[发明专利]一种基于Camshift算法的运动目标跟踪方法

说明书

本发明公开了一种基于Camshift算法的运动目标跟踪方法。该方法为：采集视频图像，对图像进行预处理；使用目标检测算法对运动目标进行检测；将视频图像转为HSV模型，对目标采用颜色概率直方图统计方法，并作反向投影，得到目标特征模板和初始搜索框的大小；采用Camshift算法，计算并调整下一帧的搜索框大小及质心坐标，更新特征模板；对下一帧的质心坐标进行预测，并将结果反馈给Camshift算法；判断运动目标是否遇到干扰，来确定融合系数，进而确定每一帧的搜索框大小及位置，实现对运动目标的准确跟踪；获取下一帧图像，更新目标特征模型，重复上述过程，直至完成运动目标的跟踪。本发明提高了运动目标跟踪的准确性和实时性。

技术领域

本发明属于运动目标跟踪技术领域，特别是一种基于Camshift算法的运动目标跟踪方法。

背景技术

运动目标跟踪是计算机视觉领域的重要分支，它是一门跨学科的新技术，涉及了图像处理、人工智能、模式识别、自动控制等多个领域。运动目标跟踪实用性高，应用面广，在军事国防安全及民用领域等都得到了广泛应用。正是因为目标跟踪系统应用的广泛性，所以受到全球各国科学研究工作者的密切关注，并逐渐成为机器视觉领域的研究重点。当前，机器视觉领域的目标跟踪技术发展趋势主要表现为场景信息与目标状态的融合，多维度、多层级信息的融合，深度学习与在线学习的融合和多传感器的融合。

目标跟踪是指针对视频或图像序列中指定的目标进行检测与跟踪，从而获得目标的位置、速度和轨迹等信息。由于图像常常存在光照条件变化、障碍物遮挡、目标尺度多变等问题，导致目标跟踪的效果不佳。这些问题都对目标跟踪算法的研究提出了挑战。因此，如何能够研究出稳定性高、准确率高、实时性高的目标检测和跟踪算法成为当前最为迫切的问题。

运动目标跟踪算法的研究离不开目标检测，目标检测为目标跟踪提供重要的模板。常见的目标检测算法有光流法、帧间差分法、背景差法和特征提取法。光流场法利用随时间变化的光流矢量特性，对运动目标进行检测，该算法使用简单但计算量大、实时性低；帧间差分法通过对视频序列中图像相邻帧的差异判断来获取目标位置，方法简单易理解，但因检测结果中易出现空洞情况而难以准确检测速度快的目标；背景差法通过对当前视频图像和背景图像求差值，并通过图像二值化处理来获取目标，该算法的难点在于基于背景建模；特征提取法通过提取目标对象的描述特征，然后构建基于机器学习的分类器进行目标检测，该算法在使用上较为复杂，难点在于对目标的图像特征的正确建模，常用于复杂背景的目标检测中。为了提高检测算法的准确性，常常会将几种检测算法结合使用。

随着目标跟踪技术的不断发展，现已有多种跟踪算法。根据目标模型的差异，传统的目标跟踪算法可分为两大类：生成类模型方法和判别类模型方法。生成类模型方法是通过对目标对象所在的区域建立目标模型，并在每帧图像中寻找相近区域的目标跟踪方法。生成类目标跟踪算法因使用简单，易于实现而被广泛应用。生成类算法又可细分为三类：基于模板匹配的目标跟踪算法、基于子空间的目标跟踪算法和基于稀疏编码的目标跟踪算法。经典的生成类跟踪算法有：Meanshift算法、粒子滤波算法、卡尔曼滤波算法等。判别类模型方法则是通过在当前帧图像中，建立以目标区域为正样本、以背景区域为负样本，利用机器学习算法来训练分类器，并使用分类器来得到最优区域，从而实现目标跟踪的方法。判别类跟踪算法的准确率高，可应用于复杂背景的目标跟踪，但该类算法计算量大，实时性低，且对硬件装置要求较高。较为经典的判别类跟踪算法有：KCF算法及SVM算法等。

如今，目标跟踪技术已经得到了充分的发展，但由于跟踪场景多变，现实环境复杂，目标跟踪的研究仍然存在挑战。每种算法都存在自身独特的优点，但同时亦有局限性，单一的跟踪算法很难同时满足实时性、准确性和稳定性要求。

发明内容

本发明的目的在于提供一种能够更准确、实时地检测出运动目标的基于Camshift算法的运动目标跟踪方法。

实现本发明目的的技术解决方案为：一种基于Camshift算法的运动目标跟踪方法，包括以下步骤：