標和當前幀掩模圖的運動目標B，他們的匹配代價小于一定閾值(一般不會很大)，用B更新A，否則將A視為沒有對應目標而加入非活躍運動目標集合中。如果當前活躍運動目標集合中的A運動目標和當前幀掩模圖的運動目標沒有對應的，也加入非活躍運動目標集合中。在每次將目標加入非活躍運動目標集合，都智能計算它的生命值，一般對運動目標速度V來對運動目標進行預測多久會離開場景的哪個時間作為生命值。

其次，再利用目標檢測方法對新目標進行檢測，如果目標離場景邊界大于一定閾值，并且連續(xù)出現5幀以上就把該目標定義為場景的目標A，該目標先和場景非活躍目標集合所有運動目標進行利用中心距離、大小和顏色直方圖匹配，如果符合在一定閾值內的最匹配的運動目標B，把B從非活躍運動目標集合移到活躍運動目標集合，并用A更新B。否則將B直接加入活躍運動目標集合中。

最后，就是檢測非活躍運動目標集合的運動目標是否超過它的生命值了，超過就從集合中刪除，否則生命值減一。

該算法沒有用到傳統(tǒng)跟蹤算法，避免了大量的運算，可在初始狀態(tài)下對于目標運動趨勢不了解的情況下實施對目標的穩(wěn)定跟蹤，并且跟蹤的效果非常好，在遮擋的時候很少會跟蹤錯誤。

附圖說明

為了更清楚地說明本發(fā)明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖為本發(fā)明實施例一中系統(tǒng)結構示意圖；

具體實施方式

本發(fā)明函數基于最新的OpenCV庫。OpenCV是“Open?Source?Computer?Vision?Library”的簡寫，是Intel開源計算機視覺庫。它由一系列C函數和少量的C++類構成，是可實現圖像處理和計算機視覺方面的很多通用算法，可用來處理計算機視覺領域中常見的問題。

首先，利用codebook得到掩碼圖，算法函數為Codebook.getMask(IplImage?*yuvImg，IplImage*fg，int?nfrms)，其中yuvImg是一個YUV色彩空間模型(“Y”表示明亮度(Luminance或Luma)，也就是灰階值；而“U”和“V”表示的則是色度(Chrominance或Chroma))的顏色圖像，codebook算法返回的fg是二值掩模圖，nfrms是視頻幀號。