专利名称：多视频运动目标的自动分割与跟踪方法
技术领域：
本发明涉及到视频运动目标的分割与跟踪方法，尤其涉及到一种多视频运动 目标的自动分割与跟踪方法。
背景技术：
运动目标跟踪是指通过对运动检测和运动对象分割处理后得到的图像序列 进行分析，计算出目标在每帧图像上的二维位置坐标，并根据不同的特征值， 将图像序列中不同帧中同一运动目标关联起来，得到完整的运动轨迹。运动目 标跟踪不但可以提供被监控目标的运动轨迹，而且为许多交通参数和交通事件 提供了可靠的数据来源。因此，视频对象跟踪在军事领域，智能视频监控，智 能交通，医疗诊断等领域有着广阔的应用前景。
典型的视频对象跟踪方法可分为以下几类基于特征的跟踪方法、基于模 型的方法、基于区域的方法和基于动态轮廓的方法。视频对象跟踪建立在视频 运动对象自动分割的基础之上，目前针对多视频运动目标的实时自动分割和跟 踪方法存在以下缺陷算法的鲁棒性差，对环境变化及噪声敏感；算法通用性差, 满足不了应用的实时性要求；当视频中存在多个运动目标且出现遮挡、分裂等 行为时，其分割与跟踪的稳定性和准确性有待进一步提高。
发明内容
本发明所要解决的技术问题是提供一种可以实现静止背景下多个视频运 动目标的实时自动分割与准确跟踪的多视频运动目标的自动分割与跟踪方法。
为解决上述技术问题，本发明采用的技术方案为多视频运动目标的自动 分割与跟踪方法，其步骤是
1) 输入视频图像；
2) 自适应背景建模采用分析差异积累动态矩阵来决定某像素属于前景或背景的方法，确定背景的更新模型；
3) 采用变系数空域滤波器掩模对背景差图像进行空域滤波；
4) 自适应阀值化，并采用增强的Otsu法提取运动目标的轮廓信息；
5) 运动目标质心的求取与质心标记，其步骤为
① 运动目标质心的求取；
② 运动目标质心标记；
6) 跟踪运动目标，其步骤为
① 运动对象质心的关联跟踪；
② 绘制运动目标运动轨迹，输出运动目标。
所述的采用增强的OtSU法提取运动目标的轮廓信息，其步骤为
① 求取增强的OtSU法最优二值化阀值；
② 对步骤3)中经空域滤波后的背景差图像采用求得的最优二值化阀值进 行阀值化；
③ 对阈值化后的图像采用形态学腐蚀及膨胀操作，结合形态学提取边界的 方法提取视频运动对象轮廓。
本发明的有益效果是
1. 采用变系数空域滤波器对自适应更新的背景差图像进行空域滤波，提高 了运动区域的连通性和运动对象分割的准确性。通过调整或改变空域滤波器掩 模系数，该算法能够适应不同场合视频图像的滤波，提高了算法的通用性和适 应性。
2. 采用增强的Otsu法所求取最优二值化阀值对变系数滤波后的背景差图像
进行阀值化，可使运动区域更具连通性，提高了运动目标分割的准确度。
3. 采用目标轮廓信息来计算多个运动目标的质心位置，降低了计算量，提
高了目标的跟踪速度。
4. 采用空间欧氏距离最短的方法对多视频运动目标进行关联跟踪，避免了 常规算法计算量大的缺陷，提高了多运动目标跟踪的实时性。
图1是本发明所述的自动分割与跟踪方法的流程图。 图2是3 X 3的变系数空域滤波器掩模的示意具体实施例方式
下面结合附图，详细描述本发明的具体实施方案。
如图1所示，本发明所述的多视频运动目标的自动分割与跟踪方法，其步
骤是
1) 输入视频图像；
2) 自适应背景建模，其步骤为
采用分析差异积累动态矩阵来决定某像素属于前景或背景的方法，确定背
景的更新模型；设有M帧视频序列/(o;，y，h)，/(^,力2)，…，/(u《m)，取/0r，y,^)为基 准图像，再取第fc-r帧图像/(x，y^—)为求取差异积累图像的参考帧，则当前帧 y, f "与参考帧/(:r, y, &_,)之间的差异图像P(o:, y， ifcr )为
其中A为记录每个像素差异积累的深度。以获取的第一帧图像作为初始背景 B(x，y,h)，则当D(o:，y,ifc)积累至A值时，相应位置的背景像素值可根据下式
进行自适应更新；
其中系数a影响着背景缓存平滑滤波的程度及更新的速度，a取值区间为
。而对D(x，y,W为O的点则不更新背景像素值，保持原背景像素值不变；
3)采用变系数空域滤波器掩模对背景差图像进行空域滤波；将当前帧 /Or^,W与更新所得背景B(^，W相减得背景差图，记为
丑O, y,力fc) = a/(t,仏k) + (1 — Q!)B(:r, y, ffc—;i)再采用一种如图2所示的3x3的变系数空域滤波器掩模对背景差图像^(^y，k) 进行空域滤波；
其中w为待整定的系数，取值为w^l; w的整定采用最大类间方差的原理， 比较不同w系数下滤波图像在特定阈值下的类间方差，从而整定w值；
4)自适应阀值化，并采用一种增强的OtSU法提取运动目标的轮廓信息，其
具体步骤为-
①求取增强的OtSU法最优二值化阀值；
由常规Otsu法求得的当前滤波后背景差帧的最优二值化阈值为:r ，定义增 强的Otsu法最优二值化阈值为r汰，则:r汰可表示为
艮P- T^为前fc-l个几值的非零最优二值化阈值的均值，当/3-G时，T^需设 为适当的初始阈值；e为一个权系数，经验值区间为[0.5，小
② 对步骤3)中经空域滤波后的背景差图像采用求得的最优二值化阀值进 行阀值化；
③ 对阈值化后的图像采用形态学腐蚀及膨胀操作，结合形态学提取边界的
方法提取视频运动对象轮廓的步骤；
5)运动目标质心的求取与质心标记，其步骤为-①运动目标质心的求取；
A. 计算由步骤4)提取的轮廓像素的灰度平均值，将这个平均值作为一个 阈值ra;
B. 根据阈值n将视频对象二值化为图像A(x,y);
C. 根据下式计算二值图像&^,y)的质心坐标Ci =
otherwise
其中:《/ 、 A爪i，o m0,l 、
I (&,2/" 二 -， -^ J
、 V爪o,o "V),o 乂
②标记运动目标质心，其步骤为
对求取的运动目标的质心坐标G- (&^)进行符号标记，这里用点表示运动 目标质心；
6)跟踪运动目标，其步骤为.-
① 运动对象质心的关联跟踪；
利用视频序列第&帧与第&-1帧中同一视频运动对象质心的欧氏距离最短的 特点实现对视频运动对象的跟踪；
设当前视频帧为第fc帧，并含有iv/h视频运动对象，记^问=(^,~)为第&帧 第i个运动对象的质心坐标向量，其中i = l，2,...,iVfc。如果第&-1帧中含有^_1个 视频运动对象，则第&帧中的某个视频运动对象质心2#)与第& - 1帧中7V^个视频 运动对象质心间最短的欧氏距离d，可表示为
《n = arg min歸)-，-1)|| 其中:^1，2，…，W。则《，所对应的第fc-l帧7V^个视频运动对象中的第/h运动对 象质心向量^(fc - 1)与&(fc)关联，实现了对第/c帧视频运动对象i质心坐标的跟踪关 联。当&(/c)中的i从l变化到iVfc时，即可在第fc-l帧的iV^个视频运动对象中找到 相应的关联，从而实现对两帧之间同一视频运动对象的跟踪。这里还需要考虑当 W大于、小于和等于W爿的三种情况。这三种情况在算法实现时需分别进行考虑， 以自动地创建、释放及保持跟踪器资源，保证每个视频运动对象均有对应的跟 踪器，从而实现自适应地对每个视频运动对象进行跟踪。
② 绘制运动目标运动轨迹并输出运动目标，其步骤为
运动目标质心用点表示，再将不同帧所对应的运动对象的质心用线段连接 起来，并实时地输出到原始视频序列图像中。
权利要求
1.多视频运动目标的自动分割与跟踪方法，其步骤是1)输入视频图像；2)自适应背景建模采用分析差异积累动态矩阵来决定某像素属于前景或背景的方法，确定背景的更新模型；3)采用变系数空域滤波器掩模对背景差图像进行空域滤波；4)自适应阀值化，并采用增强的Otsu法提取运动目标的轮廓信息；5)运动目标质心的求取与质心标记，其步骤为①运动目标质心的求取；②运动目标质心标记；6)跟踪运动目标，其步骤为①运动对象质心的关联跟踪；②绘制运动目标运动轨迹，输出运动目标。
2. 如权利要求l所述的自动分割与跟踪方法，其特征在于所述的采用增 强的OtSU法提取运动目标的轮廓信息，其步骤为；① 求取增强的OtSU法最优二值化阀值；② 对步骤3)中经空域滤波后的背景差图像采用求得的最优二值化阀值进 行阀值化；③ 对阈值化后的图像采用形态学腐蚀及膨胀操作，结合形态学提取边界的 方法提取视频运动对象轮廓。
全文摘要
本发明公开了一种可以实现静止背景下多个视频运动目标的实时自动分割与准确跟踪的多视频运动目标的自动分割与跟踪方法，其步骤是1)输入视频图像；2)自适应背景建模；3)对背景差图像进行空域滤波；4)自适应阀值化与运动目标轮廓的提取；5)运动目标质心的求取与质心标记；6)跟踪运动目标。本发明所述的自动分割与跟踪方法主要应用于基于内容的视频检索与视频监控的底层视频处理技术中。
文档编号G06T7/20GK101527044SQ20091002546
公开日2009年9月9日 申请日期2009年3月16日 优先权日2009年3月16日
发明者吴建明, 李银伢 申请人:江苏银河电子股份有限公司