[发明专利]基于前景检测的KCF跟踪目标丢失检测方法及系统

说明书

本发明涉及视觉目标跟踪技术领域，实施例公开一种基于前景检测的KCF跟踪目标丢失检测方法及系统。本申请提出的基于前景检测的KCF跟踪目标丢失检测方法，采用前景检测算法提取前景影像，利用KCF跟踪算法提取目标检测框，获取目标检测框对应的前景区域，计算前景区域中目标轮廓面积占前景区域总面积的占比值，设置占比值阈值判断KCF跟踪目标是否丢失的方法，解决了目标丢失后KCF算法本身不能察觉，并且KCF跟踪器会将背景信息作为目标继续进行跟踪的问题，本申请在不影响KCF目标跟踪实时性的基础上，实现了跟踪目标被大面积遮挡或离开镜头时的准确判断。

技术领域

本发明涉及视觉目标跟踪技术领域，具体涉及一种基于前景检测的KCF跟踪目标丢失检测方法及系统。

背景技术

视觉目标跟踪是计算机视觉领域中最具挑战的课题之一,广泛应用于视频监控、人机交互、智能汽车、医疗图像等领域。当前使用最多的是基于相关滤波算法的跟踪器，相关滤波类方法最主要的特点是算法复杂度低,运算速度快,满足实时要求，主要包括KCF跟踪器及其变体。目前针对KCF跟踪目标的丢失检测方法主要有基于异常值检测的KCF目标丢失检测方法和基于感知哈希算法的跟踪目标丢失检测。

当目标受尺度变化、严重遮挡、相似目标干扰和出视野等因素影响时,KCF算法仍会出现目标丢失现象。一旦目标丢失,跟踪器本身无法察觉,不具有目标丢失检测的能力,这是KCF跟踪算法固有的缺陷。在轨迹跟踪过程中，跟踪目标丢失会导致轨迹的跳跃或偏移。

发明内容

有鉴于此，本申请提供一种基于前景检测的KCF跟踪目标丢失检测方法，能够解决或者至少部分解决上述存在的问题。

为解决以上技术问题，本发明提供的技术方案是一种基于前景检测的KCF跟踪目标丢失检测方法，包括：

S1：接收视频流，利用前景检测算法提取每一帧视频影像的前景影像；

S2：利用KCF目标跟踪算法获取每一帧视频影像上跟踪目标的位置检测框；

S3：根据当前帧视频影像中跟踪目标的位置检测框坐标，提取当前帧前景影像中相同位置的前景区域；

S4：计算前景区域中跟踪目标轮廓面积占整个前景区域总面积的占比值，判断其占比值是否小于预设占比值阈值，若是则发出跟踪目标丢失信息。

优选的，所述步骤S1的方法包括：

S11：接收视频流并对视频流解码，获得视频影像；

S12：灰度化第一帧视频影像，初始化前景检测算法背景模型；

S13：依次读入每一帧视频影像，对当前帧视频影像先灰度化，再利用前景检测算法获取当前帧视频影像的前景影像；

S14：利用形态学对当前帧视频影像的前景影像进行去噪，获得当前帧的去除背景区域的包含跟踪目标的前景二值化影像。

优选的，所述步骤S2中的方法包括：

S21：获取第一帧视频影像上的目标区域；

S22：根据目标区域得到跟踪目标在第一帧视频影像中的位置检测框坐标，初始化KCF目标跟踪器；

S23：依次读入每一帧视频影像，向KCF目标跟踪器输入当前帧视频影像，返回跟踪目标在当前帧视频影像中的位置检测框坐标。

优选的，所述步骤S3的方法包括：

对当前帧视频影像，根据KCF目标跟踪器获取的跟踪目标的位置检测框坐标，在对应的前景二值化影像中提取前景区域。

优选的，所述步骤S4的方法包括：

S41：寻找前景区域内跟踪目标的所有连通区域，计算所有连通区域的总面积，获得跟踪目标轮廓面积；