专利名称：一种面向遮挡和场景变换的运动对象追踪方法
技术领域：
本发明属于图像处理技术、运动对象的追踪技术领域。具体地说是涉及基于kalman滤波和SURF方法相结合来实现遮挡和场景变换情况下运动对象的快速、准确追踪方法。
背景技术：
目前的视频运动对象追踪方法有如下几种:一是基于区域的跟踪方法，其首先分割出每一帧的视频对象，然后建立各分割对象间的对应关系，从而实现对视频对象的跟踪。这种方法对视频对象的分割要求很高，一旦视频片段中的某一帧或某几帧的对象分割错误，则整个视频对象的跟踪就会失败。二是Graph Cuts方法(又称为Min-Cut/Max-Flow方法),是一种经典的图像分割方法，目前很多图像分割方法都是基于Graph Cuts衍生出来的。由于运动对象的跟踪方法的前一步通常都是运动前景物体的提取，因此这种基于区域的跟踪方法应用比较广泛。但由于这种方法不能很好地分割相互遮挡的物体，因此这种方法在遮挡频繁发生的场景中效果较差。三是基于模型的跟踪方法，目前基于模型的跟踪方法主要分为两类:即基于模型的人体跟踪和基于模型的车辆跟踪。由于该方法的特性，在得到物体2D图像坐标和3D坐标的对应关系后，即使物体发生较大程度的角度变换，也可以利用物体的3D模型进行跟踪。该方法要求先对被跟踪物体进行建模，然后将该模型和视频图像中的内容进行匹配来实现跟踪；且这种方法要求对被跟踪物体有足够的先验知识，才能建立出有效的目标模型。
发明内容
本发明的任务在于提供一种面向遮挡和场景变换的运动对象追踪方法，该方法能够快速、准确地实现对视频中特定运动物体的追踪。其技术解决方案是:一种面向遮挡和场景变换的运动对象追踪方法，包括下列步骤:a对输入的视频序列进行前景运动检测，提取运动对象；然后进入步骤b，b如果已经保存有追踪对象的特征，则进入步骤d ;如果未保存有追踪对象的特征，则根据用户选定的区域完成对目标物体的模板初始化和SURF特征提取，以及Kalman滤波器的初始化；然后进入步骤C，C采用基于Kalman滤波器的方法对运动目标进行预测跟踪，直至视频内容结束，进入步骤e ;当追踪过程中发生遮挡时，则进入步骤d ；d使用基于SURF特征的匹配方法确定追踪对象，在特征匹配趋于稳定并判断遮挡结束时，重新初始化Kalman滤波器后进入步骤c ；e输出并保存目标对象特征信息。上述步骤a中，建立两个参考巾贞Ibg(χ, y)、Iup(x, y), Ibg(x, y)为当前场景的背景中贞，Iup (X，y)是一个随时间不断更新的参考巾贞；将当前巾贞I (X，y)分别与Ibg (x, y)、Iup (x, y)进行差分二值化，得到的结果记为=Fbg(X，y)、Fup(x, y)，根据二者的值分辨出场景中的遗留物和运动物体。上述步骤c中，首先对Kalman滤波器进行初始化，然后根据观测到的目标物体状态进行预测跟踪；在跟踪过程中，根据目标对象的轮廓变化情况自适应地更新模板图像，并将有代表性的特征信息进行保存；在追踪过程中，采用基于轮廓相交的判断方法对是否发生遮挡进行建模、分析和判断。上述步骤d中，自动搜索视频内容并找到与被跟踪物体特征点匹配最多的前景团块，针对测量误差和噪声引起的错误匹配，在得到SURF特征匹配点对后使用RANSAC算法进行精确匹配并得到图像间的转换的单应性矩阵，在视频中标定目标对象；判断遮挡是否结束与上述判断是否发生遮挡采用相同模型；重新初始化Kalman滤波器采用的方法与上述Kalman滤波器的初始化方法相同。本发明可具有如下有益技术效果:本发明采用Kalman滤波器和SURF特征匹配相结合的方法，一方面在无遮挡和场景变换时，Kalman滤波器可以快速的完成预测和追踪，另一方面在发生遮挡和场景变换时，利用SURF特征的尺度不变等特性可以有效解决Kalman滤波器失效情况下的目标跟踪问题；因此具有快速、准确的优点，并且由于可以根据目标轮廓的变化自适应地更新目标模板，鲁棒性也很好。本发明是综合运用遗留物检测算法、Kalman滤波器、SURF特征、遮挡判断等，提出来的一套完整的适用于固定背景单目摄像机的视频运动对象追踪方法，可制成软件，便于应用。
下面结合附图与具体实施方式
对本发明作更进一步的说明:图1为本发明中的前景运动检测过程示意图。图2为本发明中所使用的基本Kalman滤波器工作流程示意图。图3为本发明中所使用的SURF与SIFT算法构建的尺度空间对比示意图。图4为本发明中所使用的SURF算法在三个方向上的方框滤波示意图。图5为本发明的流程框图。
具体实施例方式为了更好地理解及实现本发明，首先对本发明使用的技术背景介绍如下:一、运动对象检测算法。1.时间域差分法时间域差分就是将视频序列中相邻俩帧图像做差，通过得到的像素差值提取运动对象。这种方法简单方便，适合动态背景下的运动提取。但通过这种方法得到的目标轮廓可能并不完整。例如当运动物体移动十分缓慢，而且本身具有大面积平滑区域时，这样将相邻俩帧图像做差就不能得到重叠的部分，得到的轮廓会出现“空洞”。目前一种改进方法是利用三帧差分代替俩帧差分，这样就能较好地检测出中间帧运动目标的轮廓。设视频序列中相邻的三巾贞图像为zUx’y)、It (x, y) > It+1(x, y)，分别计算相邻俩帧的像素差值:
权利要求
1.一种面向遮挡和场景变换的运动对象追踪方法，其特征在于包括下列步骤: a对输入的视频序列进行前景运动检测，提取运动对象；然后进入步骤b， b如果已经保存有追踪对象的特征，则进入步骤d ;如果未保存有追踪对象的特征，则根据用户选定的区域完成对目标物体的模板初始化和SURF特征提取，以及Kalman滤波器的初始化；然后进入步骤C， c采用基于Kalman滤波器的方法对运动目标进行预测跟踪，直至视频内容结束，进入步骤e ;当追踪过程中发生遮挡时，则进入步骤d ； d使用基于SURF特征的匹配方法确定追踪对象，在特征匹配趋于稳定并判断遮挡结束时，重新初始化Kalman滤波器后进入步骤c ；e输出并保存目标对象特征信息。
2.根据权利要求1所述的一种面向遮挡和场景变换的运动对象追踪方法，其特征在于: 上述步骤a中，建立两个参考巾贞Ibg(χ, y)、Iup(χ, y), Ibg(x, y)为当前场景的背景中贞，Iup (χ, y)是一个随时间不断更新的参考巾贞；将当前巾贞I (χ, y)分别与Ibg(χ, y)、Iup(x, y)进行差分二值化，得到的结果记为=Fbg(X，y)、Fup(x, y)，根据二者的值分辨出场景中的遗留物和运动物体。
3.根据权利要求1或2所述的一种面向遮挡和场景变换的运动对象追踪方法，其特征在于: 上述步骤c中，首先对Kalman滤波器进行初始化，然后根据观测到的目标物体状态进行预测跟踪；在跟踪过程中，根据目标对象的轮廓变化情况自适应地更新模板图像，并将有代表性的特征信息进行保存；在追踪过程中，采用基于轮廓相交的判断方法对是否发生遮挡进行建模、分析和判断。
4.根据权利要求3所述的一种面向遮挡和场景变换的运动对象追踪方法，其特征在于: 上述步骤d中，自动搜索视频内容并找到与被跟踪物体特征点匹配最多的前景团块，针对测量误差和噪声引起的错误匹配，在得到SURF特征匹配点对后使用RANSAC算法进行精确匹配并得到图像间的转换的单应性矩阵，在视频中标定目标对象；判断遮挡是否结束与上述判断是否发生遮挡采用相同模型；重新初始化Kalman滤波器采用的方法与上述Kalman滤波器的初始化方法相同。
全文摘要
本发明公开了一种面向遮挡和场景变换的运动对象追踪方法，包括下列步骤a对输入的视频序列进行前景运动检测，提取运动对象；b如果已经保存有追踪对象的特征，则进入步骤d；如果未保存，则根据用户选定的区域完成对目标物体的模板初始化和SURF特征提取，以及Kalman滤波器的初始化；c采用基于Kalman滤波器的方法对运动目标进行预测跟踪，直至视频内容结束，进入步骤e；当追踪过程中发生遮挡时，则进入步骤d；d使用基于SURF特征的匹配方法确定追踪对象，在特征匹配趋于稳定并判断遮挡结束时，重新初始化Kalman滤波器后进入步骤c；e输出并保存目标对象特征信息。本发明是一套完整的适用于固定背景单目摄像机的视频运动对象追踪方法，可制成软件，便于应用。
文档编号G06T7/20GK103106667SQ20131003975
公开日2013年5月15日 申请日期2013年2月1日 优先权日2013年2月1日
发明者房胜, 汴紫涵, 徐田帅, 王飞, 党超 申请人:山东科技大学