[发明专利]一种基于时空约束的轨迹提取方法

说明书

技术领域

本发明具体涉及一种基于时空约束的轨迹提取方法。

背景技术

在计算机视觉研究领域，对监视视频中的目标进行有效定位与跟踪已成为一个重要研究方向。针对不同的跟踪情况，人们提出了多种目标跟踪算法。近年来，Mean Shift算法以其无需参数、快速模式匹配的特性被广泛地应用到目标跟踪与轨迹提取领域，该方法尤其适用于针对单一重点关注目标的跟踪与轨迹提取。

Mean Shift这个概念最早是由Fukunaga等人于1975年首次提出，1988年人们认识到这种算法可以用于跟踪视频中的运动物体，次后Cheng首次将其引入到计算机视觉领域，Comaniciu等人则将其进行推广，使得Mean Shift运动目标跟踪可以实时进行。

Camshift算法是Bradski在Mean Shift算法基础之上提出的。该算法与Mean Shift算法最大的不用在于其能够自动调节搜索窗口的大小以适应被跟踪目标在图像中的尺寸，从而可以有效地解决目标变形等问题。但是该方法容易受噪声影响而出现窗口漂移，而且目标跟踪区域明显大于目标实际区域。

发明内容

本发明的目的是提供一种能够应用于运动轨迹提取之中的基于时空约束的轨迹提取方法。

为了解决上述技术问题，本发明的技术方案是：

一种基于时空约束的轨迹提取方法，包括以下步骤：

1)利用力士轨迹数据采用Kalman滤波技术进行目标预测，从而减小搜索区域的大小；

2)设定初始搜索窗口为目标检测的结果；

3)在搜索区域内进行Back Projection计算，得到反向投影图；

4)进行Mean Shift计算，得到当前帧的搜索窗口质心位置，并将搜索窗口中心移至该处；

5)计算新的搜索窗口内像素点总数A，并将A作为搜索窗口的临时大小；

6)利用目标检测结果对临时搜索窗口进行尺寸约束，并将约束后的搜索窗口质心和大小作为下一帧搜索窗口的初始值，再进行迭代以实现对目标的跟踪。

本发明技术效果主要体现在以下方面：时间域约束策略通过Kalman滤波器预测目标可能出现的位置，从而约束了搜索Camshift跟踪算法的搜索区域并对目标的大概位置加以约束，不仅使得搜索速度得到提升，同时约束了检测结果位置信息，空间域约束策略根据背景差分法检测结果区域对匹配跟踪结果的尺寸信息进行约束，使跟踪结果更加接近于目标本身实际情况，从而提高目标跟踪定位的速度和精度。

附图说明

图1为本发明的基于时空约束的轨迹提取方法的流程图。

具体实施方式

在本实施例中，需要说明的是，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

另，在本具体实施方式中如未特别说明部件之间的连接或固定方式，其连接或固定方式均可为通过现有技术中常用的螺栓固定或钉销固定，或销轴连接等方式，因此，在本实施例中不再详述。

实施例

参阅图1所示，一种基于时空约束的轨迹提取方法，包括以下步骤：

1)利用力士轨迹数据采用Kalman滤波技术进行目标预测，从而减小搜索区域的大小；

2)设定初始搜索窗口为目标检测的结果；

3)在搜索区域内进行Back Projection计算，得到反向投影图；

4)进行Mean Shift计算，得到当前帧的搜索窗口质心位置，并将搜索窗口中心移至该处；

5)计算新的搜索窗口内像素点总数A，并将A作为搜索窗口的临时大小；

6)利用目标检测结果对临时搜索窗口进行尺寸约束，并将约束后的搜索窗口质心和大小作为下一帧搜索窗口的初始值，再进行迭代以实现对目标的跟踪。

本发明技术效果主要体现在以下方面：时间域约束策略通过Kalman滤波器预测目标可能出现的位置，从而约束了搜索Camshift跟踪算法的搜索区域并对目标的大概位置加以约束，不仅使得搜索速度得到提升，同时约束了检测结果位置信息，空间域约束策略根据背景差分法检测结果区域对匹配跟踪结果的尺寸信息进行约束，使跟踪结果更加接近于目标本身实际情况，从而提高目标跟踪定位的速度和精度。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。