[发明专利]一种复杂背景下的动态目标识别追踪方法

权利要求书

1.一种复杂背景下的动态目标识别追踪方法，其特征在于：包括以下步骤：

(1)利用深度相机采集动态目标运动区域视频数据，将视频数据分离成按时间顺序存储的图像数据和语音数据，利用改进的动态目标检测方法来处理图像数据，改进的动态目标检测方法为：分别对按时间顺序存储的图像数据进行三帧差分法和自适应更新背景的背景减除法，分别将上述两种方法得到的二值化图像经过形态学处理后进行“与”操作从而获得差分图像，判断此差分图像是否为背景图像，若为背景图像则将此图像用于更新背景模型，若不为背景图像则将对此差分图像进行形态学处理以达到最佳去噪效果，并用最小矩形框标注出候选边界框区域；

(2)根据步骤(1)中标注出的边界框区域进行动态目标的特征提取、图像分割、类别确定和边界框回归修正；

(3)根据深度相机测定出的动态目标位置、深度数据结合步骤(2)中检测所得到的动态目标类别获取动态目标的质心，将每次获取到的质心连成一条运动轨迹，利用运动轨迹预测动态目标运动状态，实现机械臂实时抓取动态目标。

2.根据权利要求1所述的一种复杂背景下的动态目标识别追踪方法，其特征在于：所述方法应用于空间背景复杂且需检测区域广阔的环境下，利用深度相机实时采集动态目标的运动视频数据，采用改进的动态目标检测方法对视频数据分离出的图像数据进行预处理，提取出小范围的候选边界框区域，通过对此边界框区域内图像进行动态目标的特征提取、图像分割、类别确定和边界框回归修正，利用深度相机的定位原理，生成动态目标的位置、深度数据、绘制出质心的运动轨迹来实时定位追踪动态目标。

3.根据权利要求1所述的一种复杂背景下的动态目标识别追踪方法，其特征在于，所述步骤(2)中动态目标的特征提取、图像分割、类别确定和边界框回归修正操作为：将候选区域内的图像数据输入卷积神经网络得到相应的特征图，采用ROI Align算法从特征图中剪裁出步骤(1)中每个候选框对应位置的特征，并加以双线性插值和池化，将特征变换成统一的尺寸来预测出一个分割区域，并输入到softmax分类器中进行动态目标的分类，再使用SmoothL1Loss回归的方法对于候选框进一步调整位置。