[发明专利]用于球机控制策略的多目标检测跟踪方法

摘要

本发明公开了一种用于球机控制策略的多目标检测跟踪方法，主要包括对获得的枪机视频图像数据进行预处理、去除多余帧图像、对于第[2，N]帧图像进行前景点检测、背景模型更新、联通区域分析、计算目标特征、计算比较相邻帧目标相似性、多特征相似性融合、最优匹配、目标找回、状态更新和目标特征更新。本发明可以提高目标跟踪的准确性；可以很好的处理分离以及合并事件，以及对发生此事件相关的目标ID重新找回；可以有效的提升相似性精度，使得在匹配的过程中精度提升，大大的提升了匹配准度，降低错匹配率；对合并分离后的目标的ID重新找回更加准确；算法实时性高，运行效率非常高，并且占用内存较少，适合前端嵌入式环境下实现。

主权项

一种用于球机控制策略的多目标检测跟踪方法，其特征在于，包括以下步骤：A1：对获得的枪机视频图像数据进行预处理，首先将图像缩小，然后对缩小后的图像进行去噪处理；A2：取出预处理后的图像，如果取得第1帧图像，则对第1帧图像进行进行背景模型初始化和多目标检测跟踪算法初始化，然后跳转至步骤A1并查找下一帧图像，如果取得第[2，N]帧图像，则继续执行步骤A3；A3：对于第[2，N]帧图像进行前景点检测，并且更新背景模型；A4：采用形态学的开操作对获得的前景点图像进行去噪处理，核尺寸大小为5×5，然后采用形态学的闭操作将距离比较近的前景点图像连到一起，所述的比较近指的是距离小于或等于最小处理单元3×3pixel的前景点；A5：联通区域分析，对前景点图像进行联通区域算法操作，将离散的前景点图像合并为联通的区域图像；A6：计算目标特征，包括计算每个联通区域图像的面积和质心点坐标，并统计每个联通区域图像的颜色直方图，通过设置最小及最大面积阈值，过滤过大或过小的目标；A7：计算之前帧图像与当前帧图像所有目标的特征相似性，包括面积相似性、颜色直方图相似性、重合面积比例和运动估计；A8：多特征相似性融合，利用多特征融合算法将步骤A7中得到的四个特征相似性归一化为统一值；A9：基于全局的最优匹配，通过归一化后的特征值，寻找之前帧图像与当前帧图像之间所有目标的最佳匹配对，并通过重合面积比例特征，对合并及分离事件进行估计，在去除分离与合并后的目标后，对剩余的目标采用匈牙利算法进行全局最优匹配；A10：将合并与分离事件的ID进行重新整理和分配，这里的合并事件相对简单，新建多目标对象，同时保存每个子目标的数据关联，分离事件相对复杂，需要对目标ID进行重新分配，采用的准则如下：如果分离之前的多目标对象所包含的子目标个数小于等于当前分离出来的目标个数，则将分离之前的多目标对象所包含的所有子目标与分离出来的目标进行匹配；如果分离之前的多目标对象所包含的子目标个数大于当前分离出来的目标个数，则：如果分离出来的目标个数等于2，则认为其中一个目标与分离之前的多目标对象所包含的其中一个子目标匹配，另外一个目标与剩余所有子目标匹配，如果不等于2，则删除多个目标，重新对当前分离出的目标进行初始化；A11：当目标部分或者全部被遮挡后，重新找回目标ID；A12：状态更新，将目标的状态分为初始化状态、正常跟踪状态、丢失状态和消失状态四类，初始化状态通过目标稳定进行判定，当目标在某一时段足够稳定，则目标进行正常跟踪状态，当正常跟踪状态下的目标突然丢失，则进入丢失状态，在丢失状态下维持T秒时间内，仍然没有找回，则进入消失状态，此时删除目标ID，认为目标已经离开此场景；A13：目标特征更新，将当前帧图像所有目标的特征更新后跳转至步骤A1。