专利名称：一种基于蛙眼视觉特性定位运动目标的方法
技术领域：
本发明涉及模式识别领域，尤其涉及一种基于蛙眼视觉特性定位运动目标的方法。
背景技术：
目前，智慧城市和安全城市的建设对于智能视频监控系统的需求越来越大，对于其功能要求也越来越多，接力跟踪成为智能视频监控系统的一大主要功能。由于目前摄像机的监控范围有限，为了对较大监控场景区域内的同一目标进行持续监控，以获取目标更为清晰、更为具体的图像，需要多摄像机的协同工作，接力跟踪则是根据这一需求而产生的功能。几乎所有的接力跟踪方法都涉及到运动目标的匹配，而常用的匹配方法根据匹配特征的选取不同，可以分为三大类1、直接利用原始图像的像素值进行匹配；2、利用图像的物理形状特征(点、线)，如边缘、角点等特征，需要进行相关计算的像素点数目有了明显的减少，并具有更强的适应能力；3、使用约束的树搜索等高级特征的算法。然而针对实际复杂场景下的接力跟踪，常用的这些目标匹配方法无法直接较好的应用，其根本原因在于实际场景较为复杂，存在较多的干扰，直接使用常用的匹配算法会面临计算量较大、干扰较多且无法准确定位的问题。
发明内容
本发明的目的是提供一种基于蛙眼视觉特性定位运动目标的方法，可准确的从复杂场景中提取运动目标，从而快速、准确地实现目标定位。一种基于蛙眼视觉特性定位运动目标的方法，包括采用基于帧间差法的运动区域检测算法，模拟蛙眼视觉系统对运动目标敏感的特性来提取图像中的运动区域，具体的利用帧间差分法，对用于进行接力跟踪的第二摄像机采集到的序列图像中的相邻帧做差分运算，获得包含一个或多个运动目标的若干运动区域的图像；将所述包含一个或多个运动目标的若干运动区域的图像与第一摄像机中选定的运动目标跟踪框图像进行直方图匹配，从该若干运动区域图像中寻找最为相似的区域，该区域则为选定的运动目标在第二摄像机中的位置区域。由上述本发明提供的技术方案可以看出，通过基于蛙眼视觉特性滤除复杂场景图像中的静止区域，可较为准确的提取运动目标的运动区域，减少了目标匹配时的计算量，增加了定位的准确性。
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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，对于本领域的普通技术人员来讲，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附图。图1为本发明实施例一提供的一种基于蛙眼视觉特性定位运动目标的方法的流程图；图2为本发明实施例二提供的又一种基于蛙眼视觉特性定位运动目标的方法的流程图。
具体实施例方式下面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，而不是全部的实施例。基于本发明的实施例，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，都属于本发明的保护范围。一个监控场景区域中包含多个摄像机，通过多个摄像机的协作来完成场景区域的监控工作。第一摄像机(例如，枪型摄像机)用于对场景区域进行整体监控，当该第一摄像机中出现用户关注的运动目标时，需调用第二摄像机(例如，球型摄像机)对该运动目标进行接力跟踪。对于较为复杂的环境(例如，第二摄像机中可能存在多个运动目标)，若第二摄像机要准确的对第一摄像机中关注的运动目标进行接力跟踪，首先要进行运动目标的匹配。实施例一图1为本发明实施例一提供的一种基于蛙眼视觉特性定位运动目标的方法的流程图，主要包括如下步骤步骤101、基于蛙眼视觉特性滤除第二摄像机中的静止区域，提取运动区域图像。蛙眼视觉系统对运动目标具有特殊敏感性，青蛙看不见(至少是不关注)周围世界中的静态部分细节，而对于复杂场景中运动目标可以利用该特性进行静止区域的过滤。因此，采用基于帧间差法的运动区域检测算法来模拟蛙眼对运动目标敏感的视觉特性，以滤除第二场景中的静止区域，实现运动目标的运动区域准确提取；具体的利用帧间差分法对第二摄像机采集到的序列图像中的相邻帧做差分运算，获得包含一个或多个运动目标的若干运动区域的图像。帧间差法主要通过对序列图像中相邻帧做差分运算，比较相邻帧对应像素点的灰度值的不同，再通过选取阈值来提取包含一个或多个运动目标的若干运动区域的图像。步骤102、运动目标的定位。由于第一摄像机的监控范围有限，因此，若需对某一运动目标进行接力跟踪，则需借助第二摄像机。通过步骤101可获得第二摄像机监控场景中的运动区域(可以包含一个或多个运动目标的若干运动区域)，此时，可以利用第二摄像机中的运动区域与第一摄像机中选定的某一运动目标跟踪框图像进行匹配，获得该目标在第二摄像机中的位置。具体的用户可以从第一摄像机的场景中选定一个运动目标跟踪框图像(包含一个运动目标的运动区域)，将该图像与第二摄像机中包含一个或多个运动目标的若干运动区域的图像进行直方图匹配，从所述第二摄像机中若干运动区域图像中寻找最为相似的区域，该区域则为预定的运动目标在第二摄像机中的位置区域。当获得运动目标在第二摄像机所在区域后，可将该区域作为第二摄像机的初始跟踪框所在区域；再利用以均值飘移(Mean Shift)法为核心的主动跟踪算法控制所述第二摄像机运动，使该运动目标始终位于第二摄像机场景的中央区域，且跟踪框的大小保持在预定的范围之内。本发明实施例通过基于蛙眼视觉特性的运动区域检测算法过滤复杂场景图像中的静止区域，可较为准确的提取运动目标的运动区域，减少了目标匹配的计算量，增加了其匹配的准确性。实施例二为了便于理解本发明，下面结合附图2对本发明做进一步介绍，如图2所示，主要包括如下步骤:步骤201、第一摄像机进行监控场景区域运动目标的检测与跟踪。可采用背景差法进行运动目标检测，当第一摄像机检测到监控场景区域中存在运动目标时，判断是否符合预定的跟踪条件，若是，则转入步骤202。所述预定的跟踪条件包括:判断所述第一摄像机用于监控运动目标的跟踪框的位置是否处于第一摄像机监控场景区域的边缘；具体的:若该跟踪框与第一摄像机画面边界纵方向或横方向的距离小于预定值(例如，3个像素)时，则判定运动目标处于第一摄像机监控场景区域的边缘。步骤202、调用空闲的第二摄像机对运动目标进行接力跟踪。为了便于进行接力跟踪，需要在场景区域设置对每一第二摄像机设置多个预置位。例如，在第一摄像机监控场景区域的顶点与顶部、底部、左端及右端中心处设置P个预置位。当符合预定的跟踪条件时，则调用空闲第二摄像机并移动到距离运动目标最近的预置位进行接力跟踪。步骤203、采用基于蛙眼视觉特性的运动区域检测算法滤除第二摄像机中的静止区域，提取运动区域的图像。第二摄像机到达预置位后，需要保持在该位置稳定一段时间(例如，500毫秒)，以供拍摄用于与第一摄像机进行运动目标匹配的图像。该时间可以根据场景中的实际情况进行设定，但需要保证在这段时间内，运动目标匹配算法可以计算完成，并且运动目标不会走出此时刻第二摄像机的监控场景。蛙眼的视觉系统对运动目标具有敏感性，因此，本实施采用基于帧间差法的运动区域检测算法来模拟蛙眼的视觉特性，以滤除第二摄像机场景中的静止目标，实现运动目标的运动区域准确提取。具体的:利用帧间差法中的三帧差分法对连续的三帧图像中相邻的两帧图像分别进行差分运算，获得两个灰度差图像:Dk-U(XJ) = fk-!(x, y)-fk(x, y)；Dkj k+1 (x, y) = fk+1 (x, y)-fk(x, y);其中，fk_!(x, y), fk (x, y)和 fk+1 (x, y)为连续的三巾贞图像;Dk_lk(x, y)与 Dkjk+1 (x, y)为相邻两帧图像进行差分运算后得到的灰度差图像；利用阈值对Dlri, k(x，y)与Dk, k+1 (x, y)进行二值化，获得对应的二值化图像Blri,k(x, y)和
^k, k+1 (χ, y)；将二值化图像和Bk,k+1(x，y)进行相与运算，获得包含一个或多个运动目标的若干运动区域的三帧差二值图像￡>丨(X，>，):
权利要求
1.一种基于蛙眼视觉特性定位运动目标的方法，其特征在于，包括: 采用基于帧间差法的运动区域检测算法，模拟蛙眼视觉系统对运动目标敏感的特性来提取图像中的运动区域，具体的:利用帧间差分法对用于进行接力跟踪的第二摄像机采集到的序列图像中的相邻帧做差分运算，获得包含一个或多个运动目标的若干运动区域的图像； 将所述包含一个或多个运动目标的若干运动区域的图像与第一摄像机中选定的运动目标跟踪框图像进行直方图匹配，从该若干运动区域图像中寻找最为相似的区域，该区域则为选定的运动目标在第二摄像机中的位置区域。
2.根据权利要求1所述的方法，其特征在于，所述从该运动区域中寻找最为相似的区域之后还包括: 将该区域作为第二摄像机的初始跟踪框所在区域； 利用均值飘移Mean Shift算法控制所述第二摄像机运动，使该运动目标始终位于第二摄像机场景的中央区域，且跟踪框的大小保持在预定的范围之内。
3.根据权利要求1所述的方法，其特征在于，所述利用帧间差分法对用于进行接力跟踪的第二摄像机采集到的序列图像中的相邻帧做差分运算，获得包含一个或多个运动目标的若干运动区域的图像的步骤包括: 利用三帧差分法对连续的三帧图像中相邻的两帧图像分别进行差分运算，获得两个灰度差图像:Dk-1,k(x，y) = fk-1 (χ.y)_fk(x.y)； Dk, k+i (χ, y)= fk+1 (x, y) -fk(x, y) I ；其中，fk_! (x, y), fk(x, y)和 fk+1(x，y)为连续的三巾贞图像；Dlrf, k(x, y)与 Dk, k+1(x，y)为相邻两帧图像进行差分运算后得到的灰度差图像； 利用阈值对Dlri, k(x，y)与Dk, k+1 (x, y)进行二值化，获得对应的二值化图像Blri, k(x，y)和 Bk,k+1(x，y)； 将二值化图像Bh, k(x，y)和Bk, k+1 (x, y)进行相与运算，获得包含一个或多个运动目标的若干运动区域的三帧差二值图像>，):
4.根据权利要求3所述的方法，其特征在于，该方法还包括:标记所述若干运动区域中的一个或多个运动目标； 具体的:利用形态学闭操作及降低分辨率的方法，从所述包含一个或多个运动目标的若干运动区域的图像中提取出连续的运动区域； 使用包含S条直线的二值图像对所述提取出连续的运动区域的图像进行逐行扫描，将所有连通的直线连成链表并进行统一的数字标记，获得连通区域的信息，其中S为正整数； 分别提取每一独立的连通区域的最小外接矩形框体，并进行标注。
5.根据权利要求4所述的方法，其特征在于，所述利用形态学闭操作及降低分辨率的方法，从所述包含一个或多个运动目标的若干运动区域的图像中提取出连续的运动区域的步骤包括:将所述包含一个或多个运动目标的若干运动区域的图像进行形态学中的膨胀处理，获得膨胀后的图像Dn; 降低所述Dn的分辨率得到图像Rn，具体的:将Dn分割为ZXZ的子块，若每一子块中像素为255的像素占一半以上,则将当前子块中的所有像素置为255,否则为O ; 对所述图像Rn进行形态学中的腐蚀处理，获得包含连续的运动区域的图像。
6.根据权利要求1所述的方法，其特征在于，所述将所述包含一个或多个运动目标的若干运动区域的图像与第一摄像机中选定的运动目标跟踪框图像进行直方图匹配，从所述若干运动区域图像中寻找最为相似的区域的步骤包括: 分别计算所述包含一个或多个运动目标的若干运动区域的图像与第一摄像机的选定运动目标跟踪框图像的直方图W1与W2 ; 将上述直方图W1与W2转换为具有规定概率密度函数的图像，并找出最为相似的区域。
7.根据权利要求6所述的方法，其特征在于，所述将上述直方图W1与W2转换为具有规定概率密度函数的图像的步骤包括: 对于直方图W1与W2的每个像素，若像素值为rk，将该值映射到其对应的灰度级Sk ;再映射灰度级Sk到最终的灰度级Zk ； 具体的:对每一灰度级rk预计算映射灰度级Sk:
8.根据权利要求1所述的方法，其特征在于，所述利用帧间差分法对用于进行接力跟踪的第二摄像机采集到的序列图像中的相邻帧做差分运算之前还包括: 通过第一摄像机进行运动目标的检测与跟踪，当该第一摄像机检测到运动目标后，判断是否符合预定的跟踪条件，若是，则调用空闲的第二摄像机对运动目标进行接力跟踪。
9.根据权利要求8所述的方法，其特征在于，所述判断是否符合预定的跟踪条件包括: 判断所述第一摄像机用于监控运动目标的跟踪框的位置是否处于第一摄像机监控场景区域的边缘；具体的:若该跟踪框与第一摄像机画面边界纵方向或横方向的距离小于预定值时，则判定运动目标处于第一摄像机监控场景区域的边缘。
10.根据权利要求8或9所述的方法，其特征在于，所述调用空闲的第二摄像机对运动目标进行接力跟踪包括: 所述第一摄像机监控场景区域的顶点与顶部、底部、左端及右端中心处设有P个供第二摄像机进行接力跟踪的预置位，当符合预定的跟踪条件时，则调用空闲第二摄像机并移动到距离运动目标最近的预置位进行接力跟踪。
全文摘要
本发明公开了一种基于蛙眼视觉特性定位运动目标的方法，该方法包括采用基于帧间差法的运动区域检测算法，模拟蛙眼视觉系统对运动目标敏感的特性来提取图像中的运动区域，具体的利用帧间差分法对用于进行接力跟踪的第二摄像机采集到的序列图像中的相邻帧做差分运算，获得包含一个或多个运动目标的若干运动区域的图像；将所述包含一个或多个运动目标的若干运动区域的图像与第一摄像机中选定的运动目标跟踪框图像进行直方图匹配，从该若干运动区域图像中寻找最为相似的区域，该区域则为选定的运动目标在第二摄像机中的位置区域。通过采用本发明公开的方法，可准确的从复杂场景中提取运动目标，从而快速、准确地实现定位。
文档编号G06T7/20GK103077533SQ20121057449
公开日2013年5月1日 申请日期2012年12月26日 优先权日2012年12月26日
发明者陈宗海, 郭明玮, 赵宇宙, 张陈斌, 项俊平 申请人:中国科学技术大学