面向工业现场的多目标视频跟踪方法
【专利摘要】本发明公开了一种面向工业现场的多目标视频跟踪方法，是一种融合了背景建模和运动信息的Camshift方法，首先根据跟踪目标获得目标颜色概率密度图像；然后根据背景建模获得的运动区域图像对目标颜色概率密度图像进行滤波处理；在Camshift每次迭代过程中，引入运动方向信息，通过加权融合获得最优匹配位置；在多目标跟踪过程中，将当前帧中已完成搜索的跟踪目标在目标颜色概率密度图像中滤除，减少对其它目标的干扰。实验表明，本发明方法对相似背景干扰和多目标的相互干扰，具有很好的处理能力。
【专利说明】面向工业现场的多目标视频跟踪方法
【技术领域】
[0001] 本发明涉及一种面向工业现场的多目标视频跟踪方法，属于复杂环境的工业现场 中的多目标跟踪技术。
【背景技术】
[0002] 在工业产业飞速发展的今天，用计算机来代替人力来完成对现场情况的记录与分 析已经越来越必要。传统的视频监控系统主要由人工对采集获取图像信息进行分析，工作 量非常巨大，并且人的注意力会随着时间推移不能集中，导致出错率的增加。所以，由计算 机来代替人对这些信息进行分析和记录是必要且明智的选择。
[0003] 在工业现场的智能视频监控中，仓库物流管理是一个新兴而复杂的领域。工业现 场的物流仓库环境复杂，背景中存在大量相似的物体，运动轨道上的跟踪目标有很大程度 上的相似，加上跟踪过程中目标的旋转、大小变化以及相互遮挡等因素，大大增加了工业现 场多目标跟踪的难度。
[0004] 随着三十多年众多学者的不断探索和研究，大量的跟踪算法被提出以解决跟踪过 程中遇到的各种问题和挑战，包括目标突然快速运动、外观变化、尺度变化、光照变化、局部 遮挡或者短时间全部遮挡、背景复杂的干扰等 [1]。目前，视频跟踪的主要方法有基于运动模 型、基于光流、基于特征等几类方法。
[0005] 跟踪问题的首要步骤是外观模型的建立。在计算机视觉技术快速发展下，外观模 型的建立方法层出不穷。如文献 [2]提出的利用图像分割方法，将被跟踪区域分割成多个超 像素块，结合SIFT特征，形成词汇本，并计算每个词在词汇本上的权值，作为目标的外观模 型。对于目标搜索策略，现有的多目标跟踪技术大都使用粒子滤波来搜索最佳匹配 [3]。粒 子滤波采用蒙特卡洛法采样观测样本，使得算法不易陷入局部极小值，但是随着目标状态 空间的增加，需要采样大量的粒子才能保证跟踪的精度，而对每个粒子的计算需要消耗大 量的时间，很难满足实时性的要求。光流法一直被认为是一种计算复杂度较高的方法，且很 少被应用在实时监控中。然而，文献 [4]提出一种稀疏光流快速计算的目标跟踪算法，克服 了实时性差的问题，能很好地适应于目标遮挡情况并且能跟踪快速运动目标，但跟踪准确 率还有待提1?。
[0006] 基于颜色特征的Camshift算法可以有效地实现运动目标的快速定位与实时跟 踪，尤其在目标形变、旋转等情况下，具有较高的鲁棒性和实时性。然而传统的Camshift算 法在跟踪过程中没有利用跟踪目标的运动信息，在周围环境干扰较强或者存在遮挡的情况 下，很难对目标进行准确的跟踪 [5]。粒子滤波与Camshift算法的结合，可以加强跟踪的鲁 棒性，但粒子滤波的难点在于参考分布的选择及粒子退化的问题 [8_9]。Deilamani等人用多 特征融合的方法对Camshift跟踪算法进行改进 [6]，实验结果表明：多特征融合有效地提高 了复杂环境下Camshift算法的跟踪准确率。但同时增加了算法的复杂度，不能满足实时跟 踪系统的需要。
【发明内容】
[0007] 发明目的：为了克服现有技术中存在的不足，本发明提供一种面向工业现场的多 目标视频跟踪方法，利用跟踪目标特征的颜色直方图对目标概率密度进行快速估计；在此 基础上利用背景建模对目标概率密度进行滤波，减少静止背景中相似物体对Camshift算 法的影响；在Camshift算法迭代搜索过程中，将每次迭代搜索结果与运动方向信息加权， 计算得优秀的搜索结果；在多目标跟踪过程中，根据搜索的顺序，将前一个目标的搜索得出 的区域在概率密度图中置〇,以减少对后面搜索的干扰。通过上述过程的改进，使得算法不 仅能处理背景复杂情况下的目标跟踪问题，还能对多个相似目标同时进行有效准确跟踪。
[0008] 技术方案：为实现上述目的，本发明采用的技术方案为：
[0009] 面向工业现场的多目标视频跟踪方法，对轨道上的多目标进行跟踪；该方法是一 种融合了背景建模和运动信息的Camshift方法，首先根据跟踪目标获得目标颜色概率密 度图像；然后根据背景建模获得的运动区域图像对目标颜色概率密度图像进行滤波处理； 在Camshift每次迭代过程中，引入运动方向信息，通过加权融合获得最优匹配位置；在多 目标跟踪过程中，将当前帧中已完成搜索的跟踪目标在目标颜色概率密度图像中滤除，减 少对其它目标的干扰。
[0010] 具体的，在视频监测区域，当检测到多个目标时，按照目标进入轨道的顺序将目标 依次命名为TAG1、TAG2、TAG3、"^TAGi、…，对TAGi进行目标跟踪，具体包括如下步骤： [0011] (1)根据当前目标的目标特征直方图，计算当前帧的目标颜色概率密度图像，进入 步骤（2);
[0012] (2)将当前帧的目标颜色概率密度图像与背景建模获得的运动区域图像进行对 t匕，将非运动区域所对应的概率密度值置为零；同时，将前帧的目标颜色概率密度图像中， 已经跟踪成功的目标区域所对应的概率密度值置为零；得到当前帧新的目标颜色概率密度 图像I (X，y)，根据当前帧新的目标颜色概率密度图像I (X，y)获取候选目标区域，计算候选 目标区域的中心坐标为（XQ，yQ)，进入步骤（3);
【权利要求】
1. 面向工业现场的多目标视频跟踪方法，对轨道上的多目标进行跟踪；其特征在于： 该方法是一种融合了背景建模和运动信息的Camshift方法，首先根据跟踪目标获得目标 颜色概率密度图像；然后根据背景建模获得的运动区域图像对目标颜色概率密度图像进行 滤波处理；在Camshift每次迭代过程中，引入运动方向信息，通过加权融合获得最优匹配 位置；在多目标跟踪过程中，将当前帧中已完成搜索的跟踪目标在目标颜色概率密度图像 中滤除，减少对其它目标的干扰。
2. 根据权利要求1所述的面向工业现场的多目标视频跟踪方法，其特征在于：在视频 监测区域，当检测到多个目标时，按照目标进入轨道的顺序将目标依次命名为TAG1、TAG2、 TAG3、…、TAGi、…，对TAGi进行目标跟踪，具体包括如下步骤： (1) 根据当前目标的目标特征直方图，计算当前帧的目标颜色概率密度图像，进入步骤 (2)； (2) 将当前帧的目标颜色概率密度图像与背景建模获得的运动区域图像进行对比，将 非运动区域所对应的概率密度值置为零；同时，将前帧的目标颜色概率密度图像中，已经跟 踪成功的目标区域所对应的概率密度值置为零；得到当前帧新的目标颜色概率密度图像 I(x，y)，根据当前帧新的目标颜色概率密度图像I(x，y)获取候选目标区域，计算候选目标 区域的中心坐标为（XQ，yQ)，进入步骤（3); (3) 计算候选目标区域的零阶矩Mtltl及关于X(l，％的一阶矩Mltl和Mtll :
进入步骤（4); (4) 根据零阶矩Mtltl以及一阶矩Mltl和Mtll计算目标在候选目标区域中的当前位置 (x1；Y1)：
进入步骤（5); (5) 将当前位置（Xl，yi)记录到数组Point□中，计算以（Xl，yi)为中心的候选目标区 域与参考模板之间的相似度，并将计算出的相似度记录到数组initial_sim□中，进入步 骤⑶； (6) 相比于以为中心的候选目标区域，若以当前位置（Xl，yi)为中心的 候选目标区域与参考模板之间的相似度降低，则进行如下赋值：
乃
，得到新的当前位置（U1),进入步骤（7);否则迭代结束，进入步骤 (8)； (7)若移动步长^-X0)1+(Yt-Y0)1 <s，则迭代结束，进入步骤（8);否则 Xtl -X1,yQ -Y1，返回步骤（3); ⑶将当前目标在当前帧中的当前位置（Xpy1)记为，将目标在前一帧中的位置记为S1，计算当前目标的运动方向向量Po=a。-O1，进入步骤（9); (9) 将数组Point□中保存的坐标分别与目标在前一帧中的位置相减，计算位移方 向向量，依次为％t，n为迭代次数；将％",<yH分别为与]^计算余弦量，保存为 COS1,COS2, ...cosn，进入步骤（10); (10) 将Cosi与所对应位置的候选区域的相似度initial_sim[i]相乘，结果保存到数 组fused_sim[i]中，进入步骤（11); (11) 将fuSed_sim[i]中最大的值所对应的位置作为当前目标的在当前帧中的跟踪结 果，并将该位置作为当前目标在下一帧中的参考模板，进入步骤（12); (12) 判断当前帧中的所有目标是否都跟踪结束：如果没有，返回步骤（1)，对下一个目 标进行跟踪；否则，结束。
3.根据权利要求1所述的面向工业现场的多目标视频跟踪方法，其特征在于：通过背 景建模获得的运动区域图像，采用的方法为背景差法，使用HSV颜色模型的H分量值作为像 素值。
【文档编号】G06T7/20GK104268902SQ201410523496
【公开日】2015年1月7日 申请日期:2014年9月30日 优先权日:2014年9月30日
【发明者】郝立, 李士进, 练海晨, 华聚良 申请人:东南大学