[发明专利]在视频中识别及跟踪对象的方法

说明书

本发明提供一种在视频中识别及跟踪对象的方法，其中，在视频中识别对象的方法，包括：对第一帧的视频码流解码，获取所述第一帧的图像及其块结构，所述第一帧是所述视频码流中的任意帧，所述块结构由根据图像的纹理特征而划分的多个块组成；识别所述第一帧的图像中的对象；将所述对象与所述第一帧的块结构匹配，将对应于所述对象的块结构作为与所述对象关联的对象结构；对后续帧的视频码流进行熵解码，获取所述后续帧的块结构，所述后续帧为所述第一帧后的连续多帧；以及判断所述后续帧的块结构中是否有与所述对象结构相同的第一块结构，若有，则将所述第一块结构代表所述对象。本发明提供的方法，能够减少计算量并提高视频中物体跟踪实时性。

技术领域

本发明涉及视频图像处理领域，在视频中识别及跟踪对象的方法。

背景技术

视频对象跟踪具有精度高、隐蔽性好和直观性强的优点。这些优点使得视频对象跟踪在靶场光电测量、天文观测设备、武器控制系统、激光通信系统、交通监控、场景分析、人群分析、行人计数、步态识别、动作识别等领域得到了广泛的应用。根据被跟踪对象信息使用情况的不同，可将视觉跟踪算法分为基于对比度分析的对象跟踪、基于匹配的对象跟踪和基于运动检测的对象跟踪。基于对比度分析的跟踪算法主要利用对象和背景的对比度差异，实现对象的检测和跟踪。基于匹配的跟踪主要通过前后帧之间的特征匹配实现对象的定位。基于运动检测的跟踪主要根据对象运动和背景运动之间的差异实现对象的检测和跟踪。

针对基于匹配的视频跟踪算法，当前视频内对象识别或视频内对象跟踪的技术为：先把接收到的视频进行解码，然后对视频中的每一帧图像的像素进行分析和处理，来识别视频中的对象或进一步跟踪视频中的对象。而这样的技术主要涉及视频解码，并对每一帧图像进行图像处理和图像分析等算法，要耗费大量的计算能力，一般很难达到高的帧率和实时检测，特别是随着视频像素的增大，更需要高性能的CPU或GPU去处理。

发明内容

本发明为了克服上述现有技术存在的缺陷，提供一种在视频中识别对象的方法以及跟踪对象的方法，其能够减少计算量并提高视频中物体跟踪实时性。

本发明提供一种在视频中识别对象的方法，包括：对第一帧的视频码流解码，获取所述第一帧的图像及其块结构，所述第一帧是所述视频码流中的任意帧，所述块结构由根据图像的纹理特征而划分的的多个块组成；识别所述第一帧的图像中的对象；将所述对象与所述第一帧的块结构匹配，将对应于所述对象的块结构作为与所述对象关联的对象结构；对后续帧的视频码流仅进行熵解码，获取所述后续帧的块结构，所述后续帧为所述第一帧后的连续多帧；以及判断所述后续帧的块结构中是否有与所述对象结构相同的第一块结构，若有，则将所述第一块结构代表所述对象。

优选地，所述块结构为最大编码单元的块结构或者宏块的块结构。

优选地，所述块结构根据图像中各块的熵值和阈值进行划分。

优选地，视频各帧的图像及其块结构经熵编码形成所述视频码流，其中，对所述视频码流解码包括：利用与所述熵编码相对应的熵解码对所述视频码流解码。

优选地，所述第一帧为关键帧，其中，识别所述第一帧的图像中的对象包括：识别所述第一帧的图像中的对象轮廓。

优选地，将所述对象与所述第一帧的块结构匹配包括：将所述对象轮廓与所述第一帧的块结构匹配。

优选地，所述对象结构的边缘包含于所述对象轮廓，所述对象结构为所述对象轮廓内最大的块结构。

优选地，所述对象结构的边缘包含所述对象轮廓，所述对象结构为覆盖所述对象的最小的块结构。

优选地，所述对象结构的边缘与所述对象轮廓相交，所述对象结构中与所述对象轮廓相交的块覆盖所述对象的部分的大小至少大于等于所述块的大小的三分之一。