[发明专利]一种基于光流特征的视频目标检测与跟踪方法

摘要

一种基于光流特征的视频目标检测与跟踪方法，第一步为视频目标检测首先对输入的图像帧序列进行背景采样，计算采样后的每个像素点的光流矢量，并通过Mean Sift算法估计背景运动，然后估计目标的整体显著性，最后通过目标显著性检测的结果设定阈值，实现目标区域与背景区域的分离。第二步为视频目标跟踪首先选取目标区域为正样本，背景区域为负样本；利用Haar特征和目标全局颜色特征对目标进行描述，并采用随机矩阵的方式对原有特征进行抽样压缩；通过贝叶斯准则判断它与上一帧目标的相似性，最后利用粒子滤波算法对目标进行持续跟踪。本发明将目标运动显著性、颜色、纹理等多特征融合，提高目标检测的成功率，实现快速、有效地持续跟踪。

主权项

一种基于光流特征的视频目标检测与跟踪方法，其特征在于，包括以下步骤：包括以下步骤：S1、视频目标检测S11、输入无人机视频序列，基于背景局部邻域方差的等间隔采样方法对输入的图像帧序列进行背景采样，通过box‑filter方法计算出每个像素点的局部邻域方差，根据背景图像的局部方差分布图设定阈值，对图像进行分区域采样，滤除部分不利于LK算法匹配的采样点，同时保留目标所在位置的采样点；S12、由步骤S11得到采样后的像素点集合，通过LK光流法计算S11采样后的像素点集合中每个像素点的光流矢量，通过Mean Shift算法估计出背景的运动矢量；S13、估计目标整体显著性，分为背景中无运动目标和背景中有运动目标两种情形，两种情形估计目标整体显著性的方法分别如下：(1)背景中无运动目标时，以背景图像运动显著性分布为整体显著性分布估计，其定义式为：式中K为采样点Ci的局部邻域，Sm表示每个采样点与周围背景的运动矢量差异性的集合；(2)背景中有运动目标时，以运动显著性分布为主，颜色显著性为辅估计目标整体显著性，首先采用与(1)中相同的方法计算运动显著性Sm，同时基于颜色对比度的Center‑Surround模型，通过像素点在邻域空间的特征差异度来计算颜色显著性Sc，将运动显著性Sm和颜色显著性Sc进行线性加权估计目标整体显著性；S14、由步骤S13中得到的目标整体显著性分布估计结果设定分割阈值，实现目标区域与背景区域的分离；S2、视频目标跟踪S21、将目标区域与背景区域分离之后，对目标边缘进行标注，提取目标边缘E，以E为起始位置，设置半径为r，在E+r范围内对正样本图像采样，在E‑r范围外对负样本图像采样，其中正样本图像为包含目标在内的样本图像，负样本为背景图像；S22、对S21得到的正样本图像进行目标描述，利用Haar特征描述目标纹理特征，采用YUV局部颜色直方图模型描述目标颜色特征；S23采用稀疏矩阵压缩方式对S22得到的Haar特征进行抽样压缩，通过贝叶斯准则判断它与上一帧目标的相似性，利用粒子滤波算法对目标进行持续跟踪。