一種基於二部圖匹配的智能多目標跟蹤算法的製作方法

2023-05-22 09:22:56 2

專利名稱：一種基於二部圖匹配的智能多目標跟蹤算法的製作方法
—種基於二部圖匹配的智能多目標跟蹤算法技術領域
本發明屬於計算機視覺領域，特別涉及一種基於二部圖匹配的智能多目標跟蹤算 法，及該方法在智能安防中的應用。技術背景
智能視頻監控以數位化、網絡化視頻監控為基礎，但又有別於一般的網絡化視頻 監控，它是一種更高端的視頻監控應用。智能視頻監控系統能夠識別不同的物體。發現監控 畫面中的異常情況，並能以最快和最佳的方式發出警報和提供有用信息，從而能夠更加有 效地協助安全人員處理危機，並最大限度地降低誤報和漏報現象。智能視頻監控中的多目 標跟蹤識別已經是智能視頻監控關鍵環節，它的後繼處理包括關鍵幀提取、目標行為分析、 目標分類都依賴多目標識別的結果。目前比較常用的多目標跟蹤識別方法是最短距離法、 meanshift算法、camshift算法、粒子濾波、基於邊緣輪廓的跟蹤和基於模板的目標建模等 方法。
由於常見的方法在對視頻圖像中目標尚不能完全有效地進行檢測與多目標跟蹤， 業界亟待一種能夠實現智能視頻監控中對運動目標進行跟蹤，並根據運動目標的質心位置 作出相應智能判斷的具體方法。發明內容
本發明的目的是針對現有視頻監視系統，存在自動多目標跟蹤識別監控目標行 為，難以實時自動跟蹤和遮擋處理的問題，一種基於二部圖匹配的智能多目標跟蹤算法。
為了實現發明目的，採用的技術方案如下
基於二部圖匹配的智能多目標跟蹤算法的流程圖如圖1所示。
該流程首先是通過codebook前景檢測獲得當前幀的掩碼圖，接著對當前幀的掩 碼圖的運動目標和當前活躍運動目標集合進行二部圖權值計算得到權值矩陣，計算的準則 是通過運動目標的大小、中心點距離和直方圖的Bhattacharyya距離(但由於時間複雜度 很大，這個往往沒有用到)。然後對權值矩陣用匈牙利算法計算最小代價匹配，返回當前活 躍運動目標集合每個目標在當前幀掩模圖的運動目標對應的情況，如果當前活躍運動目標 集合中的A運動目標和當前幀掩模圖的運動目標B，他們的匹配代價小於一定閾值(一般不 會很大)，用B更新A，否則將A視為沒有對應目標而加入非活躍運動目標集合中。如果當 前活躍運動目標集合中的A運動目標和當前幀掩模圖的運動目標沒有對應的，也加入非活 躍運動目標集合中。在每次將目標加入非活躍運動目標集合，都智能計算它的生命值，一般 對運動目標速度V來對運動目標進行預測多久會離開場景的哪個時間作為生命值。
其次，再利用目標檢測方法對新目標進行檢測，如果目標離場景邊界大於一定閾 值，並且連續出現5幀以上就把該目標定義為場景的目標A，該目標先和場景非活躍目標集 合所有運動目標進行利用中心距離、大小和顏色直方圖匹配，如果符合在一定閾值內的最 匹配的運動目標B，把B從非活躍運動目標集合移到活躍運動目標集合，並用A更新B。否則將B直接加入活躍運動目標集合中。
最後，就是檢測非活躍運動目標集合的運動目標是否超過它的生命值了，超過就 從集合中刪除，否則生命值減一。
該算法沒有用到傳統跟蹤算法，避免了大量的運算，可在初始狀態下對於目標運 動趨勢不了解的情況下實施對目標的穩定跟蹤，並且跟蹤的效果非常好，在遮擋的時候很 少會跟蹤錯誤。


為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現 有技術描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本 發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可 以根據這些附圖獲得其他的附圖。
圖為本發明實施例一中系統結構示意圖；具體實施方式
本發明函數基於最新的OpenCV 庫。OpenCV 是「Open Source Computer Vision Library」的簡寫,是Intel開源計算機視覺庫。它由一系列C函數和少量的C++類構成,是 可實現圖像處理和計算機視覺方面的很多通用算法，可用來處理計算機視覺領域中常見的 問題。
首先，利用codebook得到掩碼圖，算法函數為Codebook. getMask(IplImage *yuvlmg, IplImage*fg, int nfrms),其中 yuvlmg 是一個 YUV 色彩空間模型(「Y」 表不明 亮度(Luminance或Luma),也就是灰階值；而「U」和「V」表示的則是色度(Chrominance或 Chroma))的顏色圖像，codebook算法返回的fg是二值掩模圖，nfrms是視頻巾貞號。
其次，利用calweight (CBlobSeq*Ll , BlobSeq〈CTrackingBlob>*L2)計算匹配權值圖,LI表示當前巾貞的運動目標集合,L2表示當 前活躍運動目標集合，返回一個矩陣M[][],然後再利用match (int M[] [50], int n, int m, int*matchl),計算匹配結果在matchl []中，然後再根據matchl []結果做相應處理,如果當 前活躍運動目標集合中的A運動目標和當前幀掩模圖的運動目標B，他們的匹配代價小於 一定閾值T，用B更新A，否則將A視為沒有對應目標而加入非活躍運動目標集合中。如果 當前活躍運動目標集合中的A運動目標和當前幀掩模圖的運動目標沒有對應的，也加入非 活躍運動目標集合中。
再次，CDeteeter : : DetectNewBlob (Ip I Image*p Img, Ip I Image*pFG, CBlobSeq*pNewList, CBlobSeq*p01dList)來實現檢測新目標或 暫時消失目標重新出現加入活躍運動目標集合中。
權利要求
1.一種基於二部圖匹配的智能多目標跟蹤算法，其特徵在於基於二部圖最優匹配(匈牙利算法)實現對前後兩幀圖像中目標物體掩的進行匹配識別。
2.一種基於二部圖匹配的智能多目標跟蹤算法，其特徵在於首先通過codebook前景分離得到。
3.一種基於二部圖匹配的智能多目標跟蹤算法，其特徵在於對當前幀的新目標與非活躍目標用直方圖、大小、和中心點距離進行匹配。
4.一種基於二部圖匹配的智能多目標跟蹤算法，其特徵在於得到匹配的對應目標，更新當前活躍目標，沒有對應的目標，加入到非活躍目標集合中。
5.一種基於二部圖匹配的智能多目標跟蹤算法，其特徵在於對在非活躍目標集合中存在超過一定時間的目標進行剔除。
6.一種基於二部圖匹配的智能多目標跟蹤算法，其特徵在於在非活躍目標集合的目標存在時間通過速度和位置智能計算生命值(即存在時間)。
7.一種基於二部圖匹配的智能多目標跟蹤算法，其特徵在於基於OPENCV(開源計算機視覺)函數庫。
全文摘要
本發明提供了一種基於二部圖匹配的智能多目標跟蹤算法及其在智能安防中的應用，該方法可以有效正確跟蹤視頻圖像中的多運動目標，並能獲得該目標的相應信息，從而實現智能視頻監控和智能判斷。
文檔編號G06K9/00GK103020578SQ20111028245
公開日2013年4月3日 申請日期2011年9月20日 優先權日2011年9月20日
發明者張少文, 馮琰一, 汪剛 申請人:佳都新太科技股份有限公司