運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)，a．背景提??；b．運(yùn)動(dòng)點(diǎn)團(tuán)提取和背景更新；c.興趣區(qū)提??；d.運(yùn)動(dòng)點(diǎn)團(tuán)的位置提??；e.運(yùn)動(dòng)跟蹤。本發(fā)明的運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)，背景提取采用改進(jìn)的基于均值的背景提取算法；背景提取同時(shí)提取興趣區(qū)；運(yùn)動(dòng)點(diǎn)團(tuán)提取采用歐氏距離背景差法；陰影處理使用改進(jìn)的基于RGB空間的陰影處理算法；運(yùn)動(dòng)點(diǎn)團(tuán)位置提取采用改進(jìn)的線段編碼算法；運(yùn)動(dòng)跟蹤采用基于預(yù)測的運(yùn)動(dòng)跟蹤算法。
【專利說明】運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)。
【背景技術(shù)】
[0002]在道路交通控制管理領(lǐng)域，管理部門需要掌握道路上車輛的速度、車輛的數(shù)量等等數(shù)據(jù)以控制紅綠燈平衡道路車流量、對超速和闖紅燈的車輛進(jìn)行處罰。早期，人們一般采用感應(yīng)線圈的方式獲得車輛的速度、車輛的數(shù)量等數(shù)據(jù)。這種方法，需要在檢測路段埋入感應(yīng)線圈，這需要對道路施工，會(huì)影響交通，嚴(yán)重影響道路壽命，并且感應(yīng)線圈設(shè)備容易被重型車輛壓壞，維護(hù)起來又要對道路施工，非常麻煩。
[0003]隨著計(jì)算機(jī)技術(shù)的發(fā)展，道路交通數(shù)據(jù)獲取不再需要復(fù)雜的線圈設(shè)備了。只需在檢測路段固定攝像頭，攝像頭拍攝的道路數(shù)字化視頻壓縮后通過傳輸線路(如光纖)傳輸?shù)奖O(jiān)控中心，監(jiān)控中心的計(jì)算機(jī)采用數(shù)字圖像處理的方法將道路交通的數(shù)據(jù)計(jì)算出來。與早期的方法相比，這種方法利用了軟件算法通過計(jì)算機(jī)的強(qiáng)大計(jì)算能力得到我們需要的數(shù)據(jù)，而不是復(fù)雜的硬件設(shè)備(如感應(yīng)線圈)對數(shù)據(jù)直接測量。這極大的增加了方便性和靈活性。如何讓計(jì)算機(jī)從視頻圖像序列中獲得道路交通數(shù)據(jù)，例如車輛的速度等，近年來很多人對此展開了研究。
[0004]從視頻圖像序列中獲得運(yùn)動(dòng)物體的數(shù)據(jù)的方法除了能運(yùn)用在道路交通外，也能運(yùn)用于各種監(jiān)控領(lǐng)域，例如小區(qū)防盜、銀行監(jiān)控等等，用以檢測和跟蹤進(jìn)入場景的人或物體，應(yīng)用范圍非常廣泛。
[0005]在道路視頻圖像序列中獲得車輛的速度，可以使用簡單的方法，就是在圖像中的道路位置設(shè)置虛擬檢測線，模擬感應(yīng)線圈，根據(jù)虛擬檢測線上的像素顏色的變化得到經(jīng)過虛擬檢測線的車輛的速度，同時(shí)也可以對經(jīng)過虛擬檢測線的車輛計(jì)數(shù)。這種方法有很大的局限性。首先，它需要人工標(biāo)定虛擬檢測線，攝像頭一旦換位置，就需要重新設(shè)定一次虛擬檢測線，很不方便；其次，它只能檢測通過虛擬檢測線的車輛，而對圖像其他區(qū)域的車輛一無所知，圖像的大量信息丟失掉了。

【發(fā)明內(nèi)容】

[0006]本發(fā)明要解決的技術(shù)問題是:提供一種運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)。
[0007]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:一種運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)，其具體步驟是:
a.背景提取:背景就是場景中靜止不動(dòng)的景物。因?yàn)閿z像機(jī)不動(dòng)，因此圖像中的每個(gè)像素點(diǎn)都有一個(gè)對應(yīng)的背景值，在一段時(shí)間內(nèi)這個(gè)值比較固定。背景提取的目標(biāo)就是根據(jù)視頻圖像序列，找出圖像中每一點(diǎn)的背景值。這是下一步運(yùn)動(dòng)點(diǎn)團(tuán)提取的基礎(chǔ)。在運(yùn)動(dòng)點(diǎn)團(tuán)提取中，背景提取這一步提取出來的背景圖像將作為參考圖像，每一幀圖像都要與背景圖像作差，把背景去除，以得到運(yùn)動(dòng)點(diǎn)團(tuán)前景。因此，這一步提取出的背景圖像的好壞將直接影響到之后每一幀的運(yùn)動(dòng)點(diǎn)團(tuán)提取的質(zhì)量。背景會(huì)隨著時(shí)間的變化而發(fā)生變化，例如光照變化導(dǎo)致背景亮度、色度變化；運(yùn)動(dòng)物體停止運(yùn)動(dòng)成為背景的一部分；又如背景的一部分運(yùn)動(dòng)起來成為運(yùn)動(dòng)前景等。因此背景需要不斷更新，而背景的更新一般需要運(yùn)動(dòng)前景的信息，即在沒有運(yùn)動(dòng)前景的任何信息的情況下提取背景圖像，輸入是視頻圖像序列，每幀圖像都包括運(yùn)動(dòng)物體和靜止景物，輸出是只含靜止景物的背景圖像。(I)彩色圖像的背景提??；原始彩色圖像的背景提取，基本思想是，圖像中的某個(gè)像素按時(shí)間抽樣，其作為背景像素的時(shí)間比作為運(yùn)動(dòng)前景的時(shí)間長，即其作為背景的概率比作為前景的概率大，而且背景和前景在顏色上和亮度上都有很大不同。這是因?yàn)?，對于固定場景，運(yùn)動(dòng)物體在運(yùn)動(dòng)，其轉(zhuǎn)瞬即逝，大多數(shù)時(shí)間我們看到的都是靜止背景，因此圖像上某個(gè)像素點(diǎn)作為前景的時(shí)間相對作為背景的時(shí)間短得多；而且，運(yùn)動(dòng)物體和靜止背景在色彩上有明顯區(qū)別，人能輕易分辨出前景物體，即使在一張靜止圖像上(2)灰度圖像的背景提取，運(yùn)動(dòng)目標(biāo)檢測和跟蹤可以不直接使用原始彩色圖像序列，而使用灰度圖像序列，即將彩色視頻圖像序列轉(zhuǎn)換成灰度圖像序列，然后在灰度圖像序列上提取背景，以及之后提取運(yùn)動(dòng)點(diǎn)團(tuán)、運(yùn)動(dòng)跟蹤等；(3)邊緣圖像的背景提取，背景提取的目的是為了去除背景，取得每一幀圖像的運(yùn)動(dòng)前景。而前景背景分離最重要的信息是物體的邊緣信息。因此，可以首先將每一幀原始圖像做邊緣提取，得到邊緣圖像序列，然后提取邊緣圖像背景，再提取運(yùn)動(dòng)前景、做運(yùn)動(dòng)跟蹤；
b.運(yùn)動(dòng)點(diǎn)團(tuán)提取和背景更新:運(yùn)動(dòng)點(diǎn)團(tuán)提取也稱背景去除、背景抑制，就是把每一幀的非背景部分提取出來，根據(jù)運(yùn)動(dòng)物體和場景中的靜止背景在亮度、色度上的不同，將圖像序列的每一幀圖像與背景圖像作差，然后二值化，就可以得到每一幀的運(yùn)動(dòng)點(diǎn)團(tuán):圖像中的一個(gè)像素，如果它與背景圖像對應(yīng)像素的距離大于一個(gè)閾值，則認(rèn)為它是前景，輸出1，否則為背景，輸出O。最后得到的二值圖像就是運(yùn)動(dòng)點(diǎn)團(tuán)圖像，陰影的處理是運(yùn)動(dòng)點(diǎn)團(tuán)提取這一步重要的一環(huán)。陰影不應(yīng)該作為前景的一部分，然而陰影與背景有差別，背景差法會(huì)把陰影歸到前景中去，這樣就會(huì)導(dǎo)致陰影將不同的運(yùn)動(dòng)物體連接成一個(gè)物體，降低運(yùn)動(dòng)目標(biāo)檢測的精確度。由于背景會(huì)隨時(shí)間變化而改變，需要對背景進(jìn)行更新。背景更新有兩種策略。第一種策略是每隔一段時(shí)間使用背景提取算法重新提取背景，將新背景取代舊背景；第二種策略是對每一幀在提取運(yùn)動(dòng)前景的同時(shí)更新背景，(I)彩色圖像的運(yùn)動(dòng)點(diǎn)團(tuán)提取，彩色圖像的基于背景差的運(yùn)動(dòng)點(diǎn)團(tuán)提取，根據(jù)前景與背景的顏色不同，將原始彩色圖像序列的每一幀圖像與彩色背景圖像作差，然后將結(jié)果圖像二值化，兩幀彩色圖像的差是指兩幀中對應(yīng)像素矢量的距離。常用的矢量距離是歐氏距離和馬氏距離；(2)陰影處理，陰影不是運(yùn)動(dòng)物體的一部分，但用背景差的方法提取運(yùn)動(dòng)點(diǎn)團(tuán)會(huì)把陰影也作為運(yùn)動(dòng)前景，這將導(dǎo)致不同的前景物體被陰影連成一片，嚴(yán)重影響運(yùn)動(dòng)目標(biāo)檢測與跟蹤的精確度。為了判斷陰影，可以將提取出的運(yùn)動(dòng)前景像素點(diǎn)的某些屬性和對應(yīng)背景比較，滿足某些條件的就是陰影。有基于RGB空間的陰影處理和基于HSI間的陰影處理；(3)灰度圖像的運(yùn)動(dòng)點(diǎn)團(tuán)提?。?4)邊緣圖像的運(yùn)動(dòng)點(diǎn)團(tuán)提??；(5)基于幀間差的運(yùn)動(dòng)點(diǎn)團(tuán)提取和背景更新；
c.興趣區(qū)提取:興趣區(qū)是圖像中有可能出現(xiàn)運(yùn)動(dòng)物體的區(qū)域。在背景提取階段，對按時(shí)間采樣得到的圖像樣本，統(tǒng)計(jì)每個(gè)像素點(diǎn)前景和背景出現(xiàn)的次數(shù)，就可以得到興趣區(qū)，(I)在背景提取階段，對按時(shí)間采樣得到的圖樣樣本，統(tǒng)計(jì)每個(gè)像素點(diǎn)前景和背景出現(xiàn)的次數(shù)得出興趣區(qū)；(2)道路繁忙度獲??；
d.運(yùn)動(dòng)點(diǎn)團(tuán)的位置提取，運(yùn)動(dòng)點(diǎn)團(tuán)圖像是二值圖像。在位置提取之前，需要對其進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，去除比較小的噪音點(diǎn):(1)數(shù)學(xué)形態(tài)學(xué)處理，運(yùn)動(dòng)點(diǎn)團(tuán)圖像是二值圖像，黑色像素是背景點(diǎn)，白色像素是前景點(diǎn)。圖像中存在噪聲，即孤立的白像素和孤立的黑像素。可以使用數(shù)學(xué)形態(tài)學(xué)的方法將二值圖像中的孤立噪聲點(diǎn)去除。數(shù)學(xué)形態(tài)學(xué)算法主要有腐蝕、膨脹、開運(yùn)算、閉運(yùn)算，數(shù)學(xué)形態(tài)學(xué)處理與卷積類似，輸出圖像的某個(gè)像素由輸入圖像的對應(yīng)像素及其領(lǐng)域像素依據(jù)結(jié)構(gòu)元素決定；(2)輪廓追蹤，首先，找到輪廓上的第一點(diǎn)，然后按順時(shí)針或逆時(shí)針找輪廓上的下一個(gè)點(diǎn)，不斷重復(fù)找下去，直到回到找到的第一個(gè)點(diǎn)為止；(3)線段編碼，線段編碼算法通過逐行掃描獲取運(yùn)動(dòng)點(diǎn)團(tuán)的位置和大小。我們舉例說明這個(gè)算法；(4)改進(jìn)的線段編碼；(5)運(yùn)動(dòng)點(diǎn)團(tuán)層運(yùn)動(dòng)跟蹤。使用改進(jìn)的線段編碼算法提取運(yùn)動(dòng)點(diǎn)團(tuán)的位置和大小之后，進(jìn)行運(yùn)動(dòng)點(diǎn)團(tuán)層運(yùn)動(dòng)跟蹤
e.運(yùn)動(dòng)跟蹤:(I)卡爾曼濾波；(2)基于預(yù)測的運(yùn)動(dòng)跟蹤；(3)運(yùn)動(dòng)跟蹤算法的計(jì)算復(fù)雜性分析；(4)基于邊緣圖像的運(yùn)動(dòng)跟蹤；(5)基于預(yù)測的運(yùn)動(dòng)跟蹤算法在不同采樣率下的健壯性。
[0008]所述的彩色圖像的背景提取包括基于均質(zhì)的彩色圖像背景提取、改進(jìn)的基于均值的彩色圖像背景提取和基于中值濾波的彩色背景圖像提取。
[0009]本發(fā)明的有益效果是:本發(fā)明的運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)，背景提取采用改進(jìn)的基于均值的背景提取算法；背景提取同時(shí)提取興趣區(qū)；運(yùn)動(dòng)點(diǎn)團(tuán)提取采用歐氏距離背景差法；陰影處理使用改進(jìn)的基于RGB空間的陰影處理算法；運(yùn)動(dòng)點(diǎn)團(tuán)位置提取采用改進(jìn)的線段編碼算法；運(yùn)動(dòng)跟蹤采用基于預(yù)測的運(yùn)動(dòng)跟蹤算法。
【專利附圖】

【附圖說明】
[0010]下面結(jié)合附圖和實(shí)施例對本發(fā)明進(jìn)一步說明。
[0011]圖1是本發(fā)明的結(jié)構(gòu)框圖；
圖2是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一基于均值的背景圖像；
圖3是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二基于均值的背景圖像；
圖4是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一改進(jìn)的基于均值的背景圖像；
圖5是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二改進(jìn)的基于均值的背景圖像；
圖6是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一基于中值濾波的背景圖像；
圖7是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二基于中值濾波的背景圖像；
圖8是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一基于共同區(qū)域的背景圖像；
圖9是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二基于共同區(qū)域的背景圖像；
圖10是本發(fā)明的基于均值的背景提取方法的時(shí)間與采樣率關(guān)系圖；
圖11是本發(fā)明的改進(jìn)的基于均值的背景提取方法的時(shí)間與采樣率關(guān)系圖；
圖12是本發(fā)明的基于中值濾波的背景提取方法的時(shí)間與采樣率關(guān)系圖；
圖13是本發(fā)明是基于共同區(qū)域的背景提取方法的時(shí)間與采樣率關(guān)系圖；
圖14是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一所有376幀圖像得到的標(biāo)準(zhǔn)圖像；
圖15是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二所有576幀圖像得到的標(biāo)準(zhǔn)圖像；
圖16是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一不同提取背景的算法PSNR與處理時(shí)間關(guān)系圖；
圖17是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一不同提取背景的算法PSNR與處理時(shí)間關(guān)系圖(局部)；
圖18是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二不同提取背景的算法PSNR與處理時(shí)間關(guān)系圖；
圖19是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二不同提取背景的算法PSNR與處理時(shí)間關(guān)系圖(局部)； 圖20是本發(fā)明的灰度圖像序列的基于均值的背景圖像；
圖21是本發(fā)明的灰度圖像序列的改進(jìn)的基于均值的背景圖像；
圖22是本發(fā)明的灰度圖像序列的基于中值濾波的背景圖像；
圖23是本發(fā)明的灰度圖像序列的基于共同區(qū)域的背景圖像；
圖24是本發(fā)明的Color-Prewitt邊緣圖像序列的基于均值的背景圖像；
圖25是本發(fā)明的Color-Sobel邊緣圖像序列的基于均值的背景圖像；
圖26是本發(fā)明的Color-Prewitt邊緣圖像序列的改進(jìn)的基于均值的背景圖像；
圖27是本發(fā)明的Color-Sobel邊緣圖像序列的改進(jìn)的基于均值的背景圖像；
圖28是本發(fā)明的基于馬氏距離的運(yùn)動(dòng)點(diǎn)團(tuán)提取結(jié)果的示意圖；
圖29是本發(fā)明的基于馬氏距離的運(yùn)動(dòng)點(diǎn)團(tuán)提取結(jié)果的示意圖；
圖30是本發(fā)明的基于馬氏距離的運(yùn)動(dòng)點(diǎn)團(tuán)提取結(jié)果的示意圖；
圖31是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一的基于歐氏距離的運(yùn)動(dòng)點(diǎn)團(tuán)提取實(shí)驗(yàn)結(jié)果的示意圖；
圖32是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二的基于歐氏距離的運(yùn)動(dòng)點(diǎn)團(tuán)提取實(shí)驗(yàn)結(jié)果的示意圖；
圖33是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一的基于歐氏距離的運(yùn)動(dòng)點(diǎn)團(tuán)提取實(shí)驗(yàn)結(jié)果的示意圖；
圖34是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二的基于歐氏距離的運(yùn)動(dòng)點(diǎn)團(tuán)提取實(shí)驗(yàn)結(jié)果的示意圖；
圖35是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一的基于歐氏距離的運(yùn)動(dòng)點(diǎn)團(tuán)提取實(shí)驗(yàn)結(jié)果的示意圖；
圖36是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二的基于歐氏距離的運(yùn)動(dòng)點(diǎn)團(tuán)提取實(shí)驗(yàn)結(jié)果的示意圖；
圖37是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一基于RGB空間的陰影處理結(jié)果的示意圖；
圖38是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二基于RGB空間的陰影處理結(jié)果的示意圖；
圖39是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一改進(jìn)的基于RGB空間的陰影處理結(jié)果的示意圖；
圖40是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二改進(jìn)的基于RGB空間的陰影處理結(jié)果的示意圖；
圖41是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一基于HSI空間的陰影處理結(jié)果的示意圖；
圖42是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二基于HSI空間的陰影處理結(jié)果的示意圖；
圖43是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一的灰度圖像序列運(yùn)動(dòng)點(diǎn)團(tuán)提取結(jié)果的示意圖；
圖44是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二的灰度圖像序列運(yùn)動(dòng)點(diǎn)團(tuán)提取結(jié)果的示意圖；
圖45是本發(fā)明的基于灰度圖像的運(yùn)動(dòng)點(diǎn)團(tuán)圖像與參考圖像差別隨閾值變化關(guān)系圖；圖46是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一的Color-Prewitt邊緣圖像序列運(yùn)動(dòng)點(diǎn)團(tuán)提取結(jié)果的示意圖；
圖47是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一的Color-Sobel邊緣圖像序列運(yùn)動(dòng)點(diǎn)團(tuán)提取結(jié)果的示意
圖；
圖48是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一基于幀間差的運(yùn)動(dòng)點(diǎn)團(tuán)提取結(jié)果的示意圖；
圖49是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一的背景統(tǒng)計(jì)灰度圖；
圖50是本發(fā)明的興趣區(qū)示意圖；
圖51是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一的運(yùn)動(dòng)點(diǎn)團(tuán)圖開運(yùn)算結(jié)果的示意圖；
圖52是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一的Color-Sobel邊緣運(yùn)動(dòng)點(diǎn)團(tuán)圖開運(yùn)算結(jié)果的示意圖； 圖53是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一運(yùn)動(dòng)點(diǎn)團(tuán)層跟蹤結(jié)果的示意圖；
圖54是本發(fā)明的卡爾曼濾波器的結(jié)構(gòu)的示意圖；
圖55是本發(fā)明的物體位置預(yù)測示意圖；
圖56是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一基于預(yù)測的運(yùn)動(dòng)跟蹤結(jié)果的示意圖；圖57是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二基于預(yù)測的運(yùn)動(dòng)跟蹤結(jié)果的示意圖；
圖58是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一基于Color-Prewitt邊緣圖像的運(yùn)動(dòng)跟蹤結(jié)果的示意
圖；
圖59是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一基于Color-Sobel邊緣圖像的運(yùn)動(dòng)跟蹤結(jié)果的示意圖； 圖60是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一在15幀/秒采樣率下運(yùn)動(dòng)跟蹤結(jié)果的示意圖；
圖61是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一在10幀/秒采樣率下運(yùn)動(dòng)跟蹤結(jié)果的示意圖；
圖62是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一在5幀/秒采樣率下運(yùn)動(dòng)跟蹤結(jié)果的示意圖；
圖63是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二在15幀/秒采樣率下運(yùn)動(dòng)跟蹤結(jié)果的示意圖；
圖64是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二在10幀/秒采樣率下運(yùn)動(dòng)跟蹤結(jié)果的示意圖；
圖65是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二在5幀/秒采樣率下運(yùn)動(dòng)跟蹤結(jié)果的示意圖；
圖66是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一運(yùn)動(dòng)跟蹤的最終結(jié)果的示意圖；
圖67是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)二運(yùn)動(dòng)跟蹤的最終結(jié)果的示意圖。
圖68是本發(fā)明的實(shí)驗(yàn)數(shù)據(jù)一的運(yùn)動(dòng)點(diǎn)團(tuán)圖線段編碼算法結(jié)果的示意圖。 【具體實(shí)施方式】
[0012]現(xiàn)在結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。
[0013]如圖1所示的運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)，其具體步驟是 a.背景提取:(1)彩色圖像的背景提取:
1.基于均值的彩色圖像背景提取:這是背景提取的最簡單的方法。因?yàn)橐曨l中的某個(gè)像素對時(shí)間采樣，背景出現(xiàn)的次數(shù)比前景多，因此，將一定的時(shí)間段中的視頻序列采樣，t匕如2.5幀/秒，，對每一個(gè)像素，將這一段時(shí)間中的所有圖像幀取平均，那么這個(gè)平均值會(huì)接近背景，背景出現(xiàn)的次數(shù)比前景越多，則這個(gè)平均值就越接近背景。前面已經(jīng)說過，運(yùn)動(dòng)前景是轉(zhuǎn)瞬即逝的。就以這個(gè)平均值作為這個(gè)像素的背景值。同時(shí)，求取平均值還可以在一定程度上抑制噪聲。具體算法如下:
1)在某時(shí)間段采樣得到N個(gè)圖像幀F(xiàn)i,i=l，2…N;
2)對每-個(gè)像素點(diǎn)U，y)，背景
【權(quán)利要求】
1.一種運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)，其特征具體步驟是: a.背景提取:(1)彩色圖像的背景提??；(2)灰度圖像的背景提??；(3)邊緣圖像的背景提??； b.運(yùn)動(dòng)點(diǎn)團(tuán)提取和背景更新:(1)彩色圖像的運(yùn)動(dòng)點(diǎn)團(tuán)提?。?2)陰影處理；(3)灰度圖像的運(yùn)動(dòng)點(diǎn)團(tuán)提??；(4)邊緣圖像的運(yùn)動(dòng)點(diǎn)團(tuán)提??；(5)基于幀間差的運(yùn)動(dòng)點(diǎn)團(tuán)提取和背景更新； c.興趣區(qū)提取:(1)在背景提取階段，對按時(shí)間采樣得到的圖樣樣本，統(tǒng)計(jì)每個(gè)像素點(diǎn)前景和背景出現(xiàn)的次數(shù)得出興趣區(qū)；(2)道路繁忙度獲取； d.運(yùn)動(dòng)點(diǎn)團(tuán)的位置提取:(1)數(shù)學(xué)形態(tài)學(xué)處理；(2)輪廓追蹤；(3)線段編碼；(4)改進(jìn)的線段編碼；(5)運(yùn)動(dòng)點(diǎn)團(tuán)層運(yùn)動(dòng)跟蹤，使用改進(jìn)的線段編碼算法提取運(yùn)動(dòng)點(diǎn)團(tuán)的位置和大小之后，進(jìn)行運(yùn)動(dòng)點(diǎn)團(tuán)層運(yùn)動(dòng)跟蹤； e.運(yùn)動(dòng)跟蹤:(1)卡爾曼濾波；(2)基于預(yù)測的運(yùn)動(dòng)跟蹤；(3)運(yùn)動(dòng)跟蹤算法的計(jì)算復(fù)雜性分析；(4)基于邊緣圖像的運(yùn)動(dòng)跟蹤；(5)基于預(yù)測的運(yùn)動(dòng)跟蹤算法在不同采樣率下的健壯性。
2.根據(jù)權(quán)利要求1所述的運(yùn)動(dòng)目標(biāo)檢測與跟蹤系統(tǒng)，其特征是:所述的彩色圖像的背景提取包括基于均質(zhì)的彩色圖像背景提取、改進(jìn)的基于均值的彩色圖像背景提取和基于中值濾波的彩色背景圖像提取。
【文檔編號(hào)】G06T7/20GK103903278SQ201210583625
【公開日】2014年7月2日 申請日期:2012年12月28日 優(yōu)先權(quán)日:2012年12月28日
【發(fā)明者】屈景春, 吳軍 申請人:重慶凱澤科技有限公司