[发明专利]一种基于Vibe和Camshift算法的目标跟踪方法

说明书

本发明公开了一种基于Vibe和Camshift算法的目标跟踪方法，其涉及计算机视觉领域。该方法首先利用改进Vibe算法检测出运动目标；再Kalman滤波跟踪获得目标的外接矩形来初始化Camshift跟踪的搜索窗口；再进行Camshift目标跟踪，再根据其跟踪计算得到的目标面积和Bhattacharyya系数判断目标是否存在遮挡以及遮挡的程度，从跟踪遮挡情况进行相应的目标跟踪。该方法是一种全自动的跟踪方法，提取了更加精确的运动目标，消除了检测过程中出现的鬼影，同时为目标跟踪去除了背景颜色的干扰；目标跟踪过程中可适应目标发生形变的情况，并且可在目标出现遮挡现象时也能够进行正确的跟踪。

技术领域

本发明涉及计算机视觉领域，特指一种基于Vibe和Camshift算法的目标跟踪方法。

背景技术

运动目标跟踪在军事、工业生产、日常生活中都有着广泛的应用，如军事目标跟踪。全自动的运动目标跟踪包括运动目标检测和目标跟踪两个步骤。

其中，运动目标检测算法有光流法、帧间差分法和背景减差法三种。光流法需要专门的硬件支持，计算复杂且计算量大，一般较少使用。帧间差分法原理简单，对噪声和光线变化不敏感，但是目标检测结果容易出现空洞现象。当运动目标有缓慢变化转为快速运动的时候，背景减差法容易将背景显露区域(即当前背景还留有上一帧的运动目标信息，但运动目标此时已不在该区域)检测为前景，出现“影子“现象，且在有树枝摆动等复杂场景中对噪声的处理效果不佳，对环境的适应性较差，这样的误检会对后续的目标跟踪造成困难。

目前，卡尔曼滤波器算法、Meanshift算法和Camshift算法是运动目标跟踪算法中集中比较成熟的算法。Bradski把Meanshift算法应用到连续序列图像的跟踪中，并称之为Camshift算法，此算法对不规则目标运动、图像噪声、虚假目标、光线变化都有较好的适应性，而且算法的实用性很好。但是当目标颜色和背景颜色相近或光照条件变化时，跟踪目标的准确性将受到很大的影响，在遇到运动目标出现遮挡的情况时容易陷入局部最大值，同时对快速运动目标往往会跟踪失败。

发明内容

本发明的目的在于克服上述现有技术的不足，提出基于Vibe和Camshift算法的目标跟踪方法。该方法是一种全自动的跟踪方法，提取了更加精确的运动目标，消除了检测过程中出现的鬼影，同时为目标跟踪去除了背景颜色的干扰；目标跟踪过程中可适应目标发生形变的情况，并且可在目标出现遮挡现象时也能够进行正确的跟踪。

为实现上述目的，本发明技术方案具体包括以下步骤：

S1输入视频图像，利用改进的Vibe算法提取运动前景目标；

S1.1建立Vibe背景模型，得到初始化后的背景模型；

S1.2检测运动前景目标和消除鬼影；

S2利用改进的Camshift算法进行运动目标跟踪；

S2.1利用Kalman滤波预测由步骤S1获得的运动目标在下一帧中的位置和大小；

S2.2采用基于Camshift算法进行目标跟踪；

S2.3根据步骤S2.2的跟踪算法计算得到的目标面积和Bhattacharyya系数判断目标是否存在遮挡以及遮挡的程度，再根据目标是否存在遮挡以及遮挡的程度进行相应的目标跟踪。

进一步，作为本发明的优选技术方案，所述步骤S1.2包括：

S1.2.1基于自适应阈值的Vibe算法的背景和前景的分类；

S1.2.2结合前景检测结果和Otsu阈值方法进行二次判断来消除鬼影；

S1.2.3采用Vibe算法的背景更新方法对背景模型进行更新，并循环进行后续的运动前景检测。