[发明专利]基于颜色-结构特征的目标对象跟踪方法

摘要

本发明针对现有技术中对视频图像中的运动对象跟踪的复杂度高与准确性低的缺陷，提供一种基于颜色‑结构特征的目标对象跟踪方法，该方法包括：对视频中的图像进行对象检测，获取视频的当前帧图像中的至少一个对象，对对象进行超像素分割，确定对象的颜色特征和结构特征；通过与预设的对象模型数据库中的待跟踪对象进行颜色特征和结构特征的比对匹配，在当前帧图像中确定待跟踪的目标对象，记录目标对象在当前帧图像中的位置信息；根据目标对象在当前帧图像中的颜色特征和结构特征，在视频的下一帧图像中跟踪目标对象，更新目标对象的位置信息。本发明有效增强了视频跟踪算法对纹理单一目标跟踪的准确性和鲁棒性。 1

主权项

1.一种基于颜色‑结构特征的目标对象跟踪方法，其特征在于，所述方法包括：

对视频中的图像进行对象检测，获取所述视频的当前帧图像中的至少一个对象；

根据所述对象的像素颜色信息，对所述对象进行超像素分割；

根据所述对象中符合预设条件的超像素，确定所述对象的颜色特征和结构特征，所述对象的结构特征包括所述对象中的超像素的距离和夹角；

通过与预设的对象模型数据库中的待跟踪对象进行颜色特征和结构特征的比对匹配，在所述当前帧图像中确定待跟踪的目标对象，记录所述目标对象在所述当前帧图像中的位置信息；

根据所述目标对象在所述当前帧图像中的颜色特征和结构特征，在所述视频的下一帧图像中跟踪所述目标对象，更新所述目标对象的位置信息。

2.根据权利要求1所述的基于颜色‑结构特征的目标对象跟踪方法，其特征在于，对视频中的图像进行对象检测，包括：

读取所述视频中的图像，通过前景识别或轮廓识别，对所述视频中的图像进行所述对象检测。

3.根据权利要求1或2所述的基于颜色‑结构特征的目标对象跟踪方法，其特征在于，该方法包括：

对所述对象进行所述超像素分割，所述对象得到一组包含l个超像素的集合{S¹,S²,S³,…,S¹}，其中，l为大于等于1的正整数。

4.根据权利要求3所述的基于颜色‑结构特征的目标对象跟踪方法，其特征在于，根据所述对象中符合预设条件的超像素，确定所述对象的颜色特征和结构特征，包括：

所述对象的超像素集合中，超像素S^k所包含的像素数为n^k，所述超像素S^k的大小ρ^k为：

根据所述对象的超像素集合中ρ大于预设阈值的超像素，计算得到所述对象的颜色特征和结构特征。

5.根据权利要求4所述的基于颜色‑结构特征的目标对象跟踪方法，其特征在于，该方法还包括：

将基于HSV颜色空间描述的所述像素颜色信息，转换为通过柱坐标系下的欧氏空间坐标表示所述像素的颜色特征。

6.根据权利要求4所述的基于颜色‑结构特征的目标对象跟踪方法，其特征在于，在所述当前帧图像中确定待跟踪的目标对象，包括：

进行所述比对匹配后，计算所述当前帧图像中的对象与所述待跟踪对象的匹配度，若所述匹配度达到预设的匹配阈值，则将所述当前帧图像中的该对象确定为所述目标对象。

7.根据权利要求1所述的基于颜色‑结构特征的目标对象跟踪方法，其特征在于，该方法还包括：

记录所述目标对象在所述当前帧图像中的位置信息后，根据所述目标对象在所述当前帧图像中的位置信息，估测所述目标对象在所述下一帧图像中的位置信息。

8.根据权利要求7所述的基于颜色‑结构特征的目标对象跟踪方法，其特征在于，根据所述目标对象在所述当前帧图像中的颜色特征和结构特征，在所述视频的下一帧图像中跟踪所述目标对象，包括：

根据估测出的所述目标对象在所述下一帧图像中的位置信息，在所述下一帧图像中提取子图像，根据所述目标对象在所述子图像中的颜色特征和结构特征，在所述子图像中确定所述目标对象。

9.根据权利要求1所述的基于颜色‑结构特征的目标对象跟踪方法，其特征在于，该方法还包括：

对所述视频中的图像进行所述对象检测前，建立所述对象模型数据库，存储所述待跟踪对象的颜色特征和结构特征。