[发明专利]多视频运动目标的自动分割与跟踪方法

说明书

技术领域

本发明涉及到视频运动目标的分割与跟踪方法，尤其涉及到一种多视频运动目标的自动分割与跟踪方法。

背景技术

运动目标跟踪是指通过对运动检测和运动对象分割处理后得到的图像序列进行分析，计算出目标在每帧图像上的二维位置坐标，并根据不同的特征值，将图像序列中不同帧中同一运动目标关联起来，得到完整的运动轨迹。运动目标跟踪不但可以提供被监控目标的运动轨迹，而且为许多交通参数和交通事件提供了可靠的数据来源。因此，视频对象跟踪在军事领域，智能视频监控，智能交通，医疗诊断等领域有着广阔的应用前景。

典型的视频对象跟踪方法可分为以下几类：基于特征的跟踪方法、基于模型的方法、基于区域的方法和基于动态轮廓的方法。视频对象跟踪建立在视频运动对象自动分割的基础之上，目前针对多视频运动目标的实时自动分割和跟踪方法存在以下缺陷：算法的鲁棒性差，对环境变化及噪声敏感；算法通用性差，满足不了应用的实时性要求；当视频中存在多个运动目标且出现遮挡、分裂等行为时，其分割与跟踪的稳定性和准确性有待进一步提高。

发明内容

本发明所要解决的技术问题是：提供一种可以实现静止背景下多个视频运动目标的实时自动分割与准确跟踪的多视频运动目标的自动分割与跟踪方法。

为解决上述技术问题，本发明采用的技术方案为：多视频运动目标的自动分割与跟踪方法，其步骤是：

1)输入视频图像；

2)自适应背景建模：采用分析差异积累动态矩阵来决定某像素属于前景或背景的方法，确定背景的更新模型；

3)采用变系数空域滤波器掩模对背景差图像进行空域滤波；

4)自适应阀值化，并采用增强的Otsu法提取运动目标的轮廓信息；

5)运动目标质心的求取与质心标记，其步骤为：

①运动目标质心的求取；

②运动目标质心标记；

6)跟踪运动目标，其步骤为：

①运动对象质心的关联跟踪；

②绘制运动目标运动轨迹，输出运动目标。

所述的采用增强的Otsu法提取运动目标的轮廓信息，其步骤为：

①求取增强的Otsu法最优二值化阀值；

②对步骤3)中经空域滤波后的背景差图像采用求得的最优二值化阀值进行阀值化；

③对阈值化后的图像采用形态学腐蚀及膨胀操作，结合形态学提取边界的方法提取视频运动对象轮廓。

本发明的有益效果是：

1.采用变系数空域滤波器对自适应更新的背景差图像进行空域滤波，提高了运动区域的连通性和运动对象分割的准确性。通过调整或改变空域滤波器掩模系数，该算法能够适应不同场合视频图像的滤波，提高了算法的通用性和适应性。

2.采用增强的Otsu法所求取最优二值化阀值对变系数滤波后的背景差图像进行阀值化，可使运动区域更具连通性，提高了运动目标分割的准确度。

3.采用目标轮廓信息来计算多个运动目标的质心位置，降低了计算量，提高了目标的跟踪速度。

4.采用空间欧氏距离最短的方法对多视频运动目标进行关联跟踪，避免了常规算法计算量大的缺陷，提高了多运动目标跟踪的实时性。

附图说明

图1是本发明所述的自动分割与跟踪方法的流程图。

图2是3×3的变系数空域滤波器掩模的示意图；

具体实施方式

下面结合附图，详细描述本发明的具体实施方案。

如图1所示，本发明所述的多视频运动目标的自动分割与跟踪方法，其步骤是：

1)输入视频图像；

2)自适应背景建模，其步骤为：

采用分析差异积累动态矩阵来决定某像素属于前景或背景的方法，确定背景的更新模型；设有M帧视频序列f(x，y，t₁)，f(x，y，t₂)，…，f(x，y，t_M)，取f(x，y，t₁)为基准图像，再取第k-r帧图像f(x，y，t_k-r)为求取差异积累图像的参考帧，则当前帧f(x，y，t_k)与参考帧f(x，y，t_k-r)之间的差异图像F(x，y，t_kr)为