[发明专利]基于多特征联合和Camshift算法结合的多目标跟踪方法

说明书

本发明公开了一种基于多特征联合和Camshift结合的多目标跟踪方法，其涉及计算机视觉领域，该方法包括三个步骤：S1.基于背景差法和帧差法融合检测出多运动目标：多运动目标检测主要分为三步：1)初始化背景模型；2)利用帧差法背景更新，然后进行二值化；3)利用背景差法背景差分，然后将图像进行二值化。S2.将二值化的图像进行进一步的去噪；S3.基于Kalman滤波器和Camshift算法进行多运动目标跟踪。本发明方法其利用背景差法和帧差法融合检测出多运动目标提取了更加精确的运动目标，同时利用反复的形态学操作消除了运动检测过程中的大部分噪声；目标跟踪过程中可适应目标发生形变的情况，并且可在目标出现遮挡现象时也能够进行正确的跟踪，大大提高智能视频监控的准确性，增强其监控的稳定性，使其满足实时性需求。

技术领域

本发明涉及计算机视觉领域，特指基于多特征联合和Camshift算法结合的多目标跟踪方法。

背景技术

随着我国平安城市建设等各项政策的继续开展和深化，以及交通、教育、金融等各行业用户安防意识的不断增强，视频监控市场增长强劲，摄像头的数量快速增加，视频资源爆炸式增长。然而监控方式却仍然主要为人工监控，这就带来了很多问题，如监控人员疲劳、误报漏报多、录像检索困难、大量垃圾数据等，不能有效的利用视频监控系统的实时性。

为了解决上述众多问题，智能视频监控技术近几年来被提出并得到广泛研究和应用。智能视频监控系统将计算机视觉技术融入视频监控系统，对视频数据流进行自动检测、跟踪目标，分析目标的行为并进行相关记录，同时对视频监控系统进行实时控制，发出报警，使计算机代替人进行监控，给予视频监控系统智能性，变被动监控为主动监控。智能视频监控系统可以通过智能算法，完成全天候实时自动监控，同时有效降低误报率和漏报率，减少垃圾数据量。在事发之前就能够有效的进行报警，提示监控人员关注监控画面，事后提高视频内容检索速度，增强视频信息的可用性。综上所述，将现有大量的数字视频监控系统进行智能化的工作，己开始得到科研工作者、政府和商家的重视，有着很好的应用前景和研究价值。

目前，卡尔曼滤波器算法、Meanshift算法和Camshift算法是运动目标跟踪算法中集中比价成熟的算法。Bradski把Meanshift算法应用到连续序列图像的跟踪中，并称之为Camshift算法，此算法对不规则目标运动、图像噪声、虚假目标、光线变化都有较好的适应性，而且算法的实用性很好。但是当目标颜色和背景颜色相近或光照条件变化时，跟踪目标的准确性将受到很大的影响，在遇到运动目标出现遮挡的情况时容易陷入局部最大值，同时对快速运动目标往往会跟踪失败。

本发明针对智能视频监控系统中的多运动目标跟踪问题，结合安防的实际需求，研究准确、稳定、实时的多目标跟踪方法。本发明方法不仅适用于视频监控，还可应用于智能交通、医学诊断、智能工业机器人等领域。

发明内容

本发明的目的在于针对智能视频监控中多目标跟踪这个特定问题，提出一种基于多特征联合和Camshift算法相结合的多目标跟踪方法，从而提高智能视频监控的准确性，增强其监控的稳定性，使其满足实时性需求。

为实现上述目的，本发明采取的技术方案是：

一种基于多特征联合与改进的Camshift结合的多运动目标跟踪方法，该方法包括如下步骤S1-S3：

S1采集视频图像，基于背景差法和帧差法融合检测出该视频图像的多运动目标；

S1.1初始化背景模型；

S1.2利用帧差法背景更新，然后将图像进行二值化；

S1.3利用背景差法背景差分，然后将图像进行二值化；

S2将二值化的图像进行进一步的去噪；

S3基于Kalman滤波器和Camshift算法进行多运动目标跟踪。