运动目标跟踪方法和电视技术

本发明专利技术提供一种运动目标跟踪方法和电视，其中，该方法包括：采用改进混合高斯背景建模的阴影去除方法，去除视频图像中的运动目标的阴影；针对每一个运动目标建立模型信息；根据每一个运动目标的模型信息，自适应更新运动目标的跟踪窗口；根据每一个运动目标的模型信息，确定各运动目标之间的权值；根据各运动目标之间的权值，确定各运动目标之间的关联概率；根据各运动目标之间的关联概率，对跟踪窗口下的运动目标进行跟踪维持。由于建立起了各运动目标之间的关联概率，从而可以对各遮挡、合并的运动目标进行分离，可以对多个运动目标进行分离，进而可以对视频图像中的运动目标进行跟踪维持，很好的去实运动目标跟踪的目的。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其涉及一种运动目标跟踪方法和电视。
技术介绍
随着图像技术发展，智能监控系统已经普遍的应用到了生活中。智能监控系统是采用图像处理和模式识别技术，通过数据处理功能过滤掉场景中没用的信息，然后对感兴趣的运动目标或非运动目标进行快速观察和分析，进而对这些目标进行检测、描述、识别和行为理解的技术，可以实现对监控场景中的目标智能的、实时准确的进行监控。目前，现有技术中，经常使用智能监控系统进行运动目标的检测，通过对运动目标的图像以及背景图像进行分析，进而实现运动目标的检测。然而现有技术中，在视频图像中的运动目标出现遮挡、或者合并的时候，无法对多个运动目标进行分离，进而无法很好的去实现运动目标跟踪的目的。
技术实现思路
本专利技术提供一种运动目标跟踪方法和电视，用以解决现有技术中在视频图像中的运动目标出现遮挡、或者合并的时候，无法对多个运动目标进行分离，进而无法很好的去实现运动目标跟踪的目的的问题。本专利技术的一方面是提供一种运动目标跟踪方法，包括：采用改进混合高斯背景建模的阴影去除方法，去除视频图像中的运动目标的阴影；针对每一个运动目标建立模型信息；根据每一个运动目标的模型信息，自适应更新运动目标的跟踪窗口；根据每一个运动目标的模型信息，确定各运动目标之间的权值；根据各运动目标之间的权值，确定各运动目标之间的关联概率；根据各运动目标之间的关联概率，对跟踪窗口下的运动目标进行跟踪维持。本专利技术的另一方面是提供一种电视，其特征在于，包括：显示机芯、现场可编程门阵列(Field－ProgrammableGateArray，简称FPGA)芯片以及液晶屏，所述FPGA芯片分别与所述显示机芯、所述液晶屏连接；其中，所述FPGA芯片用于实现如上任一项所述的运动目标跟踪方法。本专利技术的技术效果是：通过采用改进混合高斯背景建模的阴影去除方法，去除视频图像中的运动目标的阴影；针对每一个运动目标建立模型信息；根据每一个运动目标的模型信息，自适应更新运动目标的跟踪窗口；根据每一个运动目标的模型信息，确定各运动目标之间的权值；根据各运动目标之间的权值，确定各运动目标之间的关联概率；根据各运动目标之间的关联概率，对跟踪窗口下的运动目标进行跟踪维持。由于建立起了各运动目标之间的关联概率，从而可以对各遮挡、合并的运动目标进行分离，可以对多个运动目标进行分离，进而可以对视频图像中的运动目标进行跟踪维持，很好的去实运动目标跟踪的目的。附图说明图1为本专利技术实施例一提供的运动目标跟踪方法的流程图；图2为本专利技术实施例二提供的运动目标跟踪方法的流程图；图3为本专利技术实施例三提供的运动目标跟踪装置的结构示意图；图4为本专利技术实施例四提供的运动目标跟踪装置的结构示意图；图5为本专利技术实施例五提供的电视的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。图1为本专利技术实施例一提供的运动目标跟踪方法的流程图，如图1所示，本实施例提供的方法，包括：步骤101、采用改进混合高斯背景建模的阴影去除方法，去除视频图像中的运动目标的阴影。其中，步骤101的具体实现方式为：针对视频图像中的每一个运动目标，确定运动目标的前景图像与背景区域之间的颜色夹角其中，Xd为运动目标的前景图像在第j个像素点的颜色向量，Xb为运动目标的背景区域在第j个像素点的颜色向量，其中，j为正整数；针对视频图像中的每一个运动目标，若α<τ，则确定运动目标的第j个像素点为疑似阴影，其中，τ为常量；针对视频图像中的每一个运动目标，若运动目标的第j个像素点满足则确定运动目标的第j个像素点为阴影，其中，(x,y)为第j个像素点的坐标，IH(x,y)、IS(x,y)、IV(x,y)分别为运动目标的前景图像在第j个像素点的H、S、V分量，BH(x,y)、BS(x,y)、BV(x,y)分别为运动目标的背景区域在第j个像素点的H、S、V分量。在本实施例中，具体的，对于视频图像中的每一帧图像来说，可以首先建立一个背景区域，可以固定设置一个背景区域，可以动态的设置一个背景区域。通过背景区域与视频图像的每一帧的对比和计算，从而确定视频图像中的各个运动目标。首先，需要去除视频图像中的各个运动目标的阴影，具体来说，可以采用改进混合高斯背景建模的阴影去除方法，去除视频图像中的运动目标的阴影。由于在视频图像中，运动目标的阴影色度改变的差值很小，因此阴影的颜色夹角也会很小，从而可以通过颜色夹角的大小来判断各像素点，是否为疑似阴影。具体来说，可以设定运动目标的前景图像在第j个像素点的颜色向量为Xd＝[Hj,Sj,Vj]，设定运动目标的背景区域在第j个像素点的颜色向量为Xb＝[H'j,S'j,Vj']，从而可以针对视频图像中的每一个运动目标，计算出运动目标的前景图像与背景区域之间的颜色夹角然后，设定一个常量τ，τ为自行选择的较小的数值，若α<τ，则可以先确定第j个像素点可能为阴影。之后，判定疑似阴影的像素点是否为真实阴影，可以引入另外一个真实阴影的判决方法，针对视频图像中的每一个运动目标，若运动目标的第j个像素点满足就可以确定运动目标的第j个像素点为阴影。这里，(x,y)为第j个像素点的坐标，并且IH(x,y)、IS(x,y)、IV(x,y)与BH(x,y)、BS(x,y)、BV(x,y)分别表示坐标点(x,y)处像素输入值I(x,y)与背景像素值的H、S、V分量。步骤102、针对每一个运动目标建立模型信息。在本实施例中，具体的，需要针对每一个运动目标，去建立一个模型信息，这个模型信息，用于建立运动目标的跟踪窗口。步骤103、根据每一个运动目标的模型信息，自适应更新运动目标的跟踪窗口。在本实施例中，具体的，根据每一个运动目标的模型信息，根据运动目标的大小自动的调整运动目标的跟踪窗口的大小，进而自适应更新运动目标的跟踪窗口。步骤104、根据每一个运动目标的模型信息，确定各运动目标之间的权值。在本实施例中，具体的，根据步骤103中计算出的每一个运动目标的模型信息，去计算各运动目标之间的权值。步骤105、根据各运动目标之间的权值，确定各运动目标之间的关联概率。在本实施例中，具体的，根据各运动目标之间的权值，确定各运动目标之间的关联概率，这里的关联概率分为不同的运动目标之间关联概率、以及同一运动目标在不同帧的关联概率。步骤106、根据各运动目标之间的关联概率，对跟踪窗口下的运动目标进行跟踪维持。在本实施例中，具体的，在对各运动目标之间的关联概率进行计算之后，就可以计算出当前时刻的运动目标的状态预测值，从根据当前时刻的运动目标的状态预测值，对跟踪窗口下的运动目标进行跟踪维持。本实施例通过采用改进混合高斯背景建模的阴影去除方法，去除视频图像中的运动目标的阴影；针对每一个运动目标建立模型信息；根据每一个运动目标的模型信息，自适应更新运动目标的跟踪窗口；根据每一个运动目标的模型信息，确定各运动目标之间的权值；根据各运动目标之间的权值，确定各运动目本文档来自技高网...

【技术保护点】
一种运动目标跟踪方法，其特征在于，包括：采用改进混合高斯背景建模的阴影去除方法，去除视频图像中的运动目标的阴影；针对每一个运动目标建立模型信息；根据每一个运动目标的模型信息，自适应更新运动目标的跟踪窗口；根据每一个运动目标的模型信息，确定各运动目标之间的权值；根据各运动目标之间的权值，确定各运动目标之间的关联概率；根据各运动目标之间的关联概率，对跟踪窗口下的运动目标进行跟踪维持。

【技术特征摘要】
1.一种运动目标跟踪方法，其特征在于，包括：采用改进混合高斯背景建模的阴影去除方法，去除视频图像中的运动目标的阴影；针对每一个运动目标建立模型信息；根据每一个运动目标的模型信息，自适应更新运动目标的跟踪窗口；根据每一个运动目标的模型信息，确定各运动目标之间的权值；根据各运动目标之间的权值，确定各运动目标之间的关联概率；根据各运动目标之间的关联概率，对跟踪窗口下的运动目标进行跟踪维持。2.根据权利要求1所述的方法，其特征在于，所述采用改进混合高斯背景建模的阴影去除方法，去除视频图像中的运动目标的阴影，包括：针对视频图像中的每一个运动目标，确定运动目标的前景图像与背景区域之间的颜色夹角其中，Xd为运动目标的前景图像在第j个像素点的颜色向量，Xb为运动目标的背景区域在第j个像素点的颜色向量，其中，j为正整数；针对视频图像中的每一个运动目标，若α<τ，则确定运动目标的第j个像素点为疑似阴影，其中，τ为常量；针对视频图像中的每一个运动目标，若运动目标的第j个像素点满足则确定运动目标的第j个像素点为阴影，其中，(x,y)为第j个像素点的坐标，IH(x,y)、IS(x,y)、IV(x,y)分别为运动目标的前景图像在第j个像素点的H、S、V分量，BH(x,y)、BS(x,y)、BV(x,y)分别为运动目标的背景区域在第j个像素点的H、S、V分量。3.根据权利要求1所述的方法，其特征在于，所述针对每一个运动目标建立模型信息，包括：针对每一个运动目标，确定运动目标在第i帧图像的观测目标概率分布函数其中，β为控制参数，Xm,i为第m个运动目标在第i帧视频图像的观测值，μm,i表示第m个目标在第i帧视频图像的均值向量；针对每一个运动目标，确定运动目标在第i帧视频图像的J个背景概率函数，其中，第m个运动目标的第j个背景概率函数为s为状态空间的维数，Yi代表像素点在第i帧视频图像中的像素值，表示第j个高斯模型在第i帧视频图像中的均值向量，其中，i、j、m、J为正整数；针对每一个运动目标，根据运动目标在第i帧视频图像的观测目标概率分布函数、以及运动目标在第i帧视频图像的J个背景概率函数，确定运动目标的相似度函数δ为常量；针对每一个运动目标，根据运动目标的相似度函数，确定运动目标在第i帧视频图像的信息权值其中，N表示运动目标的总个数；针对每一个运动目标，根据运动目标在第i帧视频图像的观测目标概率分布函数，确定运动目标的模型信息4.根据权利要求3所述的方法，其特征在于，所述根据每一个运动目标的模型信息，自适应更新运动目标的跟踪窗口，包括：针对每一个运动目标，确定运动目标初始的跟踪窗口；针对每一个运动目标，根据运动目标初始的跟踪窗口，确定跟踪窗口的尺寸变化比例其中，G1、G2、G3、G4、G5分别为运动目标初始的前5个跟踪窗口对应的模型信息；针对每一个运动目标，根据跟踪窗口的尺寸变化比例、以及运动目标在第i帧视频图像的信息权值，确定第m个目标在第i帧视频图像中的跟踪窗窗口的长Hi+1＝λm,iHi(1+q)、和宽Wi+1＝λm.iWi(1+q)，其中，λm.i为运动目标m在第i帧视频图像的信息权值。5.根据权利要求4所述的方法，其特征在于，所述针对每一个运动目标，确定运动目标初始的跟踪窗口，包括：若运动目标变大，则确定跟踪窗口的长宽乘以1+ζ，其中，ζ为常量...

【专利技术属性】
技术研发人员：薛婷婷，王继东，
申请(专利权)人：青岛海信电器股份有限公司，
类型：发明
国别省市：山东;37