[发明专利]一种基于运动背景下的动目标检测和跟踪方法

说明书

本发明涉及一种基于运动背景下的动目标检测和跟踪方法，该方法步骤为：(1)运动目标检测。(2)建立目标特征库：建立目标库、检测提取第一帧目标区域、进行SIFT特征提取并存入特征库。(3)帧处理：读取当前帧，当前帧的待搜索区域与特征库进行SIFT匹配，运用RANSAC去除错配点，根据匹配结果框选出目标当前位置。(4)更新特征库：根据特征匹配结果及目标位置，更新目标特征库。(5)以目标新位置为起始，重复步骤(2)～(4)，实现对复杂背景下目标的跟踪。本发明对照明、背景、目标外观的变化具有良好的适应性，解决了动态背景下目标难以检测的问题，以及目标尺度变化和遮挡造成的目标丢失问题，减小了跟踪误差。

技术领域

本发明属于图像处理技术领域，涉及一种基于FloodFill算法和形态学处理，并与SIFT算法相融合的复杂背景下运动目标跟踪方法。

背景技术

目前运动目标检测是机器视觉研究热点之一，运动摄像机情况下的目标检测和跟踪还在发展中，它有着许多重要的应用，如雷达吊舱导航航拍图像的目标检测跟踪等，都与摄像机获得的视频图像序列进行处理下的目标检测跟踪有着密不可分的关系。

运动物体的检测与跟踪是视频处理系统的基本和关键，依照运动场景与摄像机之间是否存在相对运动，可以将视频处理分为静态背景和动态背景两大类。所谓静态背景是指运动场景中的运动只存在目标运动，而背景没有或者只有微小的变化。动态背景是指运动场景中的运动由摄像机的运动和目标运动共同运动产生的，相对于静态背景而言，动态背景下的目标跟踪大大地增加了运动目标检测和跟踪的复杂度。因此，动态背景下的运动目标检测和跟踪是个关键也是个难点。

目标检测这方面的算法很多,现实中并不存在绝对通用的算法，所以要根据不同的场景下的特征和鲁棒性的要求来折中选择所需的算法。目前比较常用的几种主要的方法有：时间差分法,背景减除法等。但对于这几种算法来说，通常静态背景下，检测的效果较好，对于动态背景下，对于目标检测来说效果不是很理想。

在基于特征的跟踪中，目标的识别通常是对目标具有高度辨别性的特征进行提取,比较典型的特征提取算法有Harris算法、SUSAN算法等,但这些算法在处理目标形变时往往无能为力,当目标发生形变时,提取的特征发生改变,从而使得目标无法匹配或发生误匹配等现象。

发明内容

根据上述缺陷，本发明提出了一种基于运动背景下的动目标检测和跟踪方法。其中应用FloodFill算法及形态学处理结合等算法进行对目标提取，基于SIFT特征设计了一种跟踪改进算法。

为实现以上的目的，本发明是通过以下技术方案来实现的：

(1)运动目标检测：从采集到的第一帧图像，运用FloodFill算法进行处理通过去噪、形态学处理以及二值图像最小外接矩阵框运算,最终提取得到目标轮廓区域。

(2)首先建立目标库，将第一帧中运动目标图像块提取出来,进行SIFT特征提取后将特征向量存入目标库中目标特征库，形成,每个目标特征包括目标的特征信息。

(3)帧处理：读取当前帧，以更新后的特征库为基准,与当前帧的待搜索区域进行SIFT匹配，运用RANSAC去除错配点，根据匹配结果框选出目标当前位置。

(4)更新目标特征库：根据(3)特征匹配结果及目标位置，更新目标特征库。

(5)以目标新位置为起始，重复第(2)～(4)步的处理，从而实现对复杂背景下目标的实时跟踪。

经过测试，本发明具有的有益效果是：

1、使用FloodFill算法及形态学处理等算法对初始帧进行目标检测处理得到较好的实验效果。