來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以 根據(jù)這些圖獲得其他的附圖。
[0043] 圖1是本發(fā)明一種實(shí)施方式的用于跟蹤視頻中運(yùn)動(dòng)目標(biāo)的方法的流程圖；
[0044] 圖2是高斯金字塔圖像的示意圖；
[0045] 圖3是本發(fā)明一種實(shí)施方式中運(yùn)動(dòng)對(duì)象與運(yùn)動(dòng)目標(biāo)的重合部分的示意圖；
[0046] 圖4是本發(fā)明一種實(shí)施方式的用于跟蹤視頻中運(yùn)動(dòng)目標(biāo)的方法的流程圖；
[0047] 圖5是本發(fā)明提供的用于跟蹤視頻中運(yùn)動(dòng)目標(biāo)的裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0048] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0049] 圖1是本發(fā)明一種實(shí)施方式的用于跟蹤視頻中運(yùn)動(dòng)目標(biāo)的方法的流程圖。如圖1所 示，本發(fā)明一種實(shí)施方式的用于跟蹤視頻中運(yùn)動(dòng)目標(biāo)的方法包括：
[0050] 在步驟S101中，檢測(cè)運(yùn)動(dòng)目標(biāo)跟蹤數(shù)據(jù)庫(kù)中各運(yùn)動(dòng)目標(biāo)在上一幀視頻圖像中所在 的區(qū)域與運(yùn)動(dòng)對(duì)象參考數(shù)據(jù)庫(kù)中當(dāng)前幀視頻圖像的各運(yùn)動(dòng)對(duì)象所在的區(qū)域是否存在重合 部分。
[0051] 其中，所述運(yùn)動(dòng)目標(biāo)包括視頻圖像幀中的運(yùn)動(dòng)員、球、球拍以及行人等，但不僅限 于此，所述運(yùn)動(dòng)對(duì)象也可以包括視頻圖像幀中的運(yùn)動(dòng)員、球、球拍以及行人等，但不僅限于 此。所述運(yùn)動(dòng)目標(biāo)所在的區(qū)域?yàn)檫\(yùn)動(dòng)目標(biāo)的最小外接矩形，所述運(yùn)動(dòng)對(duì)象所在的區(qū)域?yàn)檫\(yùn) 動(dòng)對(duì)象的最小外接矩形。當(dāng)然，所述運(yùn)動(dòng)對(duì)象所在的區(qū)域和所述運(yùn)動(dòng)目標(biāo)所在的區(qū)域也可 以為其它的規(guī)則形狀，本實(shí)施方式對(duì)此不加以限制。
[0052]如果當(dāng)前幀視頻圖像為視頻圖像的第一幀，則需要?jiǎng)?chuàng)建初始運(yùn)動(dòng)目標(biāo)及其粒子。 首先，要選定初始需要跟蹤的運(yùn)動(dòng)目標(biāo)所在的區(qū)域，該區(qū)域可以手工標(biāo)定，也可以采用基于 視覺注意模型的方法獲取。在得到初始需要跟蹤的運(yùn)動(dòng)目標(biāo)所在的區(qū)域之后，以該區(qū)域的 中心為均值μ，通過二維高斯模型在其周圍產(chǎn)生若干個(gè)跟蹤粒子，這些跟蹤粒子為運(yùn)動(dòng)目標(biāo) 未來可能運(yùn)動(dòng)到的區(qū)域，則有跟蹤粒子的位置中心X符合如下的高斯分布，即
[0054] 其中，Ν(χ;μ，Σ)表示高斯分布，X表示跟蹤粒子的位置中心，μ表示所述運(yùn)動(dòng)目標(biāo) 所在區(qū)域的中心，Σ表示協(xié)方差。
[0055] 需要說明的是，運(yùn)動(dòng)目標(biāo)的每個(gè)跟蹤粒子所在的區(qū)域的大小與其對(duì)應(yīng)的運(yùn)動(dòng)目標(biāo) 大小一樣。這樣，運(yùn)動(dòng)目標(biāo)及其跟蹤粒子就構(gòu)成了最初的運(yùn)動(dòng)目標(biāo)跟蹤數(shù)據(jù)庫(kù)。該運(yùn)動(dòng)目標(biāo) 跟蹤數(shù)據(jù)庫(kù)包含了運(yùn)動(dòng)目標(biāo)及其跟蹤粒子的位置信息，在后續(xù)視頻圖像幀的分析中，該運(yùn) 動(dòng)目標(biāo)跟蹤數(shù)據(jù)庫(kù)會(huì)被不斷更新，以獲得運(yùn)動(dòng)目標(biāo)在后續(xù)視頻圖像幀中的相應(yīng)的跟蹤位 置。
[0056] 如果當(dāng)前幀視頻圖像不是視頻圖像中的第一幀，則運(yùn)動(dòng)目標(biāo)跟蹤數(shù)據(jù)庫(kù)中存儲(chǔ)的 是上一幀視頻圖像中的各運(yùn)動(dòng)目標(biāo)及其跟蹤粒子的位置信息。
[0057]具體地，在步驟S101的檢測(cè)運(yùn)動(dòng)目標(biāo)跟蹤數(shù)據(jù)庫(kù)中各運(yùn)動(dòng)目標(biāo)在上一幀視頻圖像 中所在的區(qū)域與運(yùn)動(dòng)對(duì)象參考數(shù)據(jù)庫(kù)中當(dāng)前幀視頻圖像的各運(yùn)動(dòng)對(duì)象所在的區(qū)域是否存 在重合部分之前，所述方法還包括：
[0058] 采用基于視覺注意模型的方法獲取當(dāng)前幀視頻圖像中各運(yùn)動(dòng)對(duì)象所在的區(qū)域。
[0059] 更為具體地，所述采用基于視覺注意模型的方法獲取當(dāng)前幀視頻圖像中各運(yùn)動(dòng)對(duì) 象所在的區(qū)域，進(jìn)一步包括：
[0060] 第一，將當(dāng)前幀視頻圖像轉(zhuǎn)換成灰度圖像。
[0061] 第二，利用高斯金字塔技術(shù)對(duì)所述灰度圖像進(jìn)行多級(jí)的低通濾波，得到高斯金字 塔圖像。圖2是高斯金字塔圖像的示意圖。如圖2所示，所述高斯金字塔圖像包括多級(jí)圖像。
[0062] 其中，根據(jù)以下公式得到高斯金字塔圖像：
[0063] Gi(x,y) = l(x,y),l = 0；
[0065] 其中，I(x，y)表示所述灰度圖像，X表示像素點(diǎn)的橫坐標(biāo)，y表示像素點(diǎn)的縱坐標(biāo)， GKxj)表示所述高斯金字塔圖像中的第1級(jí)圖像，w(m，n)表示權(quán)重函數(shù)，m表示權(quán)重矩陣的 橫坐標(biāo)，η表示權(quán)重矩陣的縱坐標(biāo)，1表示常數(shù)。
[0066] 第三，計(jì)算所述高斯金字塔圖像中每級(jí)圖像的對(duì)比特征圖。所述對(duì)比特征圖表示 圖像中任意一像素點(diǎn)與周圍區(qū)域像素點(diǎn)的視覺差異性，即可以根據(jù)對(duì)比特征圖計(jì)算得到顏 色特征差異性、色調(diào)差異性或亮度差異性。在本實(shí)施方式中，申請(qǐng)人根據(jù)對(duì)比特征圖計(jì)算得 到顏色特征差異性。
[0067]對(duì)于圖像中的任意一像素點(diǎn)q^，以其周圍lXh大小的區(qū)域塊作為對(duì)比特征圖 的計(jì)算范圍，則有對(duì)比特征圖的計(jì)算公式為：
[0069]
，表示像素點(diǎn)PU的特征值，在本實(shí)施方式中， 所述特征值可以采用灰度值表示，表示所述特征值在區(qū)域塊By的均值，1表示區(qū)域塊By 的長(zhǎng)度，h表示區(qū)域塊的寬度，C(x，y)表示所述對(duì)比特征圖，X表示像素點(diǎn)的橫坐標(biāo)，y表示 像素點(diǎn)的縱坐標(biāo)。
[0070] 針對(duì)高斯金字塔圖像的不同級(jí)圖像，區(qū)域塊的大小也隨之進(jìn)行相應(yīng)調(diào)整，即圖 像越小則區(qū)域塊越小。
[0071] 第四，將各級(jí)圖像的對(duì)比特征圖擴(kuò)展到當(dāng)前幀視頻圖像的大小。其中，根據(jù)以下公 式對(duì)各級(jí)圖像的對(duì)比特征圖進(jìn)行擴(kuò)展：
[0074] 其中，d(x，y)表示所述對(duì)比特征圖，(VXhy)表示擴(kuò)展后的對(duì)比特征圖，X表示像 素點(diǎn)的橫坐標(biāo)，y表示像素點(diǎn)的縱坐標(biāo)，w(m，n)表示權(quán)重函數(shù)，m表示權(quán)重矩陣的橫坐標(biāo)，η表 示權(quán)重矩陣的縱坐標(biāo)，1表示常數(shù)。
[0075] 第五，將擴(kuò)展后的各級(jí)圖像的對(duì)比特征圖點(diǎn)對(duì)點(diǎn)地疊加在一起，得到當(dāng)前幀視頻 圖像的視覺注意模型圖。
[0076] 第六，采取自適應(yīng)的k均值聚類算法將所述視覺注意模型圖的像素點(diǎn)分為運(yùn)動(dòng)對(duì) 象區(qū)域或背景區(qū)域，得到各運(yùn)動(dòng)對(duì)象所在的區(qū)域。
[0077] 通過上述方法獲取到當(dāng)前幀視頻圖像中各運(yùn)動(dòng)對(duì)象所在的區(qū)域之后，將各運(yùn)動(dòng)對(duì) 象，各運(yùn)動(dòng)對(duì)象所在區(qū)域的位置信息以及各運(yùn)動(dòng)對(duì)象的顏色直方圖信息(表示顏色特征差 異性)加入到運(yùn)動(dòng)對(duì)象參考數(shù)據(jù)庫(kù)中，用于后續(xù)的運(yùn)動(dòng)目標(biāo)跟蹤識(shí)別。其中，各運(yùn)動(dòng)對(duì)象所 在區(qū)域的位置信息包括運(yùn)動(dòng)對(duì)象的最小外接矩形的左上點(diǎn)的坐標(biāo)值以及外接矩形的長(zhǎng)度 和寬度，各運(yùn)動(dòng)對(duì)象的顏色直方圖信息包括運(yùn)動(dòng)對(duì)象的最小外接矩形框區(qū)域的顏色直方 圖。
[0078]接著，在步驟S102中，在檢測(cè)運(yùn)動(dòng)目標(biāo)跟蹤數(shù)據(jù)庫(kù)中的運(yùn)動(dòng)目標(biāo)在上一幀視頻圖 像中所在的區(qū)域與運(yùn)動(dòng)對(duì)象參考數(shù)據(jù)庫(kù)中當(dāng)前幀視頻圖像的運(yùn)動(dòng)對(duì)象所在的區(qū)域存在重 合部分的情況下，計(jì)算所述重合部分的面積。
[0079] 圖3是本發(fā)明一種實(shí)施方式中運(yùn)動(dòng)對(duì)象與運(yùn)動(dòng)目標(biāo)的重合部分的示意圖。如圖3所 示，具體地，所述重合部分為矩形，當(dāng)然，所述重合部分也可以為其它的規(guī)則形狀，本實(shí)施方 式對(duì)此不加以限制。
[0080] 緊接著，在步驟S103中，判斷所述面積是否大于第一預(yù)設(shè)閾值。
[0081] 然后，在步驟S104中，在判斷所述面積大于所述第一預(yù)設(shè)閾值的情況下，更新所述 運(yùn)動(dòng)目標(biāo)的跟蹤粒子信息。
[0082] 其中，所述在判斷所述面積大于所述第一預(yù)設(shè)閾值的情況下，更新所述運(yùn)動(dòng)目標(biāo) 的跟蹤粒子信息，具體包括：
[0083] 第一，改變所述運(yùn)動(dòng)目標(biāo)的