[发明专利]一种基于OpenCV的视频目标跟踪算法

说明书

技术领域

本发明涉及视频数据分析技术领域，尤其是一种用于图像捕捉和视频数据分析的基于OpenCV的视频目标跟踪算法。

背景技术

视频跟踪是近年来兴起的一个研究方向,视频跟踪的算法以图像序列为输入,输出的则是图像中目标的各种属性,如目标的大小、位置等。在理想状况下，这些输出都是准确的、实时的，然而，在现实世界中，由于各种干扰的存在，往往很难达到理想状态，所以能否排除干扰准确地捕捉目标物体是衡量视频跟踪算法好坏的关键。

目前，常用的视频跟踪算法有如下几种：

㈠、Meanshift算法，是一种使用颜色信息来匹配固定大小区域的图像的方法。Meanshift算法是一种利用数据驱动的无参估计算法,又称为核密度估计算法,主要通过均值偏移向量寻找后验概率局部最优，也就是说，meanshift算法是通过颜色最相似的区域来确定匹配区域的，meanshift算法不支持目标的更新。

㈡、背景差分法:是利用当前图像与背景图像的差分来识别运动目标的方法，其背景模型的获取和更新是该方法中的关键技术。一种简单的获取背景图像的方法是当场景中无任何目标出现时捕获背景图像，这种人工的非自适应方法获取的背景图像仅适用于短时间内的视频监控。目前大多数算法已经放弃这种非自适应的背景图像估计方法。当场景环境不是很复杂时，可以使用统计滤波完成场景中背景图像的估计，大多数情况下都可以得到正确的背景估计图像，但是当场景中有部分物体做无规则运动时，会引起场景中像素值不断变化，从而引起估计误差。基于高斯统计模型的背景估计方法在有部分区域不断变化的场景中也能比较准确地估计出背景模型，但是它的计算比较复杂，且无法满足实时性需求。

㈢、瞬时差分法：是在视频序列中两个相邻帧间采用基于像素的时间差分，并且阈值化来提取运动目标的方法，即将相邻的两帧图像做逐像素相减运算，并设定阈值，若差值大于阈值，则将其看作前景图像(运动目标)，否则看作是背景图像。瞬时差分法对于动态环境的适应性较强，不需要获取背景图像，当相邻两帧图像的纹理、灰度等信息比较接近时，可以较准确地得到运动物体的外围轮廓，但通常不能完整地检测到目标的具体内容，易在物体内部产生空洞。

综上所述，现有技术存在的问题是：目标的识别跟踪受环境变化的影响较大，不支持跟踪物体的更新；仅依靠单一或较少的信息量作为跟踪的标准不够准确，在背景和目标不断变化的情况下较容易丢失跟踪或误跟踪。

发明内容

本发明的目的是针对现有技术的不足而设计的一种基于OpenCV的视频目标跟踪算法，以选定的模板与视频帧进行匹配，通过相关系数的计算找出视频帧中与模板图像最相似的子图位置，可以在目标物体移动和背景不断变化同时有阴影影响的情况下，准确及时地识别并跟踪目标物体。

本发明的目的是这样实现的：一种基于OpenCV的视频目标跟踪算法，其特点是该视频目标跟踪算法以选定的模板与视频帧进行匹配，通过相关系数的计算找出视频帧中与模板图像最相似的子图位置，模板的更新根据卡尔曼滤波器的预测位置和相关系数值确定，具体算法按下述步骤进行：

（1）、模板匹配

以已知的小图像为模板，将模板叠放在被搜索的大图像中移动搜寻目标，被模板覆盖的目标区域为子图，在被搜索的大图像中搜索全部可能的位置并计算每个位置上子图与模板的相关系数，计算得到的相关系数存放在一个数组中，其中最大值对应的位置即为与模版最为匹配的子图位置，其相关系数按下式（a）计算，对于每一个子图，计算出相应的归一化相关系数R(i,j)（-1≤R(i,j)≤1），并找出R的最大值R_max(i_m,j_m)，其对应的子图即为匹配目标，当模板和子图完全一样时，相关系数R(i,j)=1；