[发明专利]一种基于光流特征的视频目标检测与跟踪方法

说明书

技术领域

本发明属于视觉图像处理技术领域，涉及目标检测与跟踪方法，特指一种基于光流特征的视频目标检测与跟踪方法。

背景技术

运动目标的检测与跟踪是计算机视觉研究中的热点和难点之一。运动目标的检测与跟踪在智能交通、安全监控以及军事领域有着广阔的应用前景。无人机具有高机动性、高分辨率、隐蔽性好、操作灵活等优势，利用无人机搭载的视频传感器对地面运动目标进行跟踪与分析，具有重要的实践意义和理论价值。

然而由于视频传感器随着无人机的高速运动而运动以及视频序列影像中背景的复杂性和运动目标信息的多样性的特点，使得处理目标检测跟踪的问题变得更加困难。

运动目标的检测是实现目标跟踪以及运动目标分析、处理的基础，根据摄像机运动的情况，可以将运动目标检测分为静止背景的目标检测和运动背景的目标检测。

近年来，国内外研究者提出了许多运动目标检测的方法，主要包括静止背景下的帧差法、背景相减法、期望最大化法和基于图论的方法等，动态背景下的光流法、统计模型法、水平集方法等。帧差法是将连续两帧影像对应像素点的灰度值相减，判断差值的大小来确定该像素属于背景还是运动目标，再利用这些像素区域计算出运动目标在图像中的位置，该方法计算简单、快速，但由于影像中目标大小、背景亮度不同，使得检测效果容易受到不良影响。将光流技术引入到运动目标检测跟踪研究中，不需要预先知道场景的任何先验信息，根据各个像素点的速度矢量特征，对图像进行动态分析，能够检测出独立运动目标。

运动目标跟踪是在检测基础上对目标运动状态的进一步分析，主要分为两类，一是基于运动目标先验知识的跟踪，先检测提取影像中的运动目标并建模，再通过模板匹配等策略找到下一帧图像中相应目标区域位置，实现目标跟踪；二是不依赖运动目标的先验知识，直接从视频序列图像中检测运动目标，并对感兴趣的目标进行跟踪。目标跟踪算法与目标的有效表达形式密切相关，目标的描述方式主要包括质心法、区域法、特征点法以及边缘轮廓等方法，可以大致的概括为4类：基于特征的跟踪、基于区域的跟踪、基于轮廓的跟踪和基于模型的跟踪。基于特征的跟踪法，通过提取运动目标的显著特征来实现目标跟踪，该算法不受目标发生变形或光照变化的影响，目标部分遮挡情况下也能实现跟踪，但如何选择和描述目标特征，实现运动目标的持续跟踪是难点；基于区域跟踪法首先利用运动目标检测方法分割提取包含运动目标的区域，以矩形或椭圆形成一个模板来表示该区域，然后利用灰度或颜色相关的算法对下一帧进行匹配，从而实现跟踪，该算法在目标没有遮挡前提下，实现稳定跟踪，当目标形变或遮挡区域较大时，跟踪精度下降；基于轮廓的跟踪法是对目标边界轮廓进行跟踪处理，利用目标轮廓的全局信息获取一条封闭的曲线，不需要目标先验知识，但该方法需要人工干预进行初始化，计算非常耗时；基于模型跟踪法，首先建立目标形态模型和运动模型，再根据实际视频序列图像确定模型参数和运动参数，从而实现目标跟踪，但实际场景中要获得精确的目标真实模型非常困难。

发明内容

本发明的目的在于提出一种基于光流特征的视频目标检测与跟踪方法，其创新性在于克服传统帧差法和背景补偿法在运动背景下检测目标的空洞效应，通过局部方差非均匀采样方法避免LK光流法在稀疏纹理特征点上的漂移现象，将目标运动显著性和颜色、纹理等多特征融合，提高目标检测的成功率，实现快速、有效地持续跟踪。

本发明的技术方案是，

一种基于光流特征的视频目标检测与跟踪方法，分为两大步骤，第一步为视频目标检测：首先基于背景局部邻域方差的等间隔采样方法对输入的图像帧序列进行背景采样，计算采样后的每个像素点的光流矢量，并通过Mean Sift算法估计背景运动；其次以目标的运动显著性为主、颜色显著性为辅，结合光流法和颜色显著性算法共同估计目标的整体显著性，最后通过目标显著性检测的结果设定阈值，实现目标区域与背景区域的分离。第二步为视频目标跟踪：首先选取第一步中通过目标检测得到的目标区域为正样本，背景区域为负样本；利用Haar特征和目标全局颜色特征对目标进行描述，并采用随机矩阵的方式对原有特征进行抽样压缩；通过贝叶斯准则判断它与上一帧目标的相似性，最后利用粒子滤波算法对目标进行持续跟踪。

具体地，本发明一种基于光流特征的视频目标检测与跟踪方法，包括以下步骤：

S1、视频目标检测