[发明专利]一种林区监控视频中运动火焰目标的鲁棒跟踪方法

权利要求书

1.一种林区监控视频中运动火焰目标的鲁棒跟踪方法，其特征在于，包括：

(1) 使用相关元素共同决定权值的多特征融合模型来表征跟踪目标；

(2) 使用跟踪区域内基于目标概率的元素权值调整来处理区域内部的不连续性问题；

(3) 使用基于高斯混合模型(GMM)概率的改进MeanShift窗口自适应算法获得当前帧中林火目标的形状变化；

(4) 使用基于区域内火焰像素比例的改进粒子滤波跟踪算法得到当前帧中林火目标的新位置；

(5) 使用结合改进粒子滤波和改进MeanShift的新跟踪算法实现林火目标的鲁棒跟踪；

(6) 对林区火焰在运动过程中的合并与分裂行为进行识别以实现多个林火目标的跟踪。

2.根据权利要求1所述的林区监控视频中运动火焰目标的鲁棒跟踪方法，其特征在于：

所述步骤(1)中使用相关元素共同决定权值的多特征融合模型来表征跟踪目标，包括以下子步骤：

① 求出每个特征对应的所有元素巴氏系数的平均值，得到巴氏系数大于平均值的相关元素的集合；

② 计算相关元素的巴氏系数均值，作为特征的权值；

③ 基于归一化后的特征权值，通过加权求和的方式实现多特征融合。

3.根据权利要求1所述的林区监控视频中运动火焰目标的鲁棒跟踪方法，其特征在于：

所述步骤(2)中使用跟踪区域内基于目标概率的元素权值调整来处理区域内部的不连续性问题，包括以下子步骤：

① 求出跟踪区域内元素属于林火目标的概率；

② 根据目标概率调整元素的权值，目标概率越大的元素，其在区域跟踪中发挥的作用越大，对于小概率元素，则削弱其对跟踪的影响。

4.根据权利要求1所述的林区监控视频中运动火焰目标的鲁棒跟踪方法，其特征在于：

所述步骤(3)中使用基于高斯混合模型(GMM)概率的改进MeanShift窗口自适应算法获得当前帧中林火目标的形状变化，包括以下子步骤：

① 求出跟踪窗口区域内像素颜色值对应的高斯混合模型概率，作为像素的目标概率；

② 基于元素目标概率权值调整的改进MeanShift窗口自适应算法计算林火目标新的窗口形状。

5.根据权利要求1所述的林区监控视频中运动火焰目标的鲁棒跟踪方法，其特征在于：

所述步骤(4)中使用基于区域内火焰像素比例的改进粒子滤波跟踪算法得到当前帧中林火目标的新位置，包括以下子步骤：

① 求出粒子对应区域内火焰像素个数所占的比例，作为粒子的目标概率；

② 基于元素目标概率权值调整的改进粒子滤波跟踪算法计算林火目标的新位置。

6.根据权利要求1所述的林区监控视频中运动火焰目标的鲁棒跟踪方法，其特征在于：

所述步骤(5)中使用结合改进粒子滤波和改进MeanShift的新跟踪算法实现林火目标的鲁棒跟踪，包括以下子步骤：

① 使用改进粒子滤波算法得到当前帧中林火目标的新位置；

② 使用改进MeanShift窗口自适应算法获得当前帧中林火目标的新形状；

③ 以当前帧窗口为下一帧目标候选区域并在区域内采样新粒子，循环处理至跟踪结束。

7.根据权利要求1所述的林区监控视频中运动火焰目标的鲁棒跟踪方法，其特征在于：

所述步骤(6)中对林区火焰在运动过程中的合并与分裂行为进行识别以实现多个林火目标的跟踪，包括以下子步骤：

① 通过多个林火目标之间的位置关系判断它们之间是否出现合并现象，若出现，则将满足合并条件的林火目标合并为一个；

② 通过连通域标记方法判断林火区域中是否存在分裂的火焰区域，若存在，则将满足分裂条件的火焰区域作为新的林火目标进行跟踪。