[发明专利]基于NCC匹配帧差的弱小动目标跟踪丢失重检方法

说明书

本发明公开了基于NCC匹配帧差的弱小动目标跟踪丢失重检方法，包括如下步骤：采集获得视频数据；对连续帧图像进行目标跟踪，对于跟踪到目标的连续N帧图像中每一帧，分别计算目标区域的多维特征作为正常特征、每个特征的相对于均值的偏移量为正常偏移量；当第f帧图像中目标丢失时，在第f帧图像中截取基准图像，在第f+k帧图像中截取尺寸较大的待匹配图像，计算互相关系数矩阵；以互相关系数最大的位置为中心截取设定大小的区域，利用帧差法得到候选区域，提取候选区域的多维特征，若每个特征的偏移量与正常偏移量的偏差均在设定范围内，则以所述候选区域作为目标区域；否则k自增k，重复上述过程。该方法能够够避免传统方法中的错误检测。

技术领域

本发明属于目标检测跟踪研究领域，具体为基于NCC匹配帧差的弱小动目标跟踪丢失重检方法。

背景技术

目标跟踪是将不同视频帧图像中的目标持续检测出来的过程，是计算机视觉研究中相当重要的内容。根据摄像机与运动目标之间的关系，可将目标检测分为静态背景下和动态背景下的目标检测。对于背景不动情况下对运动目标的检测方法主要有背景差分法、帧间差分法和光流法。而对于背景运动的目标检测，往往先通过全局运动补偿方法获得视频图像相邻帧之间的全局运动参数，并对当前图像与前一帧图像进行匹配，而后通过上述静态场景的方式进行目标检测与跟踪。

目标跟踪过程中，视频图像中出现的背景杂乱、光照明暗变化、部分或者全部遮挡、目标姿态改变、目标快速运动等情况都会导致目标连续跟踪的失败。如何在目标跟踪出现问题后，自动完成目标的重新检测，形成对运动目标的连续跟踪是目标跟踪问题的重点。

发明内容

有鉴于此，本发明提供了基于NCC匹配帧差的弱小动目标跟踪丢失重检方法，能够避免由背景变化对弱小动目标直接帧差重检带来的错误检测，同时可保证跟踪的实时处理。

为了达到上述目的，本发明的技术方案为：基于NCC匹配帧差的弱小动目标跟踪丢失重检方法，包括如下步骤：

S1：采集获得视频数据，视频数据由连续帧的图像组成。

S2：利用目标跟踪算法对连续帧图像进行目标跟踪，对于跟踪到目标的连续N帧图像，分别计算每一帧图像中跟踪到的目标区域的多维特征作为正常特征、并计算每个正常特征的相对于特征均值的偏移量作为正常偏移量；N的取值大于或者等于2。

S3：当跟踪过程中，第f帧图像出现目标丢失情况时，以第f帧图像跟踪目标框的中心坐标[x₀,y₀]为中心，截取获得大小为m×n的基准图像ROI1。特征均值为N帧图像中的特征平均值。

S4：设定帧间隔k，在第f+k帧图像里以目标中心坐标[x₁,y₁]为中心，截取获得大小为2m×2n的待匹配图像ROI2。

S5：将基准图像ROI1和待匹配图像ROI2的数据分别进行数据归一化处理，将基准图像ROI1左上角位置与待匹配图像ROI2的左上角位置对齐，计算两重叠区域的归一化互相关系数NCC，以单个像素为单位滑动基准图像ROI1，遍历整个待匹配图像ROI2，得到的所有的NCC组成互相关系数矩阵。

互相关系数矩阵中互相关系数最大的位置为[X,Y]。

S6：在待匹配图像ROI2中以[X,Y]为中心截取大小为m×n的ROI3区域，利用帧差法对基准图像ROI1与ROI3进行帧差，并将帧差结果阈值化得到为候选区域的位置，提取候选区域的多维特征，每个特征对应与S2中计算得到的特征均值进行偏移量计算，若每个特征的偏移量与正常偏移量的偏差均在设定范围内，则以候选区域作为目标区域；否则k自增k，重复执行S4～S6，当k超出设定范围时，返回S2。

进一步地，多维特征包括长、宽、长宽比、占空比、最小外接矩形的面积、空间扩展度、紧凑性以及对称度；