[发明专利]一种弱目标识别与跟踪的处理方法

说明书

技术领域

本发明专利属于视频监控技术领域，尤其是涉及一种弱目标识别与跟踪的处理方法。

背景技术

近些年来，视频监控系统在各行业已得到了广泛应用，例如日常生活中的超市，与小区等所安装的安全监控系统、交通方面所使用的违章监控系统、银行系统所设置的柜台监控等等。智能监控系统因为有着极其广阔的应用前景，运动目标识别与跟踪成了当前图像及视频处理研究的热点对象，许多高校和科研机构都投入了大量的人力物力进行研究，虽然取得了丰硕的研究成果，但在很多关键领域一直进展缓慢。其中场景中弱目标的识别一直是一个难点问题，因为弱目标既不容易从背景中分离，又容易被当作噪声点去除掉。所以，既要准确地识别出弱目标，又要进行降噪处理就成了一对矛盾。因此为了社会的经济与和平，解决这些技术问题，已刻不容缓。

发明专利内容

本发明专利所要解决的技术问题在于针对现在技术的不足，提供一种视频方面涉及弱目标识别与跟踪的处理方法。其设计合理、智能化程度高且使用效果好，推广应用前景广泛，能有效的解决视频方面的一些重要技术问题。

上述问题主要是针对弱目标特性进行分析处理的。弱目标特性：一是目标的空间尺度相对于背景的空间尺度非常小，二是目标和背景的对比度非常低，三是物体相对于背景运动缓慢。

为解决上述技术问题，本发明专利采用的技术方法是：一种弱目标识别与跟踪的处理方法。

一种弱目标识别与跟踪的处理方法，系统可分为三个处理模块，分别为图像处理模块、网格模型处理模块、用户接口模块。

上述方法引入一般监控系统中并不常见的网格模型处理，充当了用户接口和图像处理的中介并起到数据缓冲的作用。

上述网络模型处理中这个网格中的每个节点对应着监控视频中图像的一个像素，节点可看成一个容器，里面包含一个“像素处理机”和一个数据缓冲结构，结构里最重要的数据项是一个标记，用非负整数表示，0表示未被标记，正整数表示标记的“程度”，连续的正整数区域则形成标记区域。

上述不同于一般的监控系统，本系统中用户可以输入很多定制信息，以干预系统的运行方式，达到一些特殊目的。比如用户可以指定“用户视焦域”，即用户比较感兴趣、需要系统重点进行监控的区域；也可以输入常见监控目标的形状和颜色信息，利用系统中的模型匹配功能增加特定目标的识别准确度，减少漏检。当然，这些都是辅助信息，如果用户不输入，系统也可以在处理。

系统中“网格模型初始化”在下列情况下执行：

1、在系统启动时；2、目标完全从场景中退出时；3、长时间没有前景目标，单纯的噪声引起模型的累积状态改变很大时。

上述方法处理过程中一共进行了两次滤波，全局滤波和局部滤波，其中全局滤波采用SA4向量小波，目标是整个图像。第二次滤波对分离出的目标中的残存噪声进行去除，并配合形状和轨迹修整过程生成最终的前景目标。

上述全局滤波是频率域滤波，局部滤波是空间域滤波。

视焦域，顾名思义，即系统(或用户)最感兴趣的区域，也就是需要重点监控区域。这不是一个纯理论的概念，引入它只是为了突出说明系统中必须要面对和处理的“局部”的概念。因为现在系统的处理能力是有限的，而提取弱目标的这种方法本身又需要耗费大量的资源，所以不可能把这种“多重处理”应用到所监控的每部分区域，而是首先处理全局，寻找视焦域，然后对这些重点区域进行再处理。

系统视焦域的产生过程如下：

1.初始化网格模型，通常把区域标记值置为0；如果用户需要指定用户视焦域，在模型相应位置处置一个值，所置具体值要根据实验确定，既不能太小，以至于其对后续的处理影响微弱，又不能太高，使这个区域的细节不能分辨。

2.根据第一次滤波的结果，按比例用合适的权值填入标记模型，形成一个权重分布矩阵。

3.权重分布矩阵减去一个依据经验的修正矩阵，防止其不断“升高”。

4.非负化处理，去掉分布矩阵中意外形成的负值，用0值填充。

5.对得到的区域进行区域融合、边缘修整与平滑处理。

6.随着系统不断运行，重复第2-5步。

上述针对目标的局部增强算法首先使用直方图规定化处理，并用前景区域形状为蒙板，以网格的权重分布矩阵为算子，当蒙板在图像上移动，每一个像素位置的邻域中该点的直方图都被计算。这不同于常规的直方图处理，规定化处理的结果是对视频图像的局部区域进行了增强。然后用信息库中的特定目标的数据与前景目标进行匹配处理，看是否有我们感兴趣的物体存在，如果存在并且没有和其他部分有效分离，则对目标所在区域进一步增强，加大所在区域的权值。