[发明专利]一种复杂背景及遮挡条件下的运动目标跟踪方法

说明书

技术领域

本发明涉及一种自适应目标跟踪方法，具体涉及一种复杂背景及遮挡条件下的运动目标跟踪方法。

背景技术

运动目标的跟踪是在视频图像的每一幅图像中确定出感兴趣的运动目标的位置，并把不同帧中同一目标对应起来。利用光学传感器在复杂背景下探测目标，对于民用和军事领域均具有重要意义，它所涉及的传感器设计、信息处理和系统仿真方法一直是科研工作者和工程技术人员研究的热点。

在地面载台（如移动式、固定式）对周围环境探测的过程中，以及空中载台（如飞机、飞艇、卫星等）对地探测的过程中，常通过光学探测系统获得目标与背景的图像以进行目标检测跟踪与识别或地形环境信息获取与感知。

可见光摄像技术随着电荷耦合器件（CCD）、CMOS成像器件和数字图像处理技术的发展，已经普及应用于各个领域，带有智能化图像处理功能的高清晰度可见光摄像视频报警系统能够自动识别不同的物体，发现监控画面中的异常情况，并能够发出警报和提供有用信息，可应用在反恐、突发事件处置、航空监视、交通管理、客户行为分析等多种场合。

20世纪中后期，可见光摄像机由黑白摄像机发展到彩色摄像机。近20年来，在安防领域使用的视频监控系统中已大量使用彩色摄像机，借助CCD的优点和目前达到的优良性能，彩色CCD摄像机成为视频监控系统中的主流。除军事应用外，基于可见光摄像的视频监控技术正在向高清网络化、图像数字化、监控智能化的方向发展，新一代带智能化图像信息处理功能的CCD监视报警系统具有多方面显著优势，包括：全天候24小时可靠自动监控；提高报警精确度，降低误报和漏报现象，减少无用数据量；快速运行图像处理算法，提高识别响应速度；有效利用和扩展视频资源的用途。

传统的Mean Shift和CamShift算法在简单背景下能够取得很好的效果并且具有很好的实时性，从而在对运动目标的视频跟踪领域得到了广泛的应用。Mean Shift跟踪算法是一种以目标区域像素值的概率分布为特征的跟踪算法，因为寻优收敛速度快，该算法具有很好的实时性，并且具有一定的鲁棒性。在Mean Shift算法中，核窗口起着非常重要的作用。通常核窗口由初始跟踪窗口决定，并且大小固定不变。但是在对运动目标的跟踪过程中，如果目标尺度发生变化，尤其是目标尺度变大超过核窗口时，很容易导致对于目标的跟踪失效。根据Mean Shift算法的这一缺陷，G.Bradski在Mean Shift算法的基础上提出了CamShift算法，这是一种Mean Shift算法的改进算法。它与Mean Shift算法的最大不同是在跟踪过程中可以自适应调整核窗口大小，以达到适应目标尺度的变化。但是无论是Mean Shift算法还是CamShift算法，它们的本质都是使用目标的颜色概率分布信息，即直方图作为跟踪时的特征，而直方图是一种较弱的特征，这就导致在复杂背景或背景中存在大面积干扰色时很容易导致跟踪失效。且Mean Shift和CamShift算法对目标运动轨迹不作任何预测，在目标快速机动或发生遮挡丢失时，经常无法继续进行有效的跟踪。

综合而言，目前的视频跟踪技术对于运动目标跟踪仍存在一些困难，主要来源于以下方面：光照强度和天气变化对目标跟踪的影响；目标外观变化或发生旋转、放缩、位移等各种复杂的变化；目标快速运动时跟踪的稳定性问题；运动目标的遮挡问题；复杂的背景干扰等因素的影响；运动目标的正确检测和分割问题；图像的数据融合问题，比如多摄像头跟踪；跟踪的实时性问题等。

虽然最近十几年视频目标跟踪问题获得了广泛的研究并取得了长足的进步，但是由于现实环境中的许多情况都会影响视频图像中对目标的可靠观测，因此设计出能够在各种复杂环境下准确、快速、稳定地跟踪视频目标的方法，仍然是一项挑战性的任务和急需解决的课题，尤其是可以应用于复杂背景下以及遮挡情况下的运动目标跟踪方法。

因此，本领域的技术人员致力于开发一种复杂背景及遮挡条件下的运动目标跟踪方法。

发明内容