[发明专利]一种基于预测的运动跟踪方法

说明书

技术领域

本发明涉及一种运动跟踪技术，特别是一种基于预测的运动跟踪方法。

背景技术

目标检测技术是当前研究的一个热点。经过二十多年的发展,目标检测技术已经取得了较大的进展，成为模式识别、图像处理、机器视觉、制导等领域的一个重要课题。目标检测的最终目的是在视频图像序列中，将目标从背景中准确地分离出来，然后在灰度图像序列上提取背景，以及之后提取运动点团、运动跟踪等。

而对于运动跟踪的图像处理中，将一个连通区域称作一个运动点团。在一幅运动点团二值图像中，有很多个连通区域，不论运动物体是否分裂成多个连通区域或者运动物体只是一个连通区域的一部分，在道路场景中，车辆在经过与其某部分颜色接近的道路区域时，与背景作差就会导致一辆车分裂成多个连通区域，即一个运动物体分裂成多个运动点团。道路上的栏杆、灯柱、电线杆等会对经过它们的车辆造成遮挡，也会导致车辆分裂成多个连通区域。如果多辆车行使在一起，那么就会导致在图像中多个车辆成为一个连通区域，即多个运动物体合并成了一个运动点团。因此，我们需要在运动点团上再加一层，再把运动物体跟踪出来。

由此，从运动点团中得到运动物体，基本的思路是充分运用物体的运动信息，即除了运用当前帧的运动点团信息，还要利用之前帧的运动点团信息。卡尔曼滤波是去除时序信号噪声的有效方法，可运用到运动跟踪之中。

但是用卡尔曼滤波做运动跟踪却存在诸多问题：首先，系统噪声矢量的协方差矩阵是必须的，而系统噪声是由运动物体加速度导致，这个协方差矩阵难以确定。观察噪声的协方差矩阵也是必须的，但其难以量化。其次，观测结果采用二维搜索的的方法得到，这是非常费时的方法，因为图像像素数是很大的。最后，在求卡尔曼增益时，需要计算矩阵的逆，如果矩阵的逆不存在，需要计算其广义逆，计算复杂费时。而且每帧图像都有多个运动物体，每个运动物体都要算一次矩阵的逆，计算开销是非常大的。

发明内容

为解决现有技术存在的上述问题，本发明要设计一种基于预测的运动跟踪方法：包括以下步骤：

A、运动物体初始化：

A1、对运动点团层做运动跟踪；

对当前帧的运动点团链表中的每个运动点团元素B：

在前一帧的运动点团链表中找运动点团元素A，使A与B的重叠部分面积大于A或B的一半，

如果满足要求的元素A不存在，则B是新出现的运动点团，其速度为0；

否则，如果满足要求的元素A不止一个，则这是合并情形，B的速度为所有满足要求的元素的速度的平均值；

否则，如果重叠部分面积小于A的一半，则这是分裂情形，B的速度等于A的速度；

否则，计算运动点团B速度：B的最小外接矩形的中心与A的最小外接矩形的中心的矢量差，它有两个分量，分别代表图像中两个方向的速度，单位是像素/采样周期；

B、运动物体跟踪

在运动物体跟踪步骤，分预测和修正阶段；

B1、预测阶段，根据前一时刻运动物体的位置预测现在时刻运动物体位置；假设运动物体前一时刻的位置，设前一时刻运动物体的速度是Vx,Vy，将每个点都位移2Vx,2Vy，得到另一个内框，这两个内框的最小外接矩形即作为当前时刻物体的预测位置；

预测位置包含物体原来位置到两倍前一时刻速度运动后的位置，即适应了实际速度在0到2V的变化，而速度是连续的，前一时刻速度是V，则当前时刻速度大于2V的可能性不大；

B2、修正阶段，目标是找到当前帧运动点团分别属于哪个运动物体；

首先，对当前帧的每个运动点团，在运动物体链表上找预测位置矩形框与运动点团矩形框有交集的运动物体；如果运动点团矩形与运动物体预测位置矩形的重叠面积大于它们之一的1/2，则将其分入此运动物体；

如果有超过一个运动物体满足这个条件，则将运动点团拆分，分入每个运动物体的部分不超过每个运动物体的预测矩形框；如果只有一个运动物体满足条件，则将运动点团全部分入这个运动物体；如果没有运动物体满足条件，则此运动点团是新出现的，对其做运动物体初始化；

接着，对每个运动物体取分到它的所有运动点团的最小外接框作为它的新位置，但要限制每边的边长不能小于预测框的4/5，不能大于预测框的6/5；得到新位置后就可以计算运动物体的新速度了：运动物体框运动速度和前一时刻速度的平均值；

C、运动物体的消失

基于预测的方法，一个运动物体框会越来越大，乃至覆盖了整个图像中的所有运动物体；所以需要通过运动物体的消失步骤解决这个问题；