[发明专利]基于双感兴趣区域的运动目标视觉跟踪方法及系统

说明书

技术领域：

本发明涉及一种视觉跟踪技术，具体涉及一种基于双感兴趣区域的运动目标跟踪方法及系统，属于信息技术领域，特别适用于智能视频监控，感兴趣目标的快速准确跟踪。

背景技术：

计算机视觉是智能机器获取外部信息和理解世界的主要途径，运动目标的检测与跟踪作为计算机视觉的核心课题之一，已经成为近年来计算机视觉领域的热点研究问题。运动目标的检测与跟踪是一种对包含运动目标的序列图像进行分析和综合而对目标定位的技术，该项技术融合了图像处理、模式识别、人工智能、自动控制、计算机等领域的先进技术，在视觉导航、视频监控、医疗诊断、工业检测等方面有着重要的价值及广阔的前景。因此对其进行研究是非常必要的。

在现有视觉跟踪技术中，Camshift算法以其计算的简单性和高效率被众多学者认可，但是Camshift算法只利用目标的颜色信息，对颜色的错误判断会造成跟踪的错误，如光照的变化和与目标受到大面积相似色干扰就很容易导致跟踪发散和丢失，另外当目标移动的过程中，由于遮挡或者目标移出视频窗口时，跟踪窗口静止保持在丢失前一时刻的状态，当目标再次进入时，Camshift算法无法继续对目标进行捕捉及继续跟踪。许多跟踪方法虽然采用了多特征融合的方法去补偿Camshift(如与粒子滤波的结合)来增强跟踪的鲁棒性，但是这样会增大系统的计算量和计算时间，牺牲了跟踪实时性的性能指标。

发明内容

发明目的：

本发明所要解决的技术问题是针对现有技术的不足，提出了一种基于双感兴趣区域的运动目标跟踪方法，在不明显增加计算量的情况下使得计算机对运动目标进行跟踪时，满足可靠性和快速性的要求并能实现目标再入的继续跟踪。

技术方案：

本发明为实现上述发明目的，采用如下技术方案：

一种基于双感兴趣区域的运动目标视觉跟踪方法，该方法根据目标的运动信息和跟踪目标的ROI区域的颜色概率分布得到基于双ROI区域颜色信息和运动状态信息融合的状态估计，进而实现目标的快速实时跟踪及再入定位，具体步骤包括：

步骤21，获取运动目标的双ROI区域颜色信息；

步骤22，采用Kalman滤波器获取运动目标的预估值信息；

步骤23，状态融合、得到搜索窗口或搜索方向的初始化状态估计；

步骤24，根据步骤23所述的状态估计结果，计算得到目标质心位置；

步骤25，根据步骤24得到的双ROI区域目标质心位置，判断运动目标的状态，并将判决结果送至步骤23；

步骤26，循环执行步骤21-25从而实现连续帧中动态目标的跟踪，直至退出。

进一步的，本发明的基于双感兴趣区域的运动目标视觉跟踪方法的获取双ROI区域颜色信息的具体过程如下：

步骤A，在一段视频序列的第一帧中确定两个跟踪窗口，所述跟踪窗口包括目标区域，所述目标区域包含跟踪的对象，跟踪窗口形状根据目标的形状进行设置；

选定ROI#0作为Camshift#0搜索匹配区域后，将ROI#0设为Camshift#1的不感兴趣区域，同时设定Camshift#1对ROI#1的跟踪，并将ROI#1设为Camshift#0的不感兴趣区域；

步骤B，对于自第二帧起的每一帧，获得前一帧两个跟踪区域的颜色特征概率分布图。

进一步的，本发明的基于双感兴趣区域的运动目标视觉跟踪方法的步骤22中获取预估值信息的实现方法如下：

步骤C，建立运动目标的状态方程和观测方程如下：

X(k)＝AX(k-1)+W(k)                                  (1)

Z(k)＝HX(k)+V(k)                                    (2)

其中X(k)为系统在k时刻的状态向量，Z(k)为k时刻的系统状态测量向量，k为自然数；W(k)和V(k)分别为正态分布的状态噪声和测量噪声，且W(k)和V(k)均服从P(W(k))～N(0，Q)，P(V(k))～N(0，R)分布，其中Q为状态噪声的协方差矩阵，R为测量噪声的协方差矩阵；定义状态向量和测量向量为：