[发明专利]一种利用物体运动轨迹排除噪声干扰的方法

说明书

技术领域

本发明涉及一种运动目标跟踪方法，尤其设置一种利用物体运动轨迹排除噪声干扰的方法。

背景技术

目前，基于视频的运动目标识别和计数主要采用特征识别与过线统计的方法。通过图像分割的分割出目标区域，利用目标的特征来滤除伪目标从而得到目标区域，但由于场景中光线的变化或相机抖动的影响可能会对运动物体的识别造成干扰，使统计的精准确度下降，从而会对商业决策和社会安保造成一定的影响。如何有效的去除干扰和相机抖动造成的影响提高识别率对于视频中物体流量统计至关重要。

发明内容

本发明的目的就在于为了解决上述问题而提供一种利用物体运动轨迹排除噪声干扰的方法。

本发明通过以下技术方案来实现上述目的：

本发明包括以下步骤：

(1)获取视屏图像序列并进行图像序列分割；

(2)对目标区域进行色彩评价和目标轮廓评价并对检出目标进行分部建立目标链；

(3)采用卡尔曼滤波法预测下一帧坐标与下一帧位置，并进行目标匹配后更新目标链；

所述目标匹配的具体步骤包括：

(3.1)将当前帧的目标i的特征值作为卡尔曼滤波的输入参数，得到预测值，算出查找区域；

(3.2)在下一帧指定区域中进行搜索，比较目标i与下一帧指定区域中各目标的代价函数并找出最小代价函数对应的目标j；

(3.3)计算目标i与目标j质心间的欧氏距离，根据距离阈值来判断目标j是否为目标i在下一帧中的后续；

(4)进行目标轨迹分析，消除场景噪声或抖动的干扰影响；

(5)进行运动目标统计。

本发明的有益效果在于：

本发明是一种利用物体运动轨迹排除噪声干扰的方法，与现有技术相比，本发明用于运动物体的识别和统计是一项具有使用价值的一项技术，一方面在经济社会，对商场、展厅、交易场所进行行人的识别与统计，能够帮助商家分析市场和制定营销策略；另一方面在社会安保方面，可以辅助检测可疑人物、物体或车辆的出入，这对于重要公共场所的安全防范有着重要意义；本发明具有获取场景直接、检测范围大、易于挺监控系统融合等优点，具有推广使用的价值。

附图说明

图1是本发明所述一种利用物体运动轨迹排除噪声干扰的方法的流程图。

具体实施方式

下面结合附图对本发明作进一步说明：

如图1所示：本发明包括以下步骤：

(1)获取视屏图像序列并进行图像序列分割，具体为：将图像从RGB颜色空间转化到Lab彩色空间，采用mean-shift分割算法对Lab彩色空间的图像序列进行分割，将分割后图像转化回RGB空间显示；

(2)对目标区域进行色彩评价和目标轮廓评价并对检出目标进行分部建立目标链；所述色彩评价具体为：将分割后的图像由RGB转化到YCbCr彩色空间，根据发色在YCbCr彩色空间的聚类性，建立基于发色信息的评价模型，采用发色评价模型对候选区域进行评价，利用canny算子检测目标区域的边缘，提取各连通区域的边界，根据目标轮廓的圆形度信息建立轮廓评价模型，将提取的连通区域边缘轮廓通过轮廓评价模型，去除与色彩相似的伪目标，找出各运动目标区域的中心坐标，并根据目标位置等特征值信息分别为各目标建立目标链；

(3)采用卡尔曼滤波法预测下一帧坐标与下一帧位置，并进行目标匹配后更新目标链，其具体为：首先利用卡尔曼来缩小搜索范围，然后用代价函数计算某目标链对应目标与此帧所有目标的代价函数值，求出代价函数最小目标，根据欧氏距离来判断是否为目标链的后续；

所述目标匹配的具体步骤包括：

(3.1)将当前帧的目标i的特征值作为卡尔曼滤波的输入参数，得到预测值，算出查找区域；其预测过程为：用第t帧第i个目标的特征值作为卡尔曼滤波器的输入参数，得到预测值并计算出查找区域，然后在第t+1帧在指定的区域对目标进行搜索，卡尔曼滤波器依靠自身系统模型，根据输入参数和测量参数获取模型中参数的估计，从而实现对观测参数状态的估计，其公式为：

系统状态方程

系统观测方程M_t=HA_t+V_t