[發明專利]一種移動背景下的運動目標跟蹤與檢測方法

在審

• 申請號: 202110778104.5
• 申請日: 2021-07-09
• 公開（公告）號: CN113516680A
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 何新;俞佳慧;陳琛
• 申請（專利權）人: 南京榮新智能科技有限公司
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06T7/215;G06T7/246;G06T7/66;G06K9/62
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 李興林

本發明公開了一種移動背景下的運動目標跟蹤與檢測方法，包括：運動目標檢測方法和運動目標跟蹤方法，運動目標檢測方法包括：A1，確定全局運動參數模型；A2，參數估計特征點匹配；A3，全局運動背景補償；A4，提取運動目標并優化；運動目標跟蹤方法包括：B1，運動目標檢測，將運動目標和背景進行分割；B2，利用KCF算法對運動目標進行跟蹤，計算得到運動目標的質心位置；B3，利用Kalman濾波器，利用上一幀圖像的質心位置預測下一幀的質心位置，將實際結果和預估結果進行對比，計算誤差，更新濾波器。本發明提供的移動背景下的運動目標跟蹤與檢測方法具有運動目標檢測的判別能力強、檢測過程快速準確、跟蹤效果好的特點。

技術領域

本發明涉及圖像數據處理技術領域，特別是涉及一種移動背景下的運動目標跟蹤與檢測方法。

背景技術

隨著人工智能和圖像處理技術的發展，人們可以依賴計算機去處理海量的繁瑣工作和數據，圖像數據的處理技術也在不斷地更新發展，而目標的檢測和跟蹤作為圖像處理、計算機視覺的重要分支，成為近些年來的研究熱點。

現有技術中動態背景下的運動目標檢測中用到的二幀幀差法提取運動目標的過程中存在空洞問題，并且現有的KCF算法在跟蹤的過程中存在運動目標和目標框漂移問題，如果不能夠及時調整的話，可能會導致目標框的繼續漂移，從而導致運動目標的跟蹤失敗。基于以上問題，亟需提供一種新的移動背景下的運動目標跟蹤與檢測方法。

發明內容

本發明的目的是為了提供一種移動背景下的運動目標跟蹤與檢測方法，能夠對動態背景下運動目標的檢測和運動目標的跟蹤進行優化和完善，具有運動目標檢測的判別能力強、檢測過程快速準確、跟蹤效果好的特點。

為實現上述目的，本發明提供了如下方案：

一種移動背景下的運動目標跟蹤與檢測方法，包括：

A，基于目標檢測算法檢測運動目標，具體包括：

A1，確定全局運動參數模型；

A2，參數估計特征點匹配；

A3，全局運動背景補償；

A4，提取運動目標并優化；

B，基于融合Kalman濾波算法和KCF算法的跟蹤算法對運動目標進行跟蹤，具體包括：

B1，首先進行運動目標檢測，將運動目標和背景進行分割；

B2，利用KCF算法對運動目標進行跟蹤，通過運動目標的外接框，計算得到運動目標的質心位置；

B3，利用Kalman濾波器對檢測到的每一幀的圖像中的運動目標的外接框的質心進行預測，判斷運動目標的運動方向，將得到的跟蹤圖像和維護的模板進行匹配，將匹配的結果和匹配閾值進行對比；

B4，判斷是否發生跟蹤偏差，如果是，則轉至步驟B5，如果否，則轉至步驟B6；

B5，更新卡爾曼濾波器和KCF算法并繼續進行跟蹤；

B6，輸出跟蹤圖像。

可選的，所述步驟A1中的全局運動參數模型具體采用仿射運動參數模型。

可選的，所述步驟A2中的參數估計特征點匹配，具體包括：采用Surf算法首先進行Hessian矩陣的構建，然后構建尺度空間，精確定位特征點，丟棄小于預設極值的取值，篩選錯誤和不穩定的極值點，然后選取特征點的主方向，保證旋轉不變性，最后生成Surf特征描述子進行匹配。

可選的，所述步驟A3中的全局運動背景補償，具體包括：采用Surf算法進行特征點檢測并匹配，利用匹配的特征點的坐標計算得到圖像的全局運動模型，利用計算出來的運動模型計算得到背景補償的圖像。