一种移动背景下的运动目标跟踪与检测方法技术

本发明专利技术公开了一种移动背景下的运动目标跟踪与检测方法，包括：运动目标检测方法和运动目标跟踪方法，运动目标检测方法包括：A1，确定全局运动参数模型；A2，参数估计特征点匹配；A3，全局运动背景补偿；A4，提取运动目标并优化；运动目标跟踪方法包括：B1，运动目标检测，将运动目标和背景进行分割；B2，利用KCF算法对运动目标进行跟踪，计算得到运动目标的质心位置；B3，利用Kalman滤波器，利用上一帧图像的质心位置预测下一帧的质心位置，将实际结果和预估结果进行对比，计算误差，更新滤波器。本发明专利技术提供的移动背景下的运动目标跟踪与检测方法具有运动目标检测的判别能力强、检测过程快速准确、跟踪效果好的特点。跟踪效果好的特点。跟踪效果好的特点。

【技术实现步骤摘要】
一种移动背景下的运动目标跟踪与检测方法


[0001]本专利技术涉及图像数据处理
，特别是涉及一种移动背景下的运动目标跟踪与检测方法。

技术介绍

[0002]随着人工智能和图像处理技术的发展，人们可以依赖计算机去处理海量的繁琐工作和数据，图像数据的处理技术也在不断地更新发展，而目标的检测和跟踪作为图像处理、计算机视觉的重要分支，成为近些年来的研究热点。
[0003]现有技术中动态背景下的运动目标检测中用到的二帧帧差法提取运动目标的过程中存在空洞问题，并且现有的KCF算法在跟踪的过程中存在运动目标和目标框漂移问题，如果不能够及时调整的话，可能会导致目标框的继续漂移，从而导致运动目标的跟踪失败。基于以上问题，亟需提供一种新的移动背景下的运动目标跟踪与检测方法。

技术实现思路

[0004]本专利技术的目的是为了提供一种移动背景下的运动目标跟踪与检测方法，能够对动态背景下运动目标的检测和运动目标的跟踪进行优化和完善，具有运动目标检测的判别能力强、检测过程快速准确、跟踪效果好的特点。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种移动背景下的运动目标跟踪与检测方法，包括：
[0007]A，基于目标检测算法检测运动目标，具体包括：
[0008]A1，确定全局运动参数模型；
[0009]A2，参数估计特征点匹配；
[0010]A3，全局运动背景补偿；
[0011]A4，提取运动目标并优化；
[0012]B，基于融合Kalman滤波算法和KCF算法的跟踪算法对运动目标进行跟踪，具体包括：
[0013]B1，首先进行运动目标检测，将运动目标和背景进行分割；
[0014]B2，利用KCF算法对运动目标进行跟踪，通过运动目标的外接框，计算得到运动目标的质心位置；
[0015]B3，利用Kalman滤波器对检测到的每一帧的图像中的运动目标的外接框的质心进行预测，判断运动目标的运动方向，将得到的跟踪图像和维护的模板进行匹配，将匹配的结果和匹配阈值进行对比；
[0016]B4，判断是否发生跟踪偏差，如果是，则转至步骤B5，如果否，则转至步骤B6；
[0017]B5，更新卡尔曼滤波器和KCF算法并继续进行跟踪；
[0018]B6，输出跟踪图像。
[0019]可选的，所述步骤A1中的全局运动参数模型具体采用仿射运动参数模型。
[0020]可选的，所述步骤A2中的参数估计特征点匹配，具体包括：采用Surf算法首先进行Hessian矩阵的构建，然后构建尺度空间，精确定位特征点，丢弃小于预设极值的取值，筛选错误和不稳定的极值点，然后选取特征点的主方向，保证旋转不变性，最后生成Surf特征描述子进行匹配。
[0021]可选的，所述步骤A3中的全局运动背景补偿，具体包括：采用Surf算法进行特征点检测并匹配，利用匹配的特征点的坐标计算得到图像的全局运动模型，利用计算出来的运动模型计算得到背景补偿的图像。
[0022]可选的，所述步骤A4中的提取运动目标并优化，具体包括：利用多帧帧差法进行运动目标检测，利用连续的多帧图像，尽可能的捕捉到运动目标，并对检测到的运动目标进行图像灰度化、图像二值化、图像滤波、图像增强及形态学处理后，得到完整的运动目标图像，最后通过OpenCV中的函数检测运动目标轮廓，获取最小外接矩形框，从而获得运动目标位置。
[0023]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的移动背景下的运动目标跟踪与检测方法，采用Surf算法进行特征点检测并匹配，能够使匹配过程更快更准确；利用最小二乘法完成仿射运动参数模型的参数估计，实现两幅图像的背景匹配，从而实现了动态背景的静态转化，最后利用改进的多帧帧差法解决了二帧帧差法出现的空洞问题，增强运动目标检测的判别能力，减少空洞，达到满意的检测效果；针对KCF算法在跟踪过程中存在的运动目标和目标框漂移问题，通过提出的融合Kalman滤波算法和KCF算法的跟踪算法，能够明显减少运动目标和目标框之间的漂移，完善对运动目标的跟踪。本专利技术提供的移动背景下的运动目标跟踪与检测方法具有运动目标检测的判别能力强、检测过程快速准确、跟踪效果好的特点。
附图说明
[0024]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，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的附图。
[0025]图1为本专利技术移动背景下的运动目标跟踪与检测方法的运动目标检测的流程图；
[0026]图2为本专利技术移动背景下的运动目标跟踪与检测方法的背景全局补偿差分法的流程图；
[0027]图3为本专利技术移动背景下的运动目标跟踪与检测方法的Surf算法的流程图；
[0028]图4为本专利技术移动背景下的运动目标跟踪与检测方法的运动目标跟踪的流程图；
[0029]图5为本专利技术移动背景下的运动目标跟踪与检测方法的运动目标跟踪算法流程图。
具体实施方式
[0030]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，所描述的实施例仅仅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。
[0031]本专利技术的目的是为了提供一种移动背景下的运动目标跟踪与检测方法，能够对动态背景下运动目标的检测和运动目标的跟踪进行优化和完善，具有运动目标检测的判别能力强、检测过程快速准确、跟踪效果好的特点。
[0032]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0033]本专利技术提供的移动背景下的运动目标跟踪与检测方法，所述方法包括：基于目标检测算法检测运动目标，采用背景全局补偿差分法，如图1和图2所示，包括以下步骤：
[0034]A1，确定全局运动参数模型；常见的运动参数模型有三种，分别为平移运动参数模型，仿射运动参数模型和投影运动参数模型，其中，平移运动参数模型只有两个参数，仅仅能够描述摄像头的平移运动，仿射运动参数模型也称为六参数仿射模型，包含了平移、缩放、旋转运动，而投影运动参数模型也称为八参数旋转模型，能够更好地描述摄像头的运动，但是计算更为复杂，所以考虑到本专利技术中摄像头的运动涉及到了平移和缩放等运动，本文采用仿射运动参数模型；
[0035]A2，参数估计特征点匹配；Surf算法是在Sift算法的基础上改进而来，Surf算法首先进行Hessian矩阵的构建，它是Surf算法的核心，然后构建尺度空间，接着精确定位特征点，丢弃小于预设极值的取值，筛选错误和不稳定的极值点，然后选取特征点的主方向，保证旋转不变性，最后生成Surf特征描述子进行匹配；因为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动背景下的运动目标跟踪与检测方法，其特征在于，包括：A，基于目标检测算法检测运动目标，具体包括：A1，确定全局运动参数模型；A2，参数估计特征点匹配；A3，全局运动背景补偿；A4，提取运动目标并优化；B，基于融合Kalman滤波算法和KCF算法的跟踪算法对运动目标进行跟踪，具体包括：B1，首先进行运动目标检测，将运动目标和背景进行分割；B2，利用KCF算法对运动目标进行跟踪，通过运动目标的外接框，计算得到运动目标的质心位置；B3，利用Kalman滤波器对检测到的每一帧的图像中的运动目标的外接框的质心进行预测，判断运动目标的运动方向，将得到的跟踪图像和维护的模板进行匹配，将匹配的结果和匹配阈值进行对比；B4，判断是否发生跟踪偏差，如果是，则转至步骤B5，如果否，则转至步骤B6；B5，更新卡尔曼滤波器和KCF算法并继续进行跟踪；B6，输出跟踪图像。2.根据权利要求1所述的移动背景下的运动目标跟踪与检测方法，其特征在于，所述步骤A1中的全局运动参数模型具体采用仿射运动参数模型。3.根据权利要求1所述的移动背景下的运动目...

【专利技术属性】
技术研发人员：何新，俞佳慧，陈琛，
申请(专利权)人：南京荣新智能科技有限公司，
类型：发明
国别省市：