[發明專利]一種智能視覺中運動目標跟蹤算法

有效

• 申請號: 201710848710.3
• 申請日: 2017-09-20
• 公開（公告）號: CN107742306B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 姜代紅;戴磊;孫天凱;黨向盈
• 申請（專利權）人: 徐州工程學院
• 主分類號: G06T7/254
• 分類號: G06T7/254;G06T7/215;G06T7/246
• 代理公司: 淮安市科翔專利商標事務所 32110
• 代理人: 韓曉斌

本發明公開了一種基于智能視覺中運動目標跟蹤方法，其特征在于，包括以下步驟：S1、對于視頻中原圖像像素灰度為f(x,y)，對f(x,y)圖像分割，并計算出最佳閾值T_d；S2、設t時刻視頻中的第k幀圖像為f_k(x,y)，第k?1幀圖像為f_k?1(x,y)，兩幀圖像的幀差為：D_k(x,y)＝|f_k(x,y)?f_k?1(x,y)|，S3、對于視頻中的幀圖像進行閾值分割，從視頻幀間提取運動目標f_obj(x,y)為：S4、對于步驟S3中所提取的運動目標進行定位；S5、對于已經定位的目標在視頻中進行目標跟蹤。

技術領域

本發明涉及目標跟蹤技術領域，特別是涉及一種智能視覺中運動目標跟蹤算法。

背景技術

運動目標定位的研究和應用是智能視頻感知的重要組成部分，受到國內外越來越多專家學者的關注，也提出了眾多目標檢測與跟蹤的算法，目前，根據不同定位方法總體上可分類為如下幾類：基于特征的跟蹤、基于主動輪廓的跟蹤、基于3D的跟蹤。具有典型性的研究有：Daniel提出基于運動目標特征的定位跟蹤方法，利用了目標的顏色特征，對場景中的多個目標進行區分和跟蹤；紀筱鵬等基于輪廓特征拐點的運動目標分割方法實現重疊遮擋運動目標的準確完整分割,結合擴展Kalman濾波的跟蹤模型實現了運動目標的實時跟蹤。Williams提出利用運動輪廓Snake模型進行目標跟蹤，Snake模型是在圖像域內定義的可變形曲線，通過調整Snake的自然形狀與目標輪廓一致，借助于運動估計方法進行目標跟蹤；Wangle等利用改進的FAST角點特征匹配來估計目標輪廓在幀間的全局仿射變換，將投影輪廓點作為Snake模型的初始化輪廓，提出了一種新的FAST-Snake目標跟蹤方法。Azhn首先提出基于3D模型的跟蹤方法，在此基礎上，Tan提出了地面約束條件，通過限制運動目標的運動范圍減少了可能的目標姿態數，提高了跟蹤效率。Zhang等針對傳統基于邊緣的3D視覺跟蹤存在準確性不足的問題,提出一種基于角點特征的3D跟蹤,實現3D視覺的精確跟蹤。

雖然上述的各種方法都具有各自的特點和優勢，但也都存在各自的局限性，尤其是針對特定的應用領域，如：煤礦、停車場等復雜場景，與地面視頻監控相比，由于空間受限，存在光照不均、背景光照強度變化大、甚至存在粉塵、潮濕、遮擋等因素影響，造成監控圖像質量嚴重下降，所以在這些復雜環境中進行圖像分割和目標定位就相對來說比較困難，用傳統的目標定位算法來處理一般得不到理想的計算結果，而且很難實現對目標的實時跟蹤，阻礙了智能視頻監控的深度發展及應用。

發明內容

為了克服上述現有技術的不足，本發明提供了一種基于自適應免疫遺傳算法的圖像增強方法。

本發明所采用的技術方案是：

一種基于智能視覺中運動目標跟蹤方法，其特征在于，包括以下步驟：

S1、對于視頻中原圖像像素灰度為f(x,y)，對f(x,y)圖像分割，并計算出最佳閾值T_d；

S2、設t時刻視頻中的第k幀圖像為f_k(x,y)，第k-1幀圖像為f_k-1(x,y)，兩幀圖像的幀差為：

D_k(x,y)＝|f_k(x,y)-f_k-1(x,y)|，

S3、對于視頻中的幀圖像進行閾值分割，從視頻幀間提取運動目標f_obj(x,y)為：

S4、對于步驟S3中所提取的運動目標進行定位；

S5、對于已經定位的目標在視頻中進行目標跟蹤。

在其中一實施例中，所述步驟S1中最佳閾值T_d的計算方法：