一種遮擋狀態(tài)下運動目標穩(wěn)定追蹤的自動裝置制造方法
【專利摘要】本發(fā)明公開了一種遮擋狀態(tài)下運動目標穩(wěn)定追蹤的自動裝置，包括一視頻輸入設(shè)備、一視覺識別系統(tǒng)PC主機、一輸入設(shè)備和一輸出設(shè)備。為了提高目標處于遮擋、交互、轉(zhuǎn)向等各種復(fù)雜遮擋狀態(tài)下的跟蹤穩(wěn)定性與實時性，視覺識別系統(tǒng)首先對整個場景中所有目標提取簡單的顏色、形狀和位置特征建立初始目標匹配，利用目標的運動方向及速率預(yù)測下幀中優(yōu)先搜索區(qū)域以加快目標匹配效率，減少運算量。然后對未建立對應(yīng)關(guān)系的遮擋目標采用外觀特征模型進行再匹配，并采用基于運動方向變化率機制對外觀特征模型進行自適應(yīng)更新。該系統(tǒng)結(jié)構(gòu)簡單、高實時高精度，有效地實現(xiàn)了遮擋狀態(tài)下運動目標穩(wěn)定追蹤功能。
【專利說明】一種遮擋狀態(tài)下運動目標穩(wěn)定追蹤的自動裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于電子設(shè)備領(lǐng)域，涉及一種遮擋狀態(tài)下運動目標穩(wěn)定追蹤的自動裝置。
【背景技術(shù)】
[0002]隨著視頻監(jiān)控需求的迅速增長、監(jiān)控規(guī)模的日益擴大，人工監(jiān)視已遠遠不能滿足監(jiān)控要求，視頻監(jiān)控系統(tǒng)的“智能化”變得越來越迫切。目標追蹤廣泛應(yīng)用在視頻監(jiān)控、視頻編碼以及軍事領(lǐng)域中，如何實現(xiàn)遮擋狀態(tài)下運動目標穩(wěn)定追蹤，是計算機視覺中一個具有相當挑戰(zhàn)性的課。
[0003]在運動目標分割后，目標跟蹤方法主要分為四個種類:基于區(qū)域的跟蹤(Region-based Tracking)、基于活動輪廓的跟蹤(Active-contour-based Tracking)、基于特征的跟蹤(Feature-based Tracking)和基于模型的跟蹤(Model-based Tracking)?；趨^(qū)域的跟蹤方法根據(jù)運動目標區(qū)域的屬性變化(比如目標區(qū)域的位置、大小等)進行簡單快速地跟蹤，在很少運動目標的場景下效果很好，但當運動目標出現(xiàn)遮擋時較難持續(xù)的正確跟蹤?；诨顒虞喞母櫡椒ㄖ饕鶕?jù)目標的外形輪廓進行跟蹤，相對于基于區(qū)域的跟蹤方法，輪廓表達有減少計算復(fù)雜度的優(yōu)點，然而輪廓描述正確與否決定了跟蹤的精度，而且該方法對跟蹤的初始化也非常敏感，以致較難自動啟動跟蹤?；谔卣鞯母櫡椒ㄖ饕ㄟ^目標區(qū)域的全局特征(比如面積、周長等)或局部特征(比如點、線特征等)進行跟蹤，該方法能處理部分遮擋下的跟蹤問題，其難點是如何確定目標的唯一特征集，若采用特征過多，系統(tǒng)效率將降低，且容易產(chǎn)生錯誤?；谀Ｐ偷母櫡椒ɡ媚繕四Ｐ瓦M行匹配跟蹤，能達到較穩(wěn)定的跟蹤效果，但該方法需要事先構(gòu)造好目標模型，運動分析的精度取決于幾何模型的精度，在現(xiàn)實生活中獲得運動目標的精確幾何模型是非常困難的，并且跟蹤過程計算復(fù)雜、非常耗時，難以實現(xiàn)實時的運動目標跟蹤。因此設(shè)計遮擋狀態(tài)下運動目標穩(wěn)定追蹤方法具有重要的理論研究意義與工程應(yīng)用價值。

【發(fā)明內(nèi)容】

[0004]本發(fā)明提供了一種遮擋狀態(tài)下運動目標穩(wěn)定追蹤的自動裝置。
[0005]一種遮擋狀態(tài)下運動目標穩(wěn)定追蹤的自動裝置，包括
[0006]一視頻輸入設(shè)備，用于獲得視頻數(shù)據(jù)；
[0007]一視覺識別系統(tǒng)，核心是具備Intel CPU處理器和DDR內(nèi)存的PC電腦設(shè)備，用于識別與處理視頻輸入系統(tǒng)獲得的視頻數(shù)據(jù)；
[0008]一電腦輸入設(shè)備，用于輸入用于控制視覺識別系統(tǒng)的指令；
[0009]一電腦輸出設(shè)備，用于輸出視覺識別系統(tǒng)識別處理后的視頻數(shù)據(jù)
[0010]所述的視頻輸入設(shè)備為攝像機，通過視頻輸入接口與PC機相連，用于視頻的輸A ；
[0011]所述的輸入輸出系統(tǒng)包括PC電腦系統(tǒng)的鍵盤與顯示器，用于輸入用于控制視覺識別系統(tǒng)的指令和輸出視覺識別系統(tǒng)識別處理后的視頻數(shù)據(jù)。[0012]為進行遮擋狀態(tài)下運動目標穩(wěn)定追蹤，所述的視覺識別系統(tǒng)執(zhí)行以下步驟:
[0013](I)根據(jù)輸入的視頻序列，對前景運動區(qū)域進行分割，通過連通性分析對前景目標區(qū)域進行聚類分組，并剔除掉微小型運動目標，同時計算各個目標的外接矩形，記錄其左上角和右下角坐標位置以及二維前景像素掩碼矩陣；
[0014](2)計算各個運動目標的區(qū)域特征，包括全局顏色均值、質(zhì)心坐標、目標大小以及長寬比特征，并根據(jù)相鄰兩幀圖像中相匹配的運動目標之間質(zhì)心坐標之差計算出該目標的運動方向與速率。
[0015](3)根據(jù)上述特征的相對變化值在整個場景中建立初始目標匹配，并利用目標的運動方向及速率，預(yù)測下幀中優(yōu)先搜索區(qū)域，以加快目標匹配效率、減少運算量。對未建立對應(yīng)關(guān)系的正進入/正離開/遮擋目標，根據(jù)目標遮擋與邊界狀態(tài)信息，采用外觀特征模型進行再匹配。該外觀特征模型通過目標前景像素顏色灰度統(tǒng)計和二維前景像素掩碼矩陣信息，進行目標區(qū)域的搜索與匹配，同時根據(jù)目標運動方向的變化率自適應(yīng)更新目標前景像素顏色灰度統(tǒng)計參數(shù)。
[0016]系統(tǒng)所要提取的運動目標區(qū)域特征包括全局顏色均值、質(zhì)心坐標、目標尺寸、運動方向和運動速率以及長寬比，以下是對這些特征的具體描述:
[0017]? CM表示顏色均值，是目標所有像素點顏色的均值。
[0018]? AR表示長寬比，AR=H/W，其中H和W分別表示目標外接矩形的長和寬。
[0019]? CC表示目標外接矩形的質(zhì)心坐標。
[0020]? OS表示目標尺寸，是目標的像素點個數(shù)。
[0021]? MD表示運動方向，由兩個連續(xù)幀中相同目標的質(zhì)心坐標交叉相乘所得。
[0022]? MV表示運動速率，由兩個連續(xù)幀中相同目標的質(zhì)心坐標相減所得。
[0023]系統(tǒng)使用最小代價準則建立在整個場景中建立相鄰幀之間的初始目標匹配，關(guān)聯(lián)表達式Pm，n由相鄰兩幀中目標m和目標n的特征參數(shù)計算得出，如下所示:
[0024]Pm, n=aCMm； n+bARm； n+cCCm； n+dOSm； n (I)
[0025]其中(a，b，c，d)是預(yù)設(shè)的權(quán)重因子，且a+b+c+d=l。
[0026]CMm，n代表在RGB顏色空間中相鄰兩幀中目標m和目標n的顏色均值差，計算如下:
【權(quán)利要求】
1.一種遮擋狀態(tài)下運動目標穩(wěn)定追蹤的自動裝置，包括: 一視頻輸入設(shè)備，用于獲得視頻數(shù)據(jù)； 一視覺識別系統(tǒng)，核心是擁有Inte CPU處理器和DDR內(nèi)存的PC電腦設(shè)備，用于識別與處理視頻輸入系統(tǒng)獲得的視頻數(shù)據(jù)； 一電腦輸入設(shè)備，用于輸入用于控制視覺識別系統(tǒng)的指令； 一電腦輸出設(shè)備，用于輸出視覺識別系統(tǒng)識別處理后的視頻數(shù)據(jù)。 為進行遮擋狀態(tài)下運動目標穩(wěn)定追蹤，所述的視覺識別系統(tǒng)執(zhí)行以下步驟: (1)根據(jù)輸入的視頻序列，對前景運動區(qū)域進行分割，通過連通性分析對前景目標區(qū)域進行聚類分組，并剔除掉微小型運動目標，同時計算各個目標的外接矩形，記錄其左上角和右下角坐標位置以及二維前景像素掩碼矩陣； (2)計算各個運 動目標的區(qū)域特征，包括全局顏色均值、質(zhì)心坐標、目標大小以及長寬比特征，并根據(jù)相鄰兩幀圖像中相匹配的運動目標之間質(zhì)心坐標之差計算出該目標的運動方向與速率； (3)根據(jù)上述特征的相對變化值在整個場景中建立初始目標匹配，并利用目標的運動方向及速率，預(yù)測下幀中優(yōu)先搜索區(qū)域，以加快目標匹配效率、減少運算量。對未建立對應(yīng)關(guān)系的正進入/正離開/遮擋目標，根據(jù)目標遮擋與邊界狀態(tài)信息，采用外觀特征模型進行再匹配。該外觀特征模型通過目標前景像素顏色灰度統(tǒng)計和二維前景像素掩碼矩陣信息，進行目標區(qū)域的搜索與匹配，同時根據(jù)目標運動方向的變化率自適應(yīng)更新目標前景像素顏色灰度統(tǒng)計參數(shù)； (4)通過輸出設(shè)備輸出運動目標追蹤結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種非靜態(tài)背景下運動區(qū)域快速定位的智能裝置，其特征在于，所述的步驟(2)中的計算各個運動目標的區(qū)域特征的方法如下: 系統(tǒng)所要提取的運動目標區(qū)域特征包括全局顏色均值、質(zhì)心坐標、目標尺寸、運動方向和運動速率以及長寬比，以下是對這些特征的具體描述: ?CM表示顏色均值，是目標所有像素點顏色的均值。 ?AR表示長寬比，AR=H/W，其中H和W分別表示目標外接矩形的長和寬。 ?CC表示目標外接矩形的質(zhì)心坐標。 ?OS表示目標尺寸，是目標的像素點個數(shù)。 ?MD表示運動方向，由兩個連續(xù)幀中相同目標的質(zhì)心坐標交叉相乘所得。 ?MV表示運動速率，由兩個連續(xù)幀中相同目標的質(zhì)心坐標相減所得。
3.根據(jù)權(quán)利要求1所述的一種非靜態(tài)背景下運動區(qū)域快速定位的智能裝置，其特征在于，所述的步驟(3)中在整個場景中建立初始目標匹配的方法如下: 系統(tǒng)使用最小代價準則建立在整個場景中建立相鄰幀之間的初始目標匹配，關(guān)聯(lián)表達式Pm，n由相鄰兩幀中目標m和目標n的特征參數(shù)計算得出，如下所示: Pm, = “( + bARmn + CCCmjl + dOS,?'?(I) 其中(a, b, c，d)是預(yù)設(shè)的權(quán)重因子，且a+b+c+d=l ； CMffl；n代表在RGB顏色空間中相鄰兩幀中目標m和目標n的顏色均值差，計算如下:
4.根據(jù)權(quán)利要求1所述的一種動態(tài)場景下運動偵測的智能識別裝置，其特征在于，所述的步驟(3)中預(yù)測下幀中優(yōu)先搜索區(qū)域的方法如下: 為了加快目標匹配速度，系統(tǒng)利用運動目標的方向及速率，預(yù)測下一幀中更好的搜索區(qū)域E,表示如下:
E= {(X，y) | max(CCx’m-2MVx，0)≤ x≤ min (Width, CCx’m+3 XMVx), max (CCy；m-2MVy, 0) ≤y≤min (Height, CCy；m+3 XMVy)} (6) 其中Width和Height分別是視頻圖像在x軸和y軸上的分辨率，CCx和CCy分別是目標質(zhì)心特征CC的X軸分量和y軸分量，MVx和MVy分別是特征MV的x軸分量和y軸分量。
5.根據(jù)權(quán)利要求1所述的一種動態(tài)場景下運動偵測的智能識別裝置，其特征在于，所述的步驟(3)中對未建立對應(yīng)關(guān)系的正進入/正離開/遮擋目標進行再匹配的方法如下: 為了處理在初始目標匹配階段未建立對應(yīng)關(guān)系的正進入/正離開/遮擋目標，系統(tǒng)根據(jù)目標遮擋和邊界狀態(tài)信息進行包括全局統(tǒng)計特征的外觀特征模型進行再匹配。外觀特征模型使用最大概率匹配法尋找連續(xù)兩幀圖像中的匹配目標，關(guān)于第t-1幀中較小目標m和第t幀中較大目標n的概率匹配表達式Lm，n如下所示:
6.根據(jù)權(quán)利要求1所述的一種動態(tài)場景下運動偵測的智能識別裝置，其特征在于，所述的步驟(3)中根據(jù)目標運動方向的變化率自適應(yīng)更新目標前景像素顏色灰度統(tǒng)計參數(shù)的方法如下:為了提高目標特征的自適應(yīng)性，更新速率參數(shù)a根據(jù)目標運動方向的變化率進行計算:
【文檔編號】H04N7/18GK103440667SQ201310309725
【公開日】2013年12月11日 申請日期:2013年7月19日 優(yōu)先權(quán)日:2013年7月19日
【發(fā)明者】李志華, 李秋巒 申請人:杭州師范大學(xué)