[发明专利]一种基于复杂环境的目标智能跟踪方法

摘要

本发明公开了一种基于复杂环境的目标智能跟踪方法，采集当前时刻的视频流数据，依次对视频流数据中的每一帧视频图像进行分析，启动混合高斯模型，建立背景高斯模型和前景高斯模型，过滤视频中的动作干扰，通过小波变换和傅里叶变换去除雨雪条纹噪声，锁定目标，开始执行跟踪操作，在跟踪的过程中，持续进行噪声去除处理。本发明基于通过混合高斯模型自适应分析算法，有效过滤复杂环境中画面的各种运动干扰，如刮风造成的树叶摇动等，结合小波变换和傅里叶变换可有效滤除画面中的雨雪噪声。

主权项

一种基于复杂环境的目标智能跟踪方法，其特征在于，包括以下步骤：S1、采集当前时刻的视频流数据，依次对视频流数据中的每一帧视频图像进行分析，判断是否有异常帧图像，若存在则进行异常类型检测；S2、启动混合高斯模型，对视频流数据中的每帧视频图像的每个像素点建立X个高斯模型；S3、根据高斯模型的权重对该X个高斯模型进行排序，并对权重进行累计求和，若前N个高斯模型的权重和大于预设阈值，则将该前N个高斯模型设为背景像素点，建立背景高斯模型，将后X‑N个高斯模型设为前景像素点，建立前景高斯模型；S4、根据当前时刻像素点以及该像素点的历史像素点的均值和方差为每个像素点匹配相应的高斯模型，计算当前时刻像素点与其历史像素点的均值之差的绝对值，若该绝对值与该像素点的历史像素点的方差的比值小于预设匹配阈值，则将该当前时刻像素点与背景像素点的高斯模型进行匹配，若该比值不小于预设匹配阈值，则将当前时刻像素点与前景像素点的高斯模型进行匹配；S5、根据视频流数据中的背景变化和S4中的比较结果，混合高斯模型自适应更新模型参数，更新X个高斯模型的权值，得出匹配度最高的背景高斯模型参数，完成复杂背景建模；S6、将前景高斯模型的所匹配的前景图像进行小波正变换处理，若前景图像为彩色图像，则通过R、G、B三通道分别对其进行小波分析处理，得到前景图像的近似图LL、水平方向细节图HL、垂直方向细节图LH和对角线方向细节图HH，提取垂直方向细节图，对垂直方向细节图进行傅里叶正变换，并删除其预设频段的高频部分完成高频过滤；S7、高频过滤处理后通过傅里叶反变换还原得到新的垂直方向细节图，再通过小波反变换重构前景图像，若原前景图像为彩色图像，则再通过R、G、B三通道合并得到过滤后的前景图像；S8、通过形态学处理，提取出独立的运动目标区域，锁定目标，开始执行跟踪操作，在目标跟踪的过程中，重复执行步骤S1‑S7。