一种稳定检测运动目标的方法及装置的制造方法
【技术领域】
[0001]本发明属于图像处理领域，尤其涉及一种稳定检测运动目标的方法及装置。
【背景技术】
[0002]基于运动检测的背景差分检测，运动目标大小变化随机不定，并且有些运动目标忽隐忽现，影响了主要运动目标的跟踪，从而造成摄像机跟踪画面不稳定且切换频繁。
[0003]因此，需要一种稳定检测运动目标的方法，使得云台摄像机在跟踪时画面平滑。
【发明内容】
[0004]本发明提供一种稳定检测运动目标的方法及装置，以解决上述问题。
[0005]本发明提供一种稳定检测运动目标的方法。上述方法包括以下步骤:检测当前帧图像中的运动目标；将所述当前帧图像中的各运动目标与截止到前一帧图像所处理得到的各运动目标进行匹配；根据匹配结果对所述当前帧图像中的运动目标在历史连续图像帧中的出现帧数进行增减处理；选取截止到当前帧图像所处理得到的出现帧数大于第一预设值的运动目标，对选取出的运动目标进行跟踪。
[0006]本明还提供一种稳定检测运动目标的装置，其特征在于，包括:检测单元，用于检测当前帧图像中的运动目标；匹配单元，连接至所述检测单元，用于将所述当前帧图像中的各运动目标与截止到前一帧图像所处理得到的各运动目标进行匹配；处理单元，连接至所述匹配单元，用于根据匹配结果对所述当前帧图像中的运动目标在历史连续图像帧中的出现帧数进行增减处理；控制单元，用于选取截止到当前帧图像所处理得到的出现帧数大于第一预设值的运动目标，对选取出的运动目标进行跟踪。
[0007]本发明提供了一种稳定检测运动目标的方式，不会因为运动目标的大小变化或忽隐忽现而导致运动目标的误检或切换跟踪，解决了跟踪画面不平稳的问题，算法简单有效。
【附图说明】
[0008]此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中:
[0009]图1所示为根据本发明的一较佳实施例提供的稳定检测运动目标的方法的流程图；
[0010]图2所示为根据本发明的另一较佳实施例提供的稳定检测运动目标的方法的流程图；
[0011]图3所示为根据本发明的较佳实施例提供的稳定检测运动目标的装置的示意图。
【具体实施方式】
[0012]下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0013]图1所示为根据本发明的较佳实施例提供的稳定检测运动目标的方法的流程图，该图1所示为根据本发明的较佳实施例提供的稳定检测运动目标的方法的流程图可以包括以下步骤:
[0014]步骤102，检测当前帧图像中的运动目标。
[0015]步骤104，将所述当前帧图像中的各运动目标与截止到前一帧图像所处理得到的各运动目标进行匹配。
[0016]步骤106，根据匹配结果对所述当前帧图像中的运动目标在历史连续图像帧中的出现帧数进行增减处理。
[0017]步骤108，选取截止到当前帧图像所处理得到的出现帧数大于第一预设值的运动目标，对选取出的运动目标进行跟踪。
[0018]截止到前一帧图像所处理得到的各运动目标包括出现帧数符合预定要求例如大于第一预设值的运动目标以及在前一帧图像中出现的新运动目标，是经过处理之后最终筛选出的，需要保存筛选出的这些运动目标的信息，以便于后续图像帧的匹配处理。如果一个运动目标在连续三帧图像中均出现，那么该运动目标的出现帧数是3，以此类推。如果该运动目标在第四帧图像中未出现，则将该运动目标的出现帧数减一，变成2。
[0019]在跟踪时，对出现帧数大于一定值的运动目标进行跟踪，这样每次跟踪的运动目标都是准确的，可以避免干扰目标对跟踪画面的影响。
[0020]在上述步骤104中，将所述当前帧图像中的各运动目标与截止到前一帧图像所处理得到的各运动目标进行匹配的过程包括:
[0021]计算所述当前帧图像中的各运动目标与所述截止到前一帧图像所处理得到的各运动目标的长宽相似度、距离相似度以及面积重合度；
[0022]根据所述长宽相似度、距离相似度和所述面积重合度确定当前帧图像和截止到前一帧图像所处理得到的各运动目标中的相匹配的运动目标。
[0023]其中，长宽相似度、距离相似度和所述面积重合度的具体计算方法参考如下:
[0024]在检测出运动目标后，采用矩形框表示运动目标，第一矩形框表示当前帧图像中的运动目标，第二矩形框表示截止到前一帧图像所处理得到的各运动目标中的运动目标；
[0025]计算第一矩形框与第二矩形框的宽度差，计算所述宽度差与两者中宽度最大的宽度之间的第一比值，以及计算第一矩形框与第二矩形框的长度差，计算所述长度差与两者中长度最大的长度之间的第二比值，将所述第一比值与所述第二比值中最小的比值作为所述长宽相似度；
[0026]所述距离相似度=(D-d) /D，其中，d是第一矩形框与第二矩形框之间的距离，D是预设最大相似距离；
[0027]所述面积重合度=S/C，S表示第一矩形框与第二矩形的重合面积，C表示第一矩形框与第二矩形框的总面积与所述重合面积之间的差值。
[0028]其中，根据所述长宽相似度、距离相似度和所述面积重合度确定当前帧图像和前一帧图像中的相匹配的运动目标的过程具体包括:
[0029]根据所述长宽相似度、距离相似度和所述面积重合度确定当前帧图像和截止到前一帧图像所处理得到的各运动目标中的相匹配的运动目标包括:
[0030]对所述当前帧图像中每一个运动目标与截止到前一帧图像所处理得到的各运动目标的长宽相似度、距离相似度和所述面积重合度进行加权求和，并且选取最大的加权求和值；若最大的加权求和值大于第二预设值，则确定两个运动目标是相匹配的运动目标。
[0031]其中，所述对选取出的运动目标进行跟踪，包括:
[0032]在选取出的运动目标为多个时，计算出一个跟踪框，以将该多个运动目标限定在所述跟踪框内，对所述跟踪框进行跟踪处理。
[0033]根据本发明的稳定检测运动目标的方法还可以包括:
[0034]删除截止到当前帧图像所处理得到的出现帧数小于等于所述第一预设值的运动目标，并保留所述当前帧图像中新出现的运动目标。
[0035]其中，根据匹配结果对所述当前帧图像中的运动目标在历史连续图像帧中的出现帧数进行增减处理，包括:
[0036]对于在所述当前帧图像中未找到与所述前一帧图像的运动目标相匹配的运动目标，将其对应的出现帧数减一；
[0037]对于在所述当前帧图像中找到与所述前一帧图像的运动目标相匹配的运动目标，将其对应的出现帧数增一。
[0038]下面结合图2进一步说明根据本发明稳定检测运动目标的方法。
[0039]在本实施例中，基于运动背景差分检测出所有运动目标，用矩形框标记出检测出的运动目标。保存这些运动目标的矩形框信息，矩形框信息包括状态(是否是新出现的运动目标)、生命周期(即出现帧数，运动目标每出现在一帧图像中就增加I，数值越大说明该运动目标一直存在)，矩形框标识(坐标位置、长度、宽度)。在检测出运动目标之后，取当前帧图像和前一帧图像来说明本发明的稳定检测过程:
[0040]假设前一帧图像之前有至少一帧历史图像，那么到前一帧图像为止，已经保存了历史帧图像中一直出现的运动目标信息以及在前一帧图像中新出现的运动目标信息。
[0041]在当前帧图像中找出与保存的运动目标信息中最相似的运动目标，如图2所示，步骤202，在已保存的运动目标信息中取一个矩形框A。步骤204，从当前帧图像中取出一个矩形框B。步骤206，计算AB两个矩形框的相似度Score。遍历当前矩形框链表，计算出A与当前帧图像中的每一个运动目标的相似度。
[0042]步骤208，选取出最大的相似度maxscore。步骤210，判断该最大的相似度maxscore是否大于设定的阈值(即第二预设值)，假设B与A的相似度最大。
[0043]步骤212，若大于设定的阈值，则用B更新A，并且使其生命周期加一，否则，进入步骤214，使A的生命周期减一。
[0044]按照上面所述的流程，遍历保存的运动目标，逐一进行匹配，最后，根据匹配结果更新之前保存的运动目标信息，例如对匹配的运动目标，其相应的出现帧数增加一，否则减少一，如果是当前帧图像中新出现的运动目标，则同样保存该新出现的运动目标的信息。最后，为了减少后续的匹配算法计算量，根据统计结果，对于出现帧数小于一定值的运动目标需要进行删除，该运动目标被认为是不稳定的干扰运动目标，例如人的手臂摆动。这样，最终保存的运动目标的信息都是最准确的。
[0045]两个运动目标是否相似，在本实施例中可以从以下三个方面中的至少两个方面来评判:长宽相似度、距