[发明专利]一种基于运动行为分析的目标跟踪算法

权利要求书

1.一种基于运动行为分析的目标跟踪算法，其特征在于：包括背景差分，其中背景差分法步骤为：

(1)输入图像进行预处理；

(2)预处理后分别进行背景建模和运动目标检测；

(3)完成背景建模后进行运动目标检测；

(4)运动目标检测完成后进一步的滤波处理或反馈给背景建模；

(5)完成运动目标分析。

2.如权利要求1所述的一种基于运动行为分析的目标跟踪算法，其特征在于：其中背景建模方法为：设f_k(x，y)为图像序列第k帧图片，建立的背景模型为B_k(x，y)，则背景减除法的公式表示为:

D_k(x，y)＝|f_k(x，y)-B_k(x，y)| (1)

式中：T-----设定的阈值

M_k(x，y)-----检测后得到的二值图像

通过背景差分法得到二值图像M_k(x，y)中，白色区域代表检测出的前景，即运动目标；黑色区域代表背景。

3.如权利要求1所述的一种基于运动行为分析的目标跟踪算法，其特征在于：其中背景建模B_k(x，y)由图像进行统计建模得到，将当前帧图像f_k(x，y)与背景图像B_k(x，y)相减，比较相减后图像中的像素值与阈值T，若图像像素值小于阈值，则认为是背景像素，反之为目标像素，这样目标像素就被检测出来，然后二值化目标图像，再用形态学处理二值化后的目标图像提高被检测出的图像的质量。

4.如权利要求3所述的一种基于运动行为分析的目标跟踪算法，其特征在于：进一步的将目标图像中每个像素建立高斯混合模型:

其中，用ω_i，t表示t时刻第i个高斯分布的权重，并且t时刻像素的RGB彩色向量n取值3表示t时刻第i个高斯分布的均值向量，则称为协方差矩阵。

5.如权利要求4所述的一种基于运动行为分析的目标跟踪算法，其特征在于：所述高斯混合模型包括模型初始化、模型更新和目标提取。

6.如权利要求5所述的一种基于运动行为分析的目标跟踪算法，其特征在于：其中模型初始化根据公式(3)建立每个像素点的高斯混合模型，给各模型赋予获取的第一帧图像中的像素值作为均值，同时赋予较大的方差和较小权重给每一个高斯分布。

7.如权利要求5所述的一种基于运动行为分析的目标跟踪算法，其特征在于：其中模型更新当获取了新的图像，逐一匹配检验图像中每个像素的彩色向量值X,与已经构建的K个高斯分布，当则判定X_i与第i个分布匹配，否则认为不匹配；

如X_i与第i个高斯分布匹配，那么按以下公式将该高斯分布的参数进行更新:

u_i，t＝(1-ρ_i，t)u_i，t-1+ρ_i，tX_t (4)

式中:ρ_i，t≈α/ω_i，t,定义为参数更新速率，α为学习速率。

如果X_t,不服从于任何一个高斯分布，那么更新混合高斯模型中权重最小的高斯分布，对其赋以较大的方差和较小的权重，将其均值由当前帧图像的彩色向量X_t表示，同时，而其它的高斯分布按公式(6)更新其权重:

ω_i，t＝(1-α)ω_i，t-1 (6)。

8.如权利要求5所述的一种基于运动行为分析的目标跟踪算法，其特征在于：其中目标提取将所有高斯分布按ω_i，t/σ_i，t，由大到小排列，背景像素用前M个高斯分布描述:

通过对以上高斯分布逐个检验，最终完成运动目标的检测。