[发明专利]复杂干扰场景下的目标跟踪方法

说明书

技术领域

本发明属于视频监控领域，尤其涉及一种基于运动及目标信息的复杂干扰场景下的目标 跟踪方法。

背景技术

目标跟踪方法的研究和应用是计算机视觉技术一个重要的分支，实现目标跟踪主要有以 下几个关键点：目标提取、目标识别及算法实时性。

现有的目标跟踪方法归纳起来，主要有以下几种：

基于运动分析的方法：包括帧间差分法，背景减除法以及光流法。

帧间差分法和背景减除法主要通过帧间像素的强度变化来检测得到运动目标，根据检测 出的目标之间的相关性来进行目标的跟踪。其中，背景减除法是目前最常用的目标检测以及 跟踪的方法。

通过背景减除法的跟踪方法主要包含了两个部分：运动目标检测，运动目标跟踪。通过 统计每一个像素点的像素值，对其建立多高斯模型从而得到视频序列中的背景图像，通过与 背景图像的比较来检测出运动区域，通过形态学的方法分割运动目标，这是该方法的目标检 测部分。通过背景检测法得到每一帧图像的运动目标之后，根据目标之间存在的相关性，比 如大小，距离等等来实现目标的跟踪。

在一些简单的场景，或是目标比较少的场景中，该方法能够达到比较好的跟踪效果，在 这些情况下，每帧的目标基本上能够形成一对一的对应关系，但是在复杂场景中，目标密集 时，该方法存在很大的局限性。在复杂场景下，不同帧图像间目标的相关性较弱，目标之间 相互遮挡，干扰使该方法不能判断不同视频帧之间的相同目标。常出现的情况是上一帧图像 中多个目标与当前帧同一个目标存在距离等相关性，对于各个目标的跟踪就存在问题。

基于运动矢量估计的光流法通过计算像素点的运动矢量来达到目标跟踪的目的，但由于 其算法的复杂度高，很难适用于实时系统。

特征匹配的方法：

特征匹配方法的出发点是通过提取目标的特征，依据同一目标特征之间的相似性来达到 跟踪的目的。该方法关键在于特征选取，常用的方法主要有以下几种，基于区域模板匹配的 方法，基于颜色直方图匹配的方法，基于轮廓匹配的方法等等。

基于区域模板和颜色直方图匹配的方法主要利用了目标的颜色信息，其中，区域模板匹 配是以整个目标区域作为跟踪模板来进行相关性匹配计算，在目标运动过程中，经常会发生 形变，或是目标尺寸发生变化，在此情况下目标很容易丢失。颜色直方图匹配将目标区域的 颜色直方图作为匹配的特征，该方法主要利用了目标颜色信息，没有考虑目标的结构，或者 像素点的相互位置关系，因此，光线的变化很容易导致跟踪失败，同时，如果目标区域与背 景颜色信息相似时，很容易在背景区域得到最佳匹配结果，从而丢失目标。

基于轮廓的匹配方法主要依据运动目标的轮廓特征进行匹配跟踪，该方法主要不足在于 对目标尺寸变化适应性不强，且对阴影或者比较拥挤的场景，目标跟踪的效果很差。

发明内容

针对现有技术的缺点，本发明的目的是提供一种能有效提高鲁棒性及跟踪精确度的复杂 干扰场景下的目标跟踪方法。

为实现上述目的，本发明的技术方案为：一种复杂干扰场景下的目标跟踪方法，其包括 以下步骤：

(1)运动目标检测：对每个进入视频中的运动目标，确定其出现的初始位置，采用自 适应多高斯背景模型检测，并通过形态学处理的方法分割出独立的运动目标区域；

(2)目标特征建模：对检测到的每一个运动目标区域，提取多个用于匹配的特征信息， 并进行多特征信息融合，建立目标特征模板，目标建模方法直接影响目标跟踪的准确性和鲁 棒性，本发明通过对目标颜色，梯度，纹理等多种信息，通过非负矩阵分解的方法进行特征 的提取及一致性约束，将各个特征向量看做视频图像的概率密度分布函数，各特征的信息熵 作为包含信息量大小的度量，以此为基准决定多特征融合的权重分布，来建立目标特征模板， 大大提高了复杂场景下目标的辨识度；

(3)匹配区域搜索：在当前帧视频中，在特定的区域内搜索与目标特征模板相关性最 优的区域，作为当前帧目标跟踪定位，本发明通过多特征融合Mean-Shift搜索方法，以迭代 的方法来减小搜索最优匹配的时间，同时，结合模拟退火的思想来避免迭代搜索过程陷入局 部最优解，大大提高了该方法的准确度和效率；

(4)目标特征模板更新：目标跟踪定位后，根据当前帧目标区域的特征信息和前三帧 的目标特征模板的特征，更新当前帧的目标特征模板的特征权重，完成目标特征模板的自适 应更新。