[发明专利]基于光流法和卡尔曼滤波的多目标跟踪方法

说明书

技术领域

本发明涉及一种目标跟踪算法，尤其涉及一种基于光流法和卡尔曼滤波的多目标跟踪方法，属于计算机视觉领域。

背景技术

视觉是人类从自然环境中获取信息的主要手段之一，在可见光的照射下，周围环境在人眼的视网膜上形成图像，经感光细胞转换为神经脉冲信号并通过神经纤维传递至大脑皮层进行处理和分析。而计算机视觉则是计算机模拟人眼的视觉功能，从图像中提取有效信息，对环境中的背景和目标进行形态学和运动学方面的分析。基于图像处理技术的目标跟踪是当前计算机视觉领域的前沿课题之一，其研究内容涉及图像分析、计算机视觉、模式识别、机器学习、自动化控制等多个领域。同时，目标跟踪有着非常广阔的应用前景，主要涉及智能视频监控、智能车辆辅助驾驶、视觉导航、虚拟现实、武器制导等方面。因此，对目标跟踪的研究具有很重要的理论和实际意义。

随着计算机和各种多媒体设备的普及为研究者们使用各种图像采集设备获取外界环境信息并转换成便于存储的数字信号提供了便利，从而使得电脑可以像人脑一样处理各种图像信息，进而代替人类完成一些与视觉信息相关的工作。目标跟踪是指通过确定目标在视频图像中的位置信息，对目标的运动状态进行估计，同时预测其在下一帧中的运动特征，进而根据所获取的特征对视频中的目标进行匹配，从而达到连续准确跟踪目标的目的。就当前目标跟踪的方法而言，根据是否依赖先验知识可以分为两大类，即依赖目标的先验知识和不依赖目标的先验知识。前者需要为目标建模，然后在后续图像序列中进行模板匹配，进而找到感兴趣目标。而后者则可以直接从图像序列中检测到运动目标，结合相应的搜索算法进而实现对运动目标的有效跟踪。

发明内容

鉴于以上缺陷，本发明研究了光流法和卡尔曼滤波。其中，光流法是一种对真实运动场的近似估计，在比较理想的情况下，它不需要预先知道场景的任何信息就能够检测独立运动的目标。此外，由于连续帧的时间间隔很短，各个运动目标的运动可近似为匀速运动，而且卡尔曼滤波是一种使用状态方程和观测方程来对系统的状态序列进行线性最小方差估计的算法。它基于系统以前的状态序列对下一个状态作最优估计，预测时具有无偏、稳定、最优、计算量小等特点，并且可以准确地预测目标的位置和速度。因此，本发明结合基于图像金字塔的Lucas-Kanade光流法和卡尔曼滤波两种方法的优势将它们加以融合用于目标跟踪，过程中使用改进的中值滤波算法对获取的图像进行滤波处理以便更准确的获取所跟踪目标。

为了实现上述目的本发明采用了如下技术方案：基于光流法和卡尔曼滤波的多目标跟踪方法，包括以下步骤：

(1)读取视频帧，采用基于图像金字塔的L-K光流法计算每帧图像的光流。

(2)对光流进行聚类处理得到若干光流类，获得标有光流信息的光流检测效果图。

(3)对光流检测效果图采用改进的中值滤波方法进行去噪。

(4)光流类的个数为运动目标的个数，将这些运动目标的信息传递给卡尔曼滤波进行目标跟踪处理。

在上述方案中，所述基于图像金字塔的L-K光流法的具体过程包括：在最高一层的图像上计算得出光流；将计算的结果作为下一层图像的初始值，在这个初始值的基础上计算本层的光流；重复这一过程，直到传递给最后一层，即原始图像层。

在本发明的具体实施例中，所述出光流的计算方法为：

在一个以a点为中心的局部邻域上定义以下函数，并使该函数值最小：

其中，Ω表示点a的局部邻域，W(x,y)表示权函数，表示图像在点a处的梯度，V_a表示点a的光流，I_t表示点a＝(x,y)的灰度值为I＝(x,y,t)图像在t时刻的时域导数。

对上式进行最优化求解可得：

表示包含n个点的梯度的列向量；

W＝diag[W(x₁),W(x₂),...,W(x_n)]表示包含n个点的权值的对角矩阵；

b＝-[I_t(x₁),I_t(x₂),...,I_t(x_n)]^Τ表示包含t时刻n个点的时域导数的向量；

V＝[A^ΤW²A]^-1 A^ΤW²b表示所求的光流信息；