[發明專利]一種基于復雜環境的目標智能跟蹤方法

在審

• 申請號: 201510805380.0
• 申請日: 2015-11-20
• 公開（公告）號: CN105469394A
• 公開（公告）日: 2016-04-06
• 發明（設計）人: 李正
• 申請（專利權）人: 成都因納偉盛科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00
• 代理公司: 成都金英專利代理事務所(普通合伙) 51218
• 代理人: 袁英

技術領域

本發明涉及視頻監控領域，特別是涉及一種基于復雜環境的目標智能跟蹤方法。

背景技術

隨著計算機、網絡、通信、流媒體等技術的日趨成熟與完善，視頻在社會生產生活中的應用日益廣泛。在智能視頻監控、導航、遙感、車牌識別等計算機視覺系統中，視頻是最主要的信息來源。然而這些系統功能一般都是基于正常的天氣條件考慮設計的，盡管戶外視頻監控系統的應用領域非常廣泛，但是在雨、雪等惡劣天氣中不能很好地發揮其應有的作用。為了保證戶外監控系統能夠適應各種天氣情況，在雨雪等惡劣條件下也能正常地工作，所以非常有必要對大氣中的雨雪進行去除研究，對獲取的圖像進行修復，消除天氣因素的干擾，提高系統的穩定性。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于復雜環境的目標智能跟蹤方法，基于通過混合高斯模型自適應分析算法，有效過濾復雜環境中畫面的各種運動干擾，如刮風造成的樹葉搖動等，結合小波變換和傅里葉變換可有效濾除畫面中的雨雪噪聲。

本發明的目的是通過以下技術方案來實現的：一種基于復雜環境的目標智能跟蹤方法，包括以下步驟：

S1、采集當前時刻的視頻流數據，依次對視頻流數據中的每一幀視頻圖像進行分析，判斷是否有異常幀圖像，若存在則進行異常類型檢測；

S2、啟動混合高斯模型，對視頻流數據中的每幀視頻圖像的每個像素點建立X個高斯模型；

S3、根據高斯模型的權重對該X個高斯模型進行排序，并對權重進行累計求和，若前N個高斯模型的權重和大于預設閾值，則將該前N個高斯模型設為背景像素點，建立背景高斯模型，將后X-N個高斯模型設為前景像素點，建立前景高斯模型；

S4、根據當前時刻像素點以及該像素點的歷史像素點的均值和方差為每個像素點匹配相應的高斯模型，計算當前時刻像素點與其歷史像素點的均值之差的絕對值，若該絕對值與該像素點的歷史像素點的方差的比值小于預設匹配閾值，則將該當前時刻像素點與背景像素點的高斯模型進行匹配，若該比值不小于預設匹配閾值，則將當前時刻像素點與前景像素點的高斯模型進行匹配；

S5、根據視頻流數據中的背景變化和S4中的比較結果，混合高斯模型自適應更新模型參數，更新X個高斯模型的權值，得出匹配度最高的背景高斯模型參數，完成復雜背景建模；

S6、將前景高斯模型的所匹配的前景圖像進行小波正變換處理，若前景圖像為彩色圖像，則通過R、G、B三通道分別對其進行小波分析處理，得到前景圖像的近似圖LL、水平方向細節圖HL、垂直方向細節圖LH和對角線方向細節圖HH，提取垂直方向細節圖，對垂直方向細節圖進行傅里葉正變換，并刪除其預設頻段的高頻部分完成高頻過濾；

S7、高頻過濾處理后通過傅里葉反變換還原得到新的垂直方向細節圖，再通過小波反變換重構前景圖像，若原前景圖像為彩色圖像，則再通過R、G、B三通道合并得到過濾后的前景圖像。

S8、通過形態學處理，提取出獨立的運動目標區域，鎖定目標，開始執行跟蹤操作，在目標跟蹤的過程中，重復執行步驟S1-S7。

進一步的，所述的小波正變換為提升小波變換。

進一步的，所述的預設頻段根據雨雪大小自適應調整。

本發明的有益效果是：本發明基于通過混合高斯模型自適應分析算法，有效過濾復雜環境中畫面的各種運動干擾，如刮風造成的樹葉搖動等，結合小波變換和傅里葉變換可有效濾除畫面中的雨雪噪聲及其他噪聲，并通過形態學處理，提取出獨立的運動目標區域，鎖定目標，開始執行跟蹤操作。

附圖說明

圖1為本發明流程示意圖。

具體實施方式

下面結合附圖進一步詳細描述本發明的技術方案，但本發明的保護范圍不局限于以下所述。

如圖1所示，該實施例描述了一種基于復雜環境的目標智能跟蹤方法，它包括以下多個步驟。

S1、采集當前時刻的視頻流數據，依次對視頻流數據中的每一幀視頻圖像進行分析，判斷是否有異常幀圖像，若存在則進行異常類型檢測。

S2、啟動混合高斯模型，對視頻流數據中的每幀視頻圖像的每個像素點建立X個高斯模型。

S3、根據高斯模型的權重對該X個高斯模型進行排序，并對權重進行累計求和，若前N個高斯模型的權重和大于預設閾值，則將該前N個高斯模型設為背景像素點，建立背景高斯模型，將后X-N個高斯模型設為前景像素點，建立前景高斯模型。