[发明专利]视频运动目标检测和跟踪的混合算法

说明书

技术领域

本发明涉及虚拟环境技术领域，尤其涉及一种视频运动目标检测和跟踪的混合算法。

背景技术

随着体育竞赛水平的发展，对运动训练的要求也不断提高。过去教练员的训练已经不能满足运动训练的需要。计算机视觉技术比人眼更准确，记忆更持久，它能更快、更有效地捕捉移动的物体。通过记录目标数据的各种运动为运动员的运动提供更多的理论以及基于数据的描述来适应目前的形式。

因此，有必要提供一种视频运动目标检测和跟踪的混合算法来满足以上需求。

发明内容

本发明的目的在于提供一种的基于均值漂移算法和颜色直方图算法的视频运动目标检测和跟踪的混合算法。

本发明提供一种视频运动目标检测和跟踪的混合算法，其特征在于，综合使用均值漂移算法和颜色直方图算法，运用均值漂移算法进行特征匹配保持跟踪的稳定性和精度，运用颜色直方图算法对目标的颜色分布和动态视频和图像的旋转保证观察角度的适应性，其中，所述均值偏移算法包括：

步骤1.1，根据核K(x)和窗口半径H可以得到多元核函数密度在某个点x的估值f(x)，其计算公式为先算出当前点的偏移均值；

步骤1.2，再移动该点到其偏移均值；

步骤1.3，该编译均值为新的起始点，继续移动；

步骤1.4，直到满足一定的条件结束；

所述颜色直方图算法包括：

步骤2.1，计算密度估计与真密度之间平均全局误差最小化值，其计算公式为：

步骤2.2，计算白色值，即D维球体的体积，用多高斯的核来表示，公式为：高斯核的轮廓函数表示为：

步骤2.3，利用核函数密度梯度估值定义概率密度的梯度：公式为

其中

与相关技术相比，本发明提供的视频运动目标检测和跟踪的混合算法是基于均值偏移算法和颜色直方图算法的混合，均值偏移算法能够保持跟踪的精度和稳定性，颜色直方图使动态视频图像的旋转和观察的变化具有良好的适应性，两者结合，更有效地对运动目标进行跟踪。

附图说明

图1为本发明提供的视频运动目标检测和跟踪的混合算法中图像工程的原理图；

图2为本发明提供的视频运动目标检测和跟踪的混合算法中图像压缩技术结构图；

图3为本发明提供的视频运动目标检测和跟踪的混合算法中图像处理过程原理图；

图4为本发明提供的视频运动目标检测和跟踪的混合算法对移动式灯光显示设备实验结果；

图5为本发明提供的视频运动目标检测和跟踪的混合算法的在MATLAB平台上进行的一种视频跟踪仿真实验；

图6为本发明提供的视频运动目标检测和跟踪的混合算法的在MATLAB平台上进行的另一种视频跟踪仿真实验。

具体实施方式

以下将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。为叙述方便，下文中如出现“上”、“下”、“左”、“右”字样，仅表示与附图本身的上、下、左、右方向一致，并不对结构起限定作用。

本发明提供的视频运动目标检测和跟踪的混合算法，综合使用均值漂移算法和颜色直方图算法，运用均值漂移算法进行特征匹配保持跟踪的稳定性和精度，运用颜色直方图算法对目标的颜色分布和动态视频和图像的旋转保证观察角度的适应性。

均值漂移算法是是一种基于密度梯度上升的非参数方法，通过迭代运算计算概率密度函数的极值点来找到目标位置，实现目标跟踪。该算法具有无参数、快速模式匹配的特点，在计算机视觉和计算机图像处理等领域有着广泛的应用。均值漂移算法能够沿最短路径的概率分布把每个点移动到密度函数的局部最大点。我们通常所说的均值漂移算法是一个迭代步骤，即先算出当前点的偏移均值，移动该点到其偏移均值，然后以此为新的起始点，继续移动，直到满足一定的条件结束。

其中，所述均值偏移算法包括：

步骤1.1，根据核K(x)和窗口半径H可以得到多元核函数密度在某个点x的估值f(x)，其计算公式为先算出当前点的偏移均值；

步骤1.2，再移动该点到其偏移均值；

步骤1.3，该编译均值为新的起始点，继续移动；

步骤1.4，直到满足一定的条件结束；

所述颜色直方图算法包括：

步骤2.1，计算密度估计与真密度之间平均全局误差最小化值，其计算公式为：