[发明专利]一种基于HAAR特征检测的光流跟踪方法

说明书

技术领域

本发明涉及计算机视觉技术，特别是涉及一种基于HAAR特征检测的光流跟踪方法。

背景技术

随着科学技术的发展以及人们对安全防范意识的不断增强，具有智能分析功能的新一代视频监控系统，开始在安全监控领域发挥非常积极的作用，己经开始渗入到我们的日常生活当中。

智能视频监控是指在不需要人为干预的情况下，利用计算机视觉分析方法对视频序列进行自动分析，实现运动目标检测、分类、识别、跟踪等，并在此基础上，通过预先设定的规则对目标的行为进行分析，从而为采取进一步措施提供参考(比如在对象进入设防区时自动报警)。其中，运动目标跟踪的目的是在图像序列的每一帧图像中找到感兴趣的运动目标位置，即在一段视频的不同帧中，把被跟踪的物体标记出来。

目前，应用比较广泛的目标跟踪方法有：卡尔曼滤波算法、CAMSHIFT算法等；卡尔曼滤波算法的效率较高，通过时间更新和测量更新两个方程，实现一种预估计到标定的策略；CAMSHIFT算法利用目标的颜色特征在视频图像中找到运动目标所在的位置和大小，在下一帧视频图像中，用运动目标当前的位置和大小初始化搜索窗口，重复这个过程就可以实现对目标的连续跟踪。CAMS HIFT能有效解决目标变形和遮挡的问题，对系统资源要求不高，时间复杂度低，在简单背景下能够取得良好的跟踪效果。但当背景较为复杂，或者有许多与目标颜色相似像素干扰的情况下，会导致跟踪失败。

为了提高跟踪的准确性，现有基于HAAR特征检测的光流跟踪方法，首先采集视频帧，进行光照归一化处理，并利用基于HAAR特征的ADABOOST检测算法对目标进行检测；然后利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数；最后，通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。该方法能够适应复杂动态背景扰动和光照变化的影响，能够准确的对运行目标进行跟踪，同时具有很好的鲁棒性。

运动目标跟踪会受到光照不均匀、其他运动目标的干扰，遮挡等因素的影响，因此如果想要建立一个适合所有情况的目标跟踪算法是不现实的，必须根据实际情况建立有效的跟踪算法。

发明内容

本发明提供了一种基于HAAR特征检测的光流跟踪方法，该方法能够适应复杂动态背景扰动和光照变化的影响，准确的对运行目标进行跟踪，同时具有很好的鲁棒性。

为了实现上述目的，本发明包括如下技术特征：包括首先采集视频帧，进行光照归一化处理，并利用基于HAAR特征的ADABOOST检测算法对目标进行检测；然后利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数；最后，通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。

与现有的方法相比，本发明提出了首先采集视频帧，进行光照归一化处理，并利用基于HAAR特征的ADABOOST检测算法对目标进行检测；然后利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数；最后，通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。该方法能够适应复杂动态背景扰动和光照变化的影响，能够准确的对运行目标进行跟踪，同时具有很好的鲁棒性。

附图说明

附图为本发明的总体流程图；

具体实施方式

本发明设计了一种基于HAAR特征检测的光流跟踪方法，该方法能够适应复杂动态背景扰动和光照变化的影响，准确的对运行目标进行跟踪，同时具有很好的鲁棒性。

如附图所示，该方法流程图包括采集视频帧，光照归一化，利用基于HAAR特征的ADABOOST检测算法对目标进行检测，计算前后两帧跟踪点的误差，计算相关系数，判断误差和相关系数大于是否大于某一阈值，来筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。