[发明专利]基于特征点分析的多目标分离预测方法

权利要求书

1.基于特征点分析的多目标分离预测方法，包括以下步骤：

1)提取背景——对输入的视频当前帧，通过将其中每一个像素的灰度值与原先的背景灰度值比较，确定其是否属于背景；当相差的结果小于预定阈值时，该像素作为背景提取，否则视为移动目标点；

2)确定移动检测门限——对移动目标点像素进行回顾判断，若上一帧该像素也为移动目标点，则本帧中该点的移动检测门限按预定系数降低，否则以视频画面该点在时间上的方差值计算得出移动检测的门限；

3)移动检测——对当前帧图像和背景进行差分，将像素亮度相对变化大于移动检测门限的点判为移动目标物体的点，作为热点；

4)聚类及矩形化——搜索某一热点周围相邻热点，将其连接起来，形成移动目标物体的基本轮廓；再以移动目标物体的基本轮廓确定其最小外接矩形；

5)一次匹配与滤波——根据移动目标物体前后帧之间对应的距离和方向，寻找到前后帧中相匹配的移动目标物体，如移动目标物体是误差小于预定值的一对一匹配，则形成序列，由此序列预测出移动目标物体运动趋势，若移动目标物体是误差小于预定值的多对一匹配，则判为多个移动目标物体出现了重合，待后续处理跟踪；

其特征在于还包括：

6)确定角点——以移动目标物体最小外接矩形内部的像素点在其邻域内各个方向上灰度变换值超过预定值确定角点；

7)形成向量——在移动目标物体的最小外接矩形中，由最小外接矩形的几何中心连接到每个角点，形成活动特征向量；

8)二次匹配——根据移动目标物体的活动特征向量，在移动目标物体、尤其是判为出现重合的移动目标物体上一帧中寻找对应物体，进而预测出其运动趋势。

2.根据权利要求1所述基于特征点分析的多目标分离预测方法，其特征在于：所述步骤4)中利用八邻域法进行周围相邻热点搜索。

3.根据权利要求2所述基于特征点分析的多目标分离预测方法，其特征在于：所述步骤5)中根据移动目标物体前后帧之间对应的距离和方向，并结合其各灰度等级像素所占比例，寻找到前后帧中相匹配的移动目标物体。

4.根据权利要求1所述基于特征点分析的多目标分离预测方法，其特征在于：所述步骤8)首先根据活动特征向量的数目及相似性寻找上一帧中该移动目标物体在当前帧中对应物体，如在当前帧中有对应物体，则把该物体加入所述移动目标物体的序列，用以预测出其运动趋势；如没有，则根据以往该移动目标物体序列的情况预测出一个目标物体，同时该移动目标物体的预测计数器加1，当所述预测计数器中的数值大于预定门限时，判定该移动目标物体消失。