[发明专利]基于跟踪点分布的视频目标运动趋势分析方法有效
申请号: | 201610070935.6 | 申请日: | 2016-01-31 |
公开(公告)号: | CN105741321B | 公开(公告)日: | 2018-12-11 |
发明(设计)人: | 黄翰;梁椅辉;郝志峰 | 申请(专利权)人: | 华南理工大学 |
主分类号: | G06T7/246 | 分类号: | G06T7/246 |
代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 何淑珍 |
地址: | 510640 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 跟踪 分布 视频 目标 运动 趋势 分析 方法 | ||
本发明提供基于跟踪点分布的目标运动趋势分析方法。该方法中,用户选择视频中需要跟踪的目标,然后使用基于跟踪点分布的目标运动趋势分析方法对视频中的目标的运动趋势进行判定,经过跟踪点当前位置与历史位置分析,最终输出运动趋势线。本发明根据多个跟踪点的历史位置以及当前帧的位置,对目标运动的趋势进行预测。通过历史信息与当前帧信息的结合以及对离群点的分析与过滤,本发明能适应部分跟踪点丢失、跟错等异常情况。对视频中噪声鲁棒性较强,在具有噪声的情况下,也能输出较为准确的目标运动趋势线。
技术领域
本发明一般涉及计算机视觉领域,具体涉及基于跟踪点分布的视频目标运动趋势分析方法。
背景技术
随着信息技术的发展,计算机已经能帮助人们对视频中的目标进行跟踪与分析,这一技术出现以后,已经应用在公共安全、医学、航天等多个领域。视频中目标的运动趋势的判定是轨迹分析的一个重要方向,也是人们常常需要用到的,目前的运动趋势分析虽然能在视频噪声较少的情况下得到正确的运动趋势,然而对复杂环境下的视频的运动趋势分析存在的需要目前难以解决的问题:(1)鲁棒性差:现有方法往往假设视频中目标跟踪结果是准确的,但在噪声较多的视频中,难以保证跟踪结果完全准确,现有方法对运动趋势的判定受到跟踪结果误差的影响;(2)输出运动趋势不稳定:现有方法在视频的开始即对目标的运动趋势进行判定,若目标在原地抖动,则会出现趋势线大幅度无规律的摆动,对用户产生较大干扰;
基于跟踪点分布的视频目标运动趋势分析方法除了可以克服现有技术存在的缺陷外,还具有跟踪信息利用率高、对目标运动速度变化程度不敏感等特点。该技术将在医学影像分析,如穿刺辅助,客流分析、公共安全及其它领域中显示出其良好的应用前景。
发明内容
本发明针对现有视频运动目标趋势判定技术的不足,提供了基于跟踪点分布的视频目标运动趋势分析方法。本发明的目的在于使用计算机视觉技术解决在噪声较多的视频中目标运动趋势的准确判定问题,克服现有的运动趋势分析技术的缺陷,提供一个可靠的、实时的目标运动趋势分析方案,具体技术方案如下。
基于跟踪点分布的视频目标运动趋势分析方法,包括以下步骤:
(a)从本地磁盘读入一个视频文件;
(b)用户在视频中选择需要跟踪并判定运动趋势的目标;
(c)对步骤(b)中选择的目标进行特征点跟踪;
(d)根据步骤(c)中得到的多个特征点的位置,对特征点的当前位置分布进行分析;
(e)计算步骤(c)中得到的多个特征点的位置,对特征点的历史位置分布进行分析;
(f)根据步骤(d)、(e)的结果,更新趋势线;
(g)在视频中绘制趋势线。
上述基于跟踪点分布的视频目标运动趋势分析方法中,步骤(c)使用Kanade-Lucas-Tomasi方法对用户选择的目标进行特征点提取与点的跟踪。
上述基于跟踪点分布的视频目标运动趋势分析方法中,步骤(d)包括以下步骤:
(d-1)根据步骤(c)得到的跟踪目标的多个特征点的位置,计算两两特征点之间的欧氏距离;
(d-2)计算步骤(d-1)中欧氏距离的最大值;
(d-3)若步骤(d-2)得到的最大值小于最大形变阈值,则当前帧目标特征点分布信息不足,当前帧跟踪点分析不输出趋势线,步骤(d)结束;若步骤(d-2)得到的最大值大于或等于最大形变阈值,则进行步骤(d-4)-(d-7),其中最大形变阈值t=2·r,式中r为用户框选目标矩形框对角线的长度;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610070935.6/2.html,转载请声明来源钻瓜专利网。
- 上一篇:EOBD轮速传感器
- 下一篇:一种基于FPGA的快速实时动目标检测系统