一種對多個運動目標進行跟蹤的方法及裝置的制造方法
【技術領域】
[0001] 本發(fā)明涉及目標跟蹤技術領域，特別是涉及一種對多個運動目標進行跟蹤的方法 及裝置。
【背景技術】
[0002] 為解決遮擋問題，國內(nèi)外學者進行了大量的研究，提出了許多在特定場合下比較 有效的算法。有中心加權、概率、多樣學習建模以及分塊等。中心加權就是中間占較大權重， 邊緣占較小權重，當發(fā)生輕微遮擋時由于邊緣所占權重較小，因此對結果影響較小，但若遮 擋稍微嚴重一些時，中心部分特征失效從而導致算法失效；概率就是指一類基于概率分析 的方法來解決遮擋問題的算法，如常見的粒子濾波算法，通過一些離散的隨機采樣點（粒 子）近似表示狀態(tài)變量的概率密度函數(shù)，通過概率評估目標的最佳位置，實現(xiàn)跟蹤；多樣學 習建模是指通過大量的樣本學習對目標建模；而分塊是解決遮擋問題的代表方法之一，目 標被遮擋的時候仍有部分信息未被遮擋，采用分塊的方式就能利用這部分未被遮擋的局部 f目息進彳丁跟蹤。
[0003] 而當目標之間發(fā)生遮擋時，目標被遮擋部分的信息已經(jīng)失效，此時如果繼續(xù)將該 部分的特征作為匹配特征，必然導致跟蹤算法失效。因此，提供一種將未被遮擋的子塊作為 有效匹配子塊進行匹配來對多個運動目標進行跟蹤的方法是非常有必要的。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種對多個運動目標進行跟蹤的方法及裝置，目的在于解決 現(xiàn)有技術中對交叉遮擋目標進行目標跟蹤的問題。
[0005] 為解決上述技術問題，本發(fā)明提供一種對多個運動目標進行跟蹤的方法，包括：
[0006] 米集視頻幀圖像；
[0007] 從所述視頻幀圖像中檢測出各個運動目標的運動區(qū)域；
[0008] 對所述運動區(qū)域進行分塊，獲取所述運動區(qū)域內(nèi)子塊的跟蹤特征；
[0009] 篩選所述運動區(qū)域內(nèi)未被其他運動目標所遮擋的子塊作為有效匹配子塊；
[0010] 將所述有效匹配子塊的跟蹤特征與預先建立的多個運動目標中相對應的子塊的 跟蹤特征進行匹配，分別確定各個運動目標的當前位置；
[0011] 其中，所述跟蹤特征包括通過對區(qū)域內(nèi)子塊進行閾值處理得到的強梯度帶特征以 及區(qū)域內(nèi)側的灰度特征。
[0012] 可選地，所述獲取所述運動區(qū)域內(nèi)子塊的跟蹤特征包括：
[0013] 通過索貝爾算子計算相應區(qū)域內(nèi)所有像素點的梯度值；
[0014] 將所述梯度值與預設閾值相比較，獲取所述梯度值大于所述預設閾值的強梯度像 素點；
[0015] 沿所述強梯度像素點的梯度方向向目標匹配時的搜索中心推移預設個像素點，得 到內(nèi)側點灰度值；
[0016] 將梯度方向以及灰度值分別均分為預設多個等級進行統(tǒng)計分析；
[0017] 通過梯度方向直方圖和灰度直方圖的重心對子塊特征進行量化，得到所述子塊的 跟蹤特征。
[0018] 可選地，所述篩選所述運動區(qū)域內(nèi)未被其他運動目標所遮擋的子塊作為有效匹配 子塊包括：
[0019] 預測各個運動目標在下一幀圖像中的位置坐標；
[0020] 通過所述運動目標的位置坐標和透視原理判斷所述運動目標之間是否存在遮 擋；
[0021] 當所述運動目標之間存在遮擋時，判斷對應被遮擋的子塊的位置，確定未被遮擋 的子塊作為有效匹配子塊；當所述運動目標之間不存在遮擋時，確定所述運動目標的所有 子塊均為有效匹配子塊。
[0022] 可選地，所述將所述有效匹配子塊的跟蹤特征與預先建立的多個運動目標中相對 應的子塊的跟蹤特征進行匹配，分別確定各個運動目標的當前位置包括：
[0023] 在所述運動區(qū)域內(nèi)進行搜索，對所述運動目標搜素區(qū)域內(nèi)的多個可能候選位置進 行評估，計算各個有效匹配子塊的跟蹤特征的歐式距離：
[0025] 將各個有效匹配子塊求得的歐式距離的總和作為目標特征差異值；
[0026] 將差異值最小的候選位置確定為所述運動目標的當前位置。
[0027] 可選地，在所述從所述視頻幀圖像中檢測出各個運動目標的運動區(qū)域之前還包 括：
[0028] 對所述視頻幀圖像進行預處理操作。
[0029] 本發(fā)明還提供了一種對多個運動目標進行跟蹤的裝置，包括：
[0030] 采集模塊，用于采集視頻幀圖像；
[0031] 檢測模塊，用于從所述視頻幀圖像中檢測出各個運動目標的運動區(qū)域；
[0032] 獲取模塊，用于對所述運動區(qū)域進行分塊，獲取所述運動區(qū)域內(nèi)子塊的跟蹤特 征；
[0033] 篩選模塊，用于篩選所述運動區(qū)域內(nèi)未被其他運動目標所遮擋的子塊作為有效匹 配子塊；
[0034] 匹配模塊，用于將所述有效匹配子塊的跟蹤特征與預先建立的多個運動目標中相 對應的子塊的跟蹤特征進行匹配，分別確定各個運動目標的當前位置；
[0035] 其中，所述跟蹤特征包括通過對區(qū)域內(nèi)子塊進行閾值處理得到的強梯度帶特征以 及區(qū)域內(nèi)側的灰度特征。
[0036] 可選地，所述獲取模塊包括：
[0037] 計算單元，用于通過索貝爾算子計算相應區(qū)域內(nèi)所有像素點的梯度值；
[0038] 第一獲取單元，用于將所述梯度值與預設閾值相比較，獲取所述梯度值大于所述 預設閾值的強梯度像素點；
[0039] 第二獲取單元，沿所述強梯度像素點的梯度方向向目標匹配時的搜索中心推移預 設個像素點，得到內(nèi)側點灰度值；
[0040] 統(tǒng)計單元，用于將梯度方向以及灰度值分別均分為預設多個等級進行統(tǒng)計分析；
[0041] 第三獲取單元，用于通過梯度方向直方圖和灰度直方圖的重心對子塊特征進行量 化，得到所述子塊的跟蹤特征。
[0042] 可選地，所述篩選模塊包括：
[0043] 預測單元，用于預測各個運動目標在下一幀圖像中的位置坐標；
[0044] 判斷單元，用于通過所述運動目標的位置坐標和透視原理判斷所述運動目標之間 是否存在遮擋；
[0045] 確定單元，用于當所述運動目標之間存在遮擋時，判斷對應被遮擋的子塊的位置， 確定未被遮擋的子塊作為有效匹配子塊；當所述運動目標之間不存在遮擋時，確定所述運 動目標的所有子塊均為有效匹配子塊。
[0046] 可選地，所述匹配模塊用于將所述有效匹配子塊的跟蹤特征與預先建立的多個運 動目標中相對應的子塊的跟蹤特征進行匹配，分別確定各個運動目標的當前位置包括：
[0047] 所述匹配模塊具體用于在所述運動區(qū)域內(nèi)進行搜索，對所述運動目標搜素區(qū) 域內(nèi)的多個可能候選位置進行評估，計算各個有效匹配子塊的跟蹤特征的歐式距離：
將各個有效匹配子塊求得的歐式距 離的總和作為目標特征差異值；將差異值最小的候選位置確定為所述運動目標的當前位 置。
[0048] 可選地，還包括：
[0049] 預處理模塊，用于在所述檢測模塊從所述視頻幀圖像中檢測出各個運動目標的運 動區(qū)域之前，對所述視頻幀圖像進行預處理操作。
[0050] 本發(fā)明所提供的對多個運動目標進行跟蹤的方法及裝置，通過采集視頻幀圖像， 檢測出各個運動目標的運動區(qū)域；對該運動區(qū)域進行分塊，獲取得到運動區(qū)域內(nèi)子塊的跟