[发明专利]一种基于固定摄像头视频图像的目标跟踪算法

摘要

本发明涉及一种基于固定摄像头视频图像的目标跟踪算法，首先对视频图像进行背景建模，得到运动的前景区域，然后通过跟踪目标的大小及位置信息，将跟踪结果与前景检测得到的结果对应起来，得到跟踪目标对应的前景区域，并将这个前景区域与KLT算法的跟踪结果综合起来，得到更准确的跟踪结果。本发明能提高跟踪效率和准确度。

主权项

一种基于固定摄像头视频图像的目标跟踪算法，首先对视频图像进行背景建模，得到运动的前景区域，然后通过跟踪目标的大小及位置信息，将跟踪结果与前景检测得到的结果对应起来，得到跟踪目标对应的前景区域，并将这个前景区域与KLT算法的跟踪结果综合起来，得到更准确的跟踪结果，包括下列步骤：(1)对视频图像进行混合高斯背景建模，得到视频中的运动前景区域；(2)特征点跟踪：对第一帧使用KLT算子进行特征点检测，对于之后的图片，通过分析特征点在样本上的覆盖情况，确定是否重新计算特征点，并使用LK光流法对这些特征点进行跟踪，得到所有特征点平均位移矢量vd；(3)跟踪目标对应前景，对于当前帧，包括如下步骤：1)使用Kalman滤波器对目标位置进行预测，得到Kalman滤波器预测的位移；2)结合Kalamn滤波器预测结果与运动前景区域，得到跟踪目标对应的前景矩形区域rB，对当前帧跟踪目标位置的预测ck以及上一帧跟踪的最终结果这一步具体步骤如下：(4)将这个前景区域与KLT算法的跟踪结果综合起来，得到最终的跟踪结果rresult，即得到两个量：rresult的中心位置cresult以及rresult的大小Sresult，方法如下：1)对于位移矢量vd，权重系数为：ωdc=exp[-ud(1-N/M)]]]>其中M和N分别为检测到的特征点的总数及这些点经过聚类后结果中包含的点的数目，ud＝2；2)对于由Kalman滤波器预测的位置ck，权重系数为：ωkc=exp[-uk(xd-xk)2+(yd-yk)2xd2+xk2+yd2+yk2]{1-exp[-ud(1-NM)]}]]>其中xk和yk分别为卡曼滤波器预测得到的中心位置在图像中的x坐标和与y坐标；xd和yd为上一帧跟踪目标的位置在第(1)步得到的位移矢量vd作用下移动到的位置的x坐标和与y坐标；vk为Kalman滤波器预测位置与原位置相比的位移，uk＝2；3)对于前景矩形区域rB的中心位置cB，权重系数：ωBc=exp{-uB[(w-w‾w‾)2+(h-h‾h‾)2]}]]>其中w，h分别为rB的宽与高，和分别是按照每帧20％和30％的固定速率更新的平均宽与高，即每帧计算出rresult之后，将rresult的宽与高分别乘以20％和30％，再与当前的和乘以80％和70％的结果相加，得到的平均结果，uB＝15；对前三步计算得到的三个权重数进行归一化，并根据此三个权重，最终得到的rresult中心点cresult；4)对于跟踪目标对应的前景区域rB的大小，权重系数的形式与进行位置预测时相同，为：ωBS=exp{-uB[(w-w‾w‾)2+(h-h‾h‾)2]}]]>5)对于前一帧跟踪结果的大小Sp,权重系数为一个固定值；6)对5)6)两步得到的两个权重进行归一化，根据此两个权重得到rresult大小Sresult。