[发明专利]一种复杂背景下运动目标检测与跟踪方法

权利要求书

1.一种复杂背景下运动目标检测与跟踪方法，其特征在于，该方法如下：

获取当前帧图像；

对获取的当前帧图像进行检测，获得满足预设条件的检测目标信息；在当前帧图像上以跟踪目标所在位置为中心，选取候选区域；利用分类器模型在候选区域中获取候选目标所对应的目标位置；

判断候选目标是否为跟踪目标：

若为跟踪目标，则用当前帧图像中跟踪目标的坐标信息进行跟踪，更新分类器模型，完成视频图像中目标的检测和跟踪；

若不是跟踪目标，则判断候选目标出现的异常类型情况，进入下一帧图像进行目标检测；在下一帧图像中对候选目标进行目标检测，对检测到的候选目标与其上一帧图像中的跟踪目标进行目标一致性判断，挑选满足判断条件的候选目标作为跟踪目标，并更新分类器模型，完成视频图像中目标的检测和跟踪。

2.根据权利要求1所述复杂背景下运动目标检测与跟踪方法，其特征在于，该方法如下：

获取当前帧图像；

对当前帧图像进行检测，获得满足预设条件的检测目标信息，所述预设条件包括长宽比和占空比；

在当前帧图像上以跟踪目标所在位置为中心，以目标大小的2-5倍的范围选取候选候选区域；

用分类器模型求取候选区域的响应图，获得响应图中的最大响应值，该最大响应值所在位置即为候选目标所对应的目标位置；

判断候选目标是否为跟踪目标，若为跟踪目标，则用当前帧图像中跟踪目标的坐标信息进行跟踪，更新分类器模型；若不是跟踪目标，则判断候选目标出现遮挡、丢失或者模糊情况，进入下一帧图像进行目标检测；

在下一帧图像中对候选目标进行目标检测，对检测到的候选目标与其上一帧图像中的跟踪目标进行目标一致性判断，挑选满足判断条件的候选目标作为跟踪目标，并更新分类器模型。

3.根据权利要求2所述复杂背景下运动目标检测与跟踪方法，其特征在于：该方法重复权2，实现持续完成视频图像中目标的检测和跟踪。

4.根据权利要求2或3所述一种复杂背景下运动目标检测与跟踪方法，其特征在于：对当前帧图像进行检测的方法借助深度学习目标检测分类器模型完成，检测方法如下：

用深度学习目标检测模型对当前帧图像进行检测，获得多个目标和满足预设条件的检测目标的对应概率，

取多个目标中概率值最大的检测目标作为当前帧的检测目标，获得检测目标的左上角坐标、宽度、高度信息。

5.根据权利要求4所述复杂背景下运动目标检测与跟踪方法，其特征在于，在目标大小2-5倍的范围中选取3-7个候选区域，方法如下：

以检测目标所在位置的中心点为中心，在当前帧图像中选取第一候选区域，第一候选区域的宽和高分别为跟踪目标在上一帧图像中宽和高的2-2.5倍；

以第一候选区域范围大小为基准，以其中心点为中心，以k为尺度因子，选取1-3个候选区域，其中1＜k≤1.5；

以第一候选区域范围大小为基准，以其中心点为中心，以1/k倍在当前帧图像中选取1-3个候选区域。