一种基于复杂环境的目标智能跟踪方法

文档序号:9709082阅读:536来源:国知局
一种基于复杂环境的目标智能跟踪方法
【技术领域】
[0001]本发明涉及视频监控领域,特别是涉及一种基于复杂环境的目标智能跟踪方法。
【背景技术】
[0002]随着计算机、网络、通信、流媒体等技术的日趋成熟与完善,视频在社会生产生活中的应用日益广泛。在智能视频监控、导航、遥感、车牌识别等计算机视觉系统中,视频是最主要的信息来源。然而这些系统功能一般都是基于正常的天气条件考虑设计的,尽管户外视频监控系统的应用领域非常广泛,但是在雨、雪等恶劣天气中不能很好地发挥其应有的作用。为了保证户外监控系统能够适应各种天气情况,在雨雪等恶劣条件下也能正常地工作,所以非常有必要对大气中的雨雪进行去除研究,对获取的图像进行修复,消除天气因素的干扰,提高系统的稳定性。

【发明内容】

[0003]本发明的目的在于克服现有技术的不足,提供一种基于复杂环境的目标智能跟踪方法,基于通过混合高斯模型自适应分析算法,有效过滤复杂环境中画面的各种运动干扰,如刮风造成的树叶摇动等,结合小波变换和傅里叶变换可有效滤除画面中的雨雪噪声。
[0004]本发明的目的是通过以下技术方案来实现的:一种基于复杂环境的目标智能跟踪方法,包括以下步骤:
51、采集当前时刻的视频流数据,依次对视频流数据中的每一帧视频图像进行分析,判断是否有异常帧图像,若存在则进行异常类型检测;
52、启动混合高斯模型,对视频流数据中的每帧视频图像的每个像素点建立X个高斯模型;
53、根据高斯模型的权重对该X个高斯模型进行排序,并对权重进行累计求和,若前N个高斯模型的权重和大于预设阈值,则将该前N个高斯模型设为背景像素点,建立背景高斯模型,将后X-N个高斯模型设为前景像素点,建立前景高斯模型;
54、根据当前时刻像素点以及该像素点的历史像素点的均值和方差为每个像素点匹配相应的高斯模型,计算当前时刻像素点与其历史像素点的均值之差的绝对值,若该绝对值与该像素点的历史像素点的方差的比值小于预设匹配阈值,则将该当前时刻像素点与背景像素点的高斯模型进行匹配,若该比值不小于预设匹配阈值,则将当前时刻像素点与前景像素点的高斯模型进行匹配;
55、根据视频流数据中的背景变化和S4中的比较结果,混合高斯模型自适应更新模型参数,更新X个高斯模型的权值,得出匹配度最高的背景高斯模型参数,完成复杂背景建模;
56、将前景高斯模型的所匹配的前景图像进行小波正变换处理,若前景图像为彩色图像,则通过R、G、B三通道分别对其进行小波分析处理,得到前景图像的近似图LL、水平方向细节图HL、垂直方向细节图LH和对角线方向细节图HH,提取垂直方向细节图,对垂直方向细节图进行傅里叶正变换,并删除其预设频段的高频部分完成高频过滤; S7、高频过滤处理后通过傅里叶反变换还原得到新的垂直方向细节图,再通过小波反变换重构前景图像,若原前景图像为彩色图像,则再通过R、G、B三通道合并得到过滤后的前景图像。
[0005]S8、通过形态学处理,提取出独立的运动目标区域,锁定目标,开始执行跟踪操作,在目标跟踪的过程中,重复执行步骤S1-S7。
[0006]进一步的,所述的小波正变换为提升小波变换。
[0007]进一步的,所述的预设频段根据雨雪大小自适应调整。
[0008]本发明的有益效果是:本发明基于通过混合高斯模型自适应分析算法,有效过滤复杂环境中画面的各种运动干扰,如刮风造成的树叶摇动等,结合小波变换和傅里叶变换可有效滤除画面中的雨雪噪声及其他噪声,并通过形态学处理,提取出独立的运动目标区域,锁定目标,开始执行跟踪操作。
【附图说明】
[0009]图1为本发明流程示意图。
【具体实施方式】
[0010]下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
[0011]如图1所示,该实施例描述了一种基于复杂环境的目标智能跟踪方法,它包括以下多个步骤。
[0012]S1、采集当前时刻的视频流数据,依次对视频流数据中的每一帧视频图像进行分析,判断是否有异常帧图像,若存在则进行异常类型检测。
[0013]S2、启动混合高斯模型,对视频流数据中的每帧视频图像的每个像素点建立X个高斯模型。
[0014]S3、根据高斯模型的权重对该X个高斯模型进行排序,并对权重进行累计求和,若前N个高斯模型的权重和大于预设阈值,则将该前N个高斯模型设为背景像素点,建立背景高斯模型,将后X-N个高斯模型设为前景像素点,建立前景高斯模型。
[0015]S4、根据当前时刻像素点以及该像素点的历史像素点的均值和方差为每个像素点匹配相应的高斯模型,计算当前时刻像素点与其历史像素点的均值之差的绝对值,若该绝对值与该像素点的历史像素点的方差的比值小于预设匹配阈值,则将该当前时刻像素点与背景像素点的高斯模型进行匹配,若该比值不小于预设匹配阈值,则将当前时刻像素点与前景像素点的高斯模型进行匹配。
[0016]S5、根据视频流数据中的背景变化和S4中的比较结果,混合高斯模型自适应更新模型参数,更新X个高斯模型的权值,得出匹配度最高的背景高斯模型参数,完成复杂背景建模,可有效过滤复杂环境中画面的各种运动干扰,如刮风造成的树叶摇动等。
[0017]进一步的,由于雨雪天气的视频画面中,雨雪一般表现为竖条纹形式,因此,本发明通过结合小波变换和傅里叶变换处理,可有效滤除画面中的雨雪噪声及其他噪声。
[0018]S6、将前景高斯模型的所匹配的前景图像进行小波正变换处理,若前景图像为彩色图像,则通过R、G、B三通道分别对其进行小波分析处理,得到前景图像的近似图LL、水平方向细节图HL、垂直方向细节图LH和对角线方向细节图HH,提取垂直方向细节图,对垂直方向细节图进行傅里叶正变换,并删除其预设频段的高频部分完成高频过滤。
[0019]S7、高频过滤处理后通过傅里叶反变换还原得到新的垂直方向细节图,再通过小波反变换重构前景图像,若原前景图像为彩色图像,则再通过R、G、B三通道合并得到过滤后的前景图像,去除复杂环境中画面的雨雪条纹噪声及其他条纹噪声。
[0020]S8、通过形态学处理,提取出独立的运动目标区域,锁定目标,开始执行跟踪操作,在目标跟踪的过程中,重复执行步骤S1-S7,实现在去除运动干扰和雨雪噪声后的画面中继续跟踪目标。
[0021 ]本发明中,所述的小波正变换可采用提升小波变换。
[0022]本发明中,所述的预设频段根据雨雪大小自适应调整,以滤除不同雨势情况下的雨雪噪声。
[0023]如上参照附图以示例的方式描述了根据本发明的一种基于复杂环境的目标智能跟踪方法。但是,本领域技术人员应当理解,对于上述本发明所提出的一种基于复杂环境的目标智能跟踪方法,还可以在不脱离本
【发明内容】
的基础上做出各种改进,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。因此,本发明的保护范围应当由所附的权利要求书的内容确定。
【主权项】
1.一种基于复杂环境的目标智能跟踪方法,其特征在于,包括以下步骤: 51、采集当前时刻的视频流数据,依次对视频流数据中的每一帧视频图像进行分析,判断是否有异常帧图像,若存在则进行异常类型检测; 52、启动混合高斯模型,对视频流数据中的每帧视频图像的每个像素点建立X个高斯模型; 53、根据高斯模型的权重对该X个高斯模型进行排序,并对权重进行累计求和,若前N个高斯模型的权重和大于预设阈值,则将该前N个高斯模型设为背景像素点,建立背景高斯模型,将后X-N个高斯模型设为前景像素点,建立前景高斯模型; S 4、根据当前时刻像素点以及该像素点的历史像素点的均值和方差为每个像素点匹配相应的高斯模型,计算当前时刻像素点与其历史像素点的均值之差的绝对值,若该绝对值与该像素点的历史像素点的方差的比值小于预设匹配阈值,则将该当前时刻像素点与背景像素点的高斯模型进行匹配,若该比值不小于预设匹配阈值,则将当前时刻像素点与前景像素点的高斯模型进行匹配; 55、根据视频流数据中的背景变化和S4中的比较结果,混合高斯模型自适应更新模型参数,更新X个高斯模型的权值,得出匹配度最高的背景高斯模型参数,完成复杂背景建模; 56、将前景高斯模型的所匹配的前景图像进行小波正变换处理,若前景图像为彩色图像,则通过R、G、B三通道分别对其进行小波分析处理,得到前景图像的近似图LL、水平方向细节图HL、垂直方向细节图LH和对角线方向细节图HH,提取垂直方向细节图,对垂直方向细节图进行傅里叶正变换,并删除其预设频段的高频部分完成高频过滤; 57、高频过滤处理后通过傅里叶反变换还原得到新的垂直方向细节图,再通过小波反变换重构前景图像,若原前景图像为彩色图像,则再通过R、G、B三通道合并得到过滤后的前景图像; 58、通过形态学处理,提取出独立的运动目标区域,锁定目标,开始执行跟踪操作,在目标跟踪的过程中,重复执行步骤S1-S7。2.根据权利要求1所述的一种基于复杂环境的目标智能跟踪方法,其特征在于:所述的小波正变换为提升小波变换。3.根据权利要求1所述的一种基于复杂环境的目标智能跟踪方法,其特征在于:所述的预设频段根据雨雪大小自适应调整。
【专利摘要】本发明公开了一种基于复杂环境的目标智能跟踪方法,采集当前时刻的视频流数据,依次对视频流数据中的每一帧视频图像进行分析,启动混合高斯模型,建立背景高斯模型和前景高斯模型,过滤视频中的动作干扰,通过小波变换和傅里叶变换去除雨雪条纹噪声,锁定目标,开始执行跟踪操作,在跟踪的过程中,持续进行噪声去除处理。本发明基于通过混合高斯模型自适应分析算法,有效过滤复杂环境中画面的各种运动干扰,如刮风造成的树叶摇动等,结合小波变换和傅里叶变换可有效滤除画面中的雨雪噪声。
【IPC分类】G06T5/00, G06T7/00
【公开号】CN105469394
【申请号】CN201510805380
【发明人】李正
【申请人】成都因纳伟盛科技股份有限公司
【公开日】2016年4月6日
【申请日】2015年11月20日
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1