[发明专利]一种复杂背景及遮挡条件下的运动目标跟踪方法

摘要

本发明公开了一种多特征结合Kalman滤波的目标跟踪方法，用于解决复杂背景环境以及遮挡情况下的目标跟踪。提出基于颜色、纹理及目标运动信息的综合特征用于改进CamShift算法，并结合Kalman滤波器对目标运动状态进行预测，提高了复杂背景下运动目标的跟踪稳定性和跟踪精度。颜色信息易受到光照及背景干扰色等因素干扰，引入目标纹理特征改善采用单一颜色信息时的缺陷，并继续加入目标运动信息，进一步排除背景中的干扰。在目标发生遮挡时，通过目标遮挡前的先验信息进行最小二乘拟合及目标运动轨迹外推，预测目标运动位置信息，有利于遮挡结束时对运动目标的重新捕获。

主权项

一种复杂背景及遮挡条件下的运动的目标的跟踪方法，用于跟踪视频图像中的运动的目标，其特征在于，包括步骤：（1）确定所述目标及所述视频图像的初始帧；（2）获得所述目标的颜色及纹理信息二维直方图的反向投影，所述颜色是所述目标的图像色度信息，利用所述颜色的直方图，在所述视频图像中得到反向投影图来表示所述目标的所述颜色；所述纹理是所述目标的图像通过计算灰度共生矩阵得到的灰度图像，所述纹理采用所述灰度共生矩阵中的纹理特征提取，利用所述灰度图像中所述目标的所述纹理的直方图，在所述视频图像中得到反向投影图，来表示所述帧图像的所述纹理；（3）所述目标的颜色纹理二维直方图结合所述目标的运动模板信息，得到扩展的反向投影图，所述运动模板信息是所述视频图像与背景模型图像作差值得到的前景图像；（4）对所述目标进行遮挡判定，若判定为所述目标未被遮挡，采用Kalman滤波器对所述目标在下一帧的位置进行预测，所述预测的结果作为下一帧CamShift算法迭代的起点，采用CamShift算法迭代下一帧；若判定为所述目标被遮挡，所述Kalman滤波器停止工作，采用基于最小二乘估计的方法进行轨迹预测，同时对每一预测位置采用CamShift算法搜索；（5）判断跟踪是否结束，若判定为跟踪未结束，获取视频跟踪的当前帧，并转至步骤（2）；若判定为跟踪结束，则方法停止。