一种运动物体的跟踪方法、装置及设备与流程

本发明涉及视频监控领域，特别是涉及一种运动物体的跟踪方法、装置及设备。

背景技术：

随着计算机视觉技术的迅猛发展，智能监控系统作为新兴的安防技术在各行各业内得到广泛的应用。智能监控系统利用计算机视觉技术，在不需要认为干预的情况下，通过对原始的视频序列进行实时的自动分析，实现对运动物体的检测并进行跟踪。

现有技术中，运动物体的跟踪方法一般采用帧差法。该方法首先需要获取监控场景中的一张静态画面，将该静态画面作为参考画面，利用后续采集到的监控画面与该参考画面进行对比，从而检测出运动物体并对运动物体进行跟踪。但是，现有技术中获取的参考画面为监控场景中某一时刻的静态画面，而监控场景通常环境复杂，监控画面常受光照等环境影响产生较大变化，采用同一张静态画面作为参考画面，无法有效地反映出监控画面的背景变化，对比时易造成较大的检测误差，导致检测结果不准确，无法提供更好地检测效果。

技术实现要素：

本发明的目的是提供一种运动物体的跟踪方法、装置及设备，能通过预先确定的当前背景模型，检测当前帧画面中的前景点和背景点；并根据当前帧画面，更新背景点对应的采样点以更新当前背景模型。使当前背景模型是根据当前帧画面确定的，保证当前背景模型是适应于当前监控场景下的背景模型，即使在监控场景产生变化的情况下检测结果也不受影响，提高检测结果的准确度。

为解决上述技术问题，本发明提供一种运动物体的跟踪方法，包括：

获取监控设备发送的网络视频的当前帧画面；

根据预先确定的当前背景模型，检测所述当前帧画面中的前景点和背景点；其中，所述当前背景模型由所述当前帧画面中各像素点对应的采样点构成；

根据所述当前帧画面，更新所述背景点对应的采样点以更新所述当前背景模型。

优选地，所述根据预先确定的当前背景模型，检测所述当前帧画面中的前景点和背景点具体包括：

计算目标像素点在所述当前背景模型中的各采样点的灰度值的第一方差；

计算所述目标像素点的灰度值与各所述采样点的灰度值的第二方差；

判断所述第一方差与所述第二方差的差值是否在允许的偏差范围内；

如果是，则说明所述目标像素点为背景点；

如果否，则说明所述目标像素点为前景点。

优选地，所述获取监控设备发送的网络视频的当前帧画面具体包括：

与监控设备建立通信，接收所述监控设备发送的网络视频码流；

对所述网络视频码流进行解码以获取所述当前帧画面。

优选地，还包括：

对当前帧画面中的各所述前景点进行形态处理；

根据边缘检测算法，对形态处理后得到的结果进行边缘检测以获得前景轮廓。

优选地，所述根据所述当前帧画面，更新所述背景点对应的采样点以更新所述当前背景模型具体包括：

根据所述当前帧画面，更新所述背景点对应的预设数量的采样点；其中，所述预设数量小于采样点的总数量。

优选地，所述采样点具体为以对应的像素点为中心，10个像素距离为半径的范围内，随机选取的20个像素点。

优选地，还包括：

生成用于记录所述前景轮廓的日志。

优选地，所述根据所述当前帧画面，更新所述背景点对应的采样点以更新所述当前背景模型具体为：

根据所述当前帧画面，对多个所述背景点对应的采样点进行并行更新处理，以更新所述当前背景模型。

为解决上述技术问题，本发明提供一种运动物体的跟踪装置，包括：

获取模块，用于获取监控设备发送的网络视频的当前帧画面；

检测模块，用于根据预先确定的当前背景模型，检测所述当前帧画面中的前景点和背景点；其中，所述当前背景模型由所述当前帧画面中各像素点对应的采样点构成；

更新模块，用于根据所述当前帧画面，更新所述背景点对应的采样点以更新所述当前背景模型。

优选地，还包括：

形态处理模块，用于对当前帧画面中的各所述前景点进行形态处理；

边缘检测模块，用于根据边缘检测算法，对形态处理后得到的结果进行边缘检测以获得前景轮廓。

生成模块，用于生成用于记录所述前景轮廓的日志。

为解决上述技术问题，本发明提供一种运动物体的跟踪设备，包括存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上述任一项所述的运动物体的跟踪方法的步骤。

本发明所提供的一种运动物体的跟踪方法，首先，获取监控设备发送的网络视频的当前帧画面；通过预先确定的当前背景模型，检测当前帧画面中的前景点和背景点；其中，当前背景模型由当前帧画面中各像素点对应的采样点构成；并根据当前帧画面，更新背景点对应的采样点以更新当前背景模型。由此可见，当前背景模型是根据当前帧画面确定的，并可根据当前监控场景下采集到的当前帧画面不断更新，保证了当前背景模型是能够体现当前监控场景的背景特征的背景模型，即使在监控场景产生变化的情况下同样能正常进行检测，保证检测结果不受影响，从而提高了检测结果的准确度。

此外，本发明所提供的一种运动物体的跟踪装置及设备与上述方法对应，具有同样的有益效果。

附图说明

为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种运动物体的跟踪方法的流程图；

图2为本发明实施例提供的另一种运动物体的跟踪方法的流程图；

图3为本发明实施例提供的一种运动物体的跟踪装置的结构图；

图4为本发明实施例提供的一种运动物体的跟踪设备的结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本发明保护范围。

本发明的核心是提供一种运动物体的跟踪方法、装置及设备，能通过预先确定的当前背景模型，检测当前帧画面中的前景点和背景点；并根据当前帧画面，更新背景点对应的采样点以更新当前背景模型。使当前背景模型是根据当前帧画面确定的，保证当前背景模型是适应于当前监控场景下的背景模型，即使在监控场景产生变化的情况下检测结果也不受影响，提高检测结果的准确度。

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。

图1为本发明实施例提供的一种运动物体的跟踪方法的流程图；如图1所示，本发明实施例提供的一种运动物体的跟踪方法，包括步骤s101-步骤s103：

步骤s101：获取监控设备发送的网络视频的当前帧画面；

需要说明的是，本发明提供的运动物体的跟踪方法应用的硬件环境如下，包括：摄像机等监控设备，用于拍摄监控场景下的网络视频；与监控设备连接的处理器，用于按照本发明提出的运动物体的跟踪方法检测运动物体。通常情况下，监控设备与处理器的通信方式是无线通信，通过tcp协议连接，采用自定义的消息格式进行通信。当然，可以采用有线通信，本发明不作限定。监控设备的硬件结构以及转发全部视频码流的方法可参见现有技术，本发明不再赘述。

在一个实施例中，本发明实施例提供的运动物体的跟踪方法，获取监控设备发送的网络视频的当前帧画面具体包括：

与监控设备建立通信，接收监控设备发送的网络视频码流；

对网络视频码流进行解码以获取当前帧画面。

具体地，利用与监控设备建立通信，构建视频解码管道，对接收到的网络视频码流进行实时解码处理，从而获取到当前帧画面。进一步地，接收到的网络视频码流为实时传输协议(rtp)数据包，可通过h264解码标准将接收的rtp数据包解码处理为yuv数据。

步骤s102：根据预先确定的当前背景模型，检测当前帧画面中的前景点和背景点；其中，当前背景模型由当前帧画面中各像素点对应的采样点构成；

步骤s103：根据当前帧画面，更新背景点对应的采样点以更新当前背景模型。

在一个实施例中，根据接收到的第一帧画面进行背景模型的初始化。具体地，将第一帧画面中的每一个像素点作为中心，以正整数n为半径构成背景范围，在该背景范围内选取正整数m个像素点作为该中心像素点对应的采样点。由第一帧画面中的各像素点对应的所有采样点，构成初始化背景模型。在具体实施中，当第二帧画面为需要检测的当前帧画面时，则将初始化背景模型作为预先确定的当前背景模型，检测第二帧画面中的前景点和背景点。

在一个实施例中，根据预先确定的当前背景模型，检测当前帧画面中的前景点和背景点具体包括：

计算目标像素点在当前背景模型中的各采样点的灰度值的第一方差；

计算目标像素点的灰度值与各采样点的灰度值的第二方差；

判断第一方差与第二方差的差值是否在允许的偏差范围内；

如果是，则说明目标像素点为背景点；

如果否，则说明目标像素点为前景点。

需要说明的是，第一方差和第二方差仅用于在命名时进行区别，实际上计算第一方差和第二方差均为计算方差的操作。具体地，检测当前帧画面中的目标像素点是否为前景点时，则可先计算目标像素点在当前背景模型中的全部采样点的灰度值的第一方差；然后计算目标像素点和其各采样点的灰度值之间的第二方差。可以理解地，为提高计算效率，可同时对多个目标像素点并行计算，从而节省计算时间。

本领域技术人员可知，方差可作为灰度均匀性的一种度量，当目标像素点与采样点之间的方差越大时，则说明两者差异越明显，当超过允许的偏差范围时，则可确定为目标像素点为前景点；当目标像素点与采样点之间的方差越小时，则说明两者差异越不明显，在不超过允许的偏差范围内，均可确定为目标像素点为背景点。其中，偏差范围可由本领域技术人员根据实际情况确定，本发明实施例不作限定。

在一个实施例中，根据当前帧画面，更新背景点对应的采样点以更新当前背景模型，将更新后的当前背景模型用于检测下一帧画面中的前景点和背景点。例如，检测出第二帧画面中的前景点和背景点后，在第二帧画面中背景点所在的背景范围中选取p个采样点，其中，p为正整数。用选取的p个采样点替换掉背景点在初始化背景模型中对应的p个采样点。可以理解的是，p小于m，具体数值不作限定。对于前景点对应的采样点，则保持不变。采样点产生更新则相应的构成新的背景模型，并且在第三帧画面为需要检测的当前帧画面时，将该新的背景模型作为当前背景模型。

在具体实施中，采样点具体为以对应的像素点为中心，10个像素距离为半径的范围内，随机选取的20个像素点。可以理解地，选取的采样点数量越多，检测的结果越精确，但是同时也带来更多的计算量，本领域技术人员可根据实际应用情况选取采样点，本发明实施例不作限定。

在一个实施例中，根据当前帧画面，更新背景点对应的采样点以更新当前背景模型具体包括：

根据当前帧画面，更新背景点对应的预设数量的采样点；其中，预设数量小于采样点的总数量。

具体地，更新背景点对应的采样点时，无需更新全部的采样点，更新预设数量的采样点即可。例如，以10个像素距离为半径的范围内，随机选取的20个像素点作为采样点，则随机对其中3个进行更新即可。

进一步地，具体更新方法为，例如预设数量为3个，则以当前帧画面中需要更新采样点的当前背景点为中心，10各像素距离为半径，随机选取3个像素点作为更新的采样点，随机替换到当前背景点对应的采样点中，从而完成当前背景点的采样点的更新。遍历所有当前帧画面检测出的背景点，均按照以上方法对其进行采样点更新，从而完成当前背景模型的更新，可作为下一帧画面中的前景点检测时的依据。对于检测出的前景点，保持原采样点即可。需要说明的是，预设数量越多，则构成的背景模型越接近当前帧画面的情况，同时易受瞬间改变的监控环境的影响，本领域技术人员需根据实际应用情况确定预设数量以更新采样点，本发明实施例不作限定。

进一步地，基于像素值的空间传播特性，在更新采样点时当前背景点的灰度值可能会作为邻域像素点选取的采样点。由此，可在当前背景点的一定范围内随机选取正整数q个像素点，取其灰度值的平均数作为该当前背景点的灰度值，使当前背景点的灰度特性更趋于背景。从而在检测前景点时能够提高检测效果。

在一个实施例中，根据当前帧画面，更新背景点对应的采样点以更新当前背景模型具体为：根据当前帧画面，对多个背景点对应的采样点进行并行更新处理，以更新当前背景模型。具体地，更新采样点的操作可采用多个背景点同时更新的方式进行，即通过gpu采用并行处理的方式以提高处理速度。进一步地，上述计算第一方差和计算第二方差的操作均可通过并行处理的方式完成，从而提高整体的检测速度，达到实时检测的目的。

本发明所提供的一种运动物体的跟踪方法，首先，获取监控设备发送的网络视频的当前帧画面；通过预先确定的当前背景模型，检测当前帧画面中的前景点和背景点；其中，当前背景模型由当前帧画面中各像素点对应的采样点构成；并根据当前帧画面，更新背景点对应的采样点以更新当前背景模型。由此可见，当前背景模型是根据当前帧画面确定的，并可根据当前监控场景下采集到的当前帧画面不断更新，保证了当前背景模型是适应于当前监控场景下的背景模型，即使在监控场景产生变化的情况下同样能正常进行检测，保证检测结果不受影响，从而提高了检测结果的准确度。

图2为本发明实施例提供的另一种运动物体的跟踪方法的流程图；如图2所示，本发明实施例提供的一种运动物体的跟踪方法，还包括步骤s104-步骤s105：

步骤s104：对当前帧画面中的各前景点进行形态处理；

步骤s105：根据边缘检测算法，对形态处理后得到的结果进行边缘检测以获得前景轮廓。

在具体实施中，通过检测获得当前帧后面中的各前景点构成的二值图像；根据形态学的开闭运算对二值图像进行形态处理，对形态处理后得到的结果进行canny边缘检测，从而得到前景轮廓，即得到了运动物体的轮廓和位置，更清晰的了解运动物体的外在轮廓和运动情况。

如图2所示，本发明实施例提供的一种运动物体的跟踪方法，还包括步骤s106：

步骤s106：生成用于记录前景轮廓的日志。

在具体实施中，可生成用于记录前景轮廓的日志，从而能清晰地了解运动物体的运动趋势和状态；工作人员可通过日志中记录的内容，分析当前监控状态是否正常。同时，当检测出现故障时，也可以在日志中进行告警提示，以尽快反馈监控情况，便于工作人员及时发现故障问题，从而提高监控效率，更好地满足工作人员的需求。

本发明还提供一种运动物体的跟踪装置和运动物体的跟踪设备对应的实施例。需要说明的是，本发明从两个角度对实施例进行描述，一种是基于功能模块的角度，另一种是基于硬件的角度。

图3为本发明实施例提供的一种运动物体的跟踪装置的结构图；如图3所示，本发明实施例提供的一种运动物体的跟踪装置，包括：

获取模块10，用于获取监控设备发送的网络视频的当前帧画面；

检测模块11，用于根据预先确定的当前背景模型，检测当前帧画面中的前景点和背景点；其中，当前背景模型由当前帧画面中各像素点对应的采样点构成；

更新模块12，用于根据当前帧画面，更新背景点对应的采样点以更新当前背景模型。

本发明实施例提供的一种运动物体的跟踪装置，还包括：

形态处理模块，用于对当前帧画面中的各前景点进行形态处理；

边缘检测模块，用于根据边缘检测算法，对形态处理后得到的结果进行边缘检测以获得前景轮廓。

生成模块，用于生成用于记录前景轮廓的日志。

由于本部分的实施例与方法部分的实施例相互对应，因此本部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。

本发明所提供的一种运动物体的跟踪装置，首先，获取监控设备发送的网络视频的当前帧画面；通过预先确定的当前背景模型，检测当前帧画面中的前景点和背景点；其中，当前背景模型由当前帧画面中各像素点对应的采样点构成；并根据当前帧画面，更新背景点对应的采样点以更新当前背景模型。由此可见，当前背景模型是根据当前帧画面确定的，并可根据当前监控场景下采集到的当前帧画面不断更新，保证了当前背景模型是适应于当前监控场景下的背景模型，即使在监控场景产生变化的情况下同样能正常进行检测，保证检测结果不受影响，从而提高了检测结果的准确度。

图4为本发明实施例提供的一种运动物体的跟踪设备的结构图；如图4所示，本发明实施例提供的一种运动物体的跟踪设备，包括存储器20，用于存储计算机程序；

处理器21，用于执行计算机程序时实现如上述任一项的运动物体的跟踪方法的步骤。

其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用dsp(digitalsignalprocessing，数字信号处理)、fpga(field－programmablegatearray，现场可编程门阵列)、pla(programmablelogicarray，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(centralprocessingunit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以在集成有gpu(graphicsprocessingunit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括ai(artificialintelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。

存储器20可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器20至少用于存储以下计算机程序201，其中，该计算机程序被处理器21加载并执行之后，能够实现前述任一实施例公开的运动物体的跟踪方法中的相关步骤。另外，存储器20所存储的资源还可以包括操作系统202和数据203等，存储方式可以是短暂存储或者永久存储。其中，操作系统202可以包括windows、unix、linux等。

在一些实施例中，运动物体的跟踪设备还可包括有输入输出接口22、通信接口23、电源24以及通信总线25。

本领域技术人员可以理解，图4中示出的结构并不构成对运动物体的跟踪设备的限定，可以包括比图示更多或更少的组件。

由于本部分的实施例与方法部分的实施例相互对应，因此本部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。在本发明的一些实施例中，处理器和存储器可通过总线或其它方式连接。

本发明所提供的一种运动物体的跟踪设备，能够实现如下方法：首先，获取监控设备发送的网络视频的当前帧画面；通过预先确定的当前背景模型，检测当前帧画面中的前景点和背景点；其中，当前背景模型由当前帧画面中各像素点对应的采样点构成；并根据当前帧画面，更新背景点对应的采样点以更新当前背景模型。由此可见，当前背景模型是根据当前帧画面确定的，并可根据当前监控场景下采集到的当前帧画面不断更新，保证了当前背景模型是适应于当前监控场景下的背景模型，即使在监控场景产生变化的情况下同样能正常进行检测，保证检测结果不受影响，从而提高了检测结果的准确度。

最后，本发明还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。

可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上对本发明所提供的一种运动物体的跟踪方法、装置及设备进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。