[发明专利]一种基于概率模型的运动摄像机自动目标跟踪方法

说明书

技术领域

本发明涉及一种运动摄像机下实时运动目标自动跟踪方法，特别是一种基于概率模型的运动摄像机自动目标跟踪方法，适用于对运动摄像机实时运动目标跟踪。

背景技术

目标跟踪是计算机视觉领域中重要的研究方向，已被广泛应用，例如交通监控系统，人物可疑行为监视系统，等等。大部分学者针对摄像机固定的视频中运动目标进行研究，但在实际应用中，由于相机移动或镜头旋转导致系统需对动态背景下的运动目标进行跟踪。动态背景下的运动目标跟踪的难点在于如何自动选取初始目标模型，以及目标模型和背景如何更新。现有算法中主要是通过手动地选取初始的运动目标，对目标建立颜色分布直方图模型，并视此模型一直为静止不变的，然后在后续的视频序列中建立背景的颜色分布，利用背景和目标颜色的相异性寻找到新的目标位置，从而实现跟踪的过程，并且只针对单个目标的跟踪。但是，往往在实时的跟踪过程中并不知道目标的初始位置和目标的个数，也不能防止目标自身颜色信息发生变化的情况发生。为解决现有算法的不足，本发明通过在启动跟踪前存入若干视频序列(不超过20帧)，利用全局速度和局部速度的差异定位初始的运动区域，利用改进的最优聚类分割成单个的目标，最后利用改进的连续自适应均值漂移的方法实现目标的跟踪。初始目标定位的时间不超过1秒，每帧跟踪时间不超过30毫秒，能够满足运动摄像机下实时目标跟踪的要求，并且该方法能够很好的解决背景和目标颜色同时变化的问题。

发明内容

本发明要解决的技术问题：克服现有运动摄像机下目标跟踪算法需手动选取初始目标，目标数目单一，目标与背景颜色重合，目标自身颜色发生变化的不足，提出一种基于概率模型的运动摄像机自动目标跟踪方法。

本发明采用的技术方案为：一种基于概率模型的运动摄像机自动目标跟踪方法，在通过速度差异和最优聚类获取运动目标的基础上，通过建立改进的颜色概率直方图模型，增加目标颜色分布的可信度，并根据运动目标的位置、大小和颜色采用均值偏移法，对实时运动目标进行可靠跟踪。具体实现步骤为：

步骤(1)初始化启动跟踪的参数和实时运动目标跟踪的参数，包括视频图像的大小，训练帧的长度TC，计算局部运动区域的Th0和Th1，初始角点的数目FC，初始聚类的数目k，成为目标的最小概率p，背景和目标大小比例r，颜色直方图相似度函数最小阈值α，最大迭代次数为T，最小误差限为β；

步骤(2)利用速度差异函数定位初始运动区域的步骤为：

步骤a1、计算训练帧中最小的角点数为

式中，FC代表最大的角点数；TC代表所训练的帧的长度；C_t(i，j)代表t时刻坐标为(i，j)位置的角点；

步骤a2、计算角点全局速度为

G_speed＝MostFrequence{S_Speed(i1，j1)…S_Speed(in，jn)…S_Speed(iN，jN)}   (2)

式中，1＜n＜N，(in，jn)∈D，D代表整幅图像，S_speed(in，jn)对应坐标为(in，jn)位置角点的速度，其中(i1，j1)≠(in，jn)；

步骤a3、计算局部运动区域为

|S^t_peed(in，jn)-S^t-1_peed(in，jn)|＜Th0，t∈(1，TC-1)    (3)

|L^t_peed(in，jn)-L^t-1_peed(in，jn)|＜Th0，t∈(1，TC-1)    (4)

|L_speed(in，jn)-G_speed|＞Th1，(1≤n≤N)                 (5)

式中，S^t_Speed(i，j)代表t时刻第n个角点的速度；G_speed代表一帧中所有角点的全局运动速度；L_speed(in，jn)代表第n个角点像素的局部运动速度；TC代表所训练的帧的长度；N代表最小的角点数。

步骤(3)获取得到初始的运动区域位置坐标之后，利用改进的最优聚类函数分割目标的步骤为：

步骤b1、类间离散度函数