CN101950425A - 一种基于运动行为检测的智能跟踪算法 - Google Patents
一种基于运动行为检测的智能跟踪算法 Download PDFInfo
- Publication number
- CN101950425A CN101950425A CN2010102926459A CN201010292645A CN101950425A CN 101950425 A CN101950425 A CN 101950425A CN 2010102926459 A CN2010102926459 A CN 2010102926459A CN 201010292645 A CN201010292645 A CN 201010292645A CN 101950425 A CN101950425 A CN 101950425A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- motion
- target
- behavior
- tracking algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于运动行为检测的智能跟踪算法及其在智能安防中的应用,该方法可以有效正确检测和跟踪视频图像中的运动目标,并能获得该目标的运动方向与相应位置,从而实现智能视频监控和智能判断。
Description
技术领域
本发明属于计算机视觉领域,特别涉及一种基于运动行为检测的智能跟踪算法,及该方法在智能安防中的应用。
技术背景
智能视频监控以数字化、网络化视频监控为基础,但又有别于一般的网络化视频监控,它是一种更高端的视频监控应用。智能视频监控系统能够识别不同的物体。发现监控画面中的异常情况,并能以最快和最佳的方式发出警报和提供有用信息,从而能够更加有效地协助安全人员处理危机,并最大限度地降低误报和漏报现象。智能视频监控中的运动目标检测与跟踪技术则是实现这一环节的关键技术。目前比较常用的运动目标检测方法是帧间差分法、背景差分法和光流法。而几种较受关注的目标跟踪算法则有粒子滤波、基于边缘轮廓的跟踪和基于模板的目标建模等方法。
由于常见的方法在对视频图像中目标尚不能完全有效地进行检测与跟踪,业界亟待一种能够实现智能视频监控中对运动目标进行跟踪,并根据运动目标的质心位置作出相应智能判断的具体方法。
发明内容
本发明的目的是针对现有视频监视系统,存在无法自动识别监控目标行为,难以自动跟踪导致误报、漏报的问题,提出一种基于运动行为检测的智能跟踪算法。
为了实现发明目的,采用的技术方案如下:
运动模块检测算法的流程图如图1所示。该流程首先是获得当前帧与上一帧的差,接着对差图像进行二值化,以去掉超时影响,更新运动历史图像,然后计算运动历史图像的梯度方向,并将整个运动分割为独立的运动部分,再用一个结构序列标记每一个运动分割,最后计算选择区域的全局运动方向,从而获得运动目标的质心位置与运动方向。
这个算法基于的条件是运动目标相邻两帧之间在画面上存在的交集,此算法不用外推和相关分析以及轨迹后处理就可以清晰地显示出目标的轨迹、速度与方向。用该算法基于运动目标检测运动目标前景图像的具体过程可描述如下:
在当前帧打上时间戳叠加存储到历史图像后缀;
该算法简化了目标相关性的运算,可在初始状态下对于目标运动趋势不了解的情况下实施对目标的稳定跟踪,同时具有良好的实时性能。。
附图说明
图1是本发明的体系结构示意图;
图2是本发明的计算函数示意图。
具体实施方式
如图2所示,为该算法的计算函数示意图。
本发明函数基于最新的OpenCV库。OpenCV是“Open Source Computer Vision Library”的简写,是Intel开源计算机视觉库。它由一系列C函数和少量的C++类构成,是可实现图像处理和计算机视觉方面的很多通用算法,可用来处理计算机视觉领域中常见的问题,其中主要涉及到以下几个方面的内容:
(1)Motion Analysis and Objection Tracking-运动分析和目标跟踪;
(2)Image Analysis-图像分析;
(3)StructuralA nalysis-结构分析;
(4)ObjectR ecognition-目标识别;
(5)3D Reconstruction-3D重建。
在本发明中,通过函数cvUpdateMotionHistory可使用下列方式更新运动历史图像:
也就是说,MHI(motion history image)中运动所发生的象素点被设置为当前时间,而运动发生较久的象素点将被清除。
函数cvCalcMotionGradient用于计算MHI的差分Dx和Dy,然后计算梯度方向,其公式如图2所示。
其中要考虑Dx(x,y)和Dy(x,y)的符号。然后填充mask以表示哪些方向是正确的。
函数cvCalcGlobalOrientation用于在选择的区域内计算整个运动方向。并返回0°到360°之间的角度值。首先由函数创建运动直方图,并寻找基本方向做为直方图最大值的坐标。然后通过函数计算与基本方向的相对偏移量,并将其做为所有方向向量的加权和(运行越近,权重越大)。所得到的角度就是基本方向和偏移量的循环和。
函数cvSegmentMotion可寻找所有的运动分割,并在seg_mask用不同的单独数字(1,2,…)标识它们。它也可返回一个具有CvConnected-Comp结构的序列。其中每个结构对应一个运动部件。在这之后,每个运动部件的运动方向就可以被函数cvCalcGlobalOrientation利用提取的特定部件的掩模(mask)计算出来。此外,每个运动部件的质心位置也可由返回的图像ROI位置来确定,由此便可确定运动目标的位置。
Claims (4)
1.一种基于运动行为检测的智能跟踪算法,其特征在于基于帧差技术实现对上下图像中目标物体的行为差别进行分析研判。
2.一种基于运动行为检测的智能跟踪算法,其特征在于基于OPENCV(开源计算机视觉)函数库。
3.一种基于运动行为检测的智能跟踪算法,其特征在于首先通过对差图像二值化,更新运动目标物体历史图像,继而计算运动的梯度方向和正确的方向掩码,从而获得目标的行为连续序列,最后在选择的区域内计算运动方向,实现智能跟踪。
4.根据权利要求3所述的基于运动行为检测的智能跟踪算法,其特征在于根据运动目标的质心位置作出相应智能判断,尤其是运动目标相邻两帧之间在画面上存在的交集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102926459A CN101950425A (zh) | 2010-09-26 | 2010-09-26 | 一种基于运动行为检测的智能跟踪算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102926459A CN101950425A (zh) | 2010-09-26 | 2010-09-26 | 一种基于运动行为检测的智能跟踪算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101950425A true CN101950425A (zh) | 2011-01-19 |
Family
ID=43453912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102926459A Pending CN101950425A (zh) | 2010-09-26 | 2010-09-26 | 一种基于运动行为检测的智能跟踪算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101950425A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577833A (zh) * | 2012-08-01 | 2014-02-12 | 复旦大学 | 基于运动模板的异常闯入检测方法 |
CN104410842A (zh) * | 2014-12-25 | 2015-03-11 | 苏州智华汽车电子有限公司 | 倒车用摄像头动态侦测系统及方法 |
CN107490377A (zh) * | 2017-07-17 | 2017-12-19 | 五邑大学 | 室内无地图导航系统及导航方法 |
CN110188594A (zh) * | 2019-04-12 | 2019-08-30 | 南昌嘉研科技有限公司 | 一种基于计算机视觉的目标识别与定位方法 |
CN112734795A (zh) * | 2020-12-31 | 2021-04-30 | 北京深睿博联科技有限责任公司 | 一种判断物体运动趋势及方向的方法和设备 |
-
2010
- 2010-09-26 CN CN2010102926459A patent/CN101950425A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577833A (zh) * | 2012-08-01 | 2014-02-12 | 复旦大学 | 基于运动模板的异常闯入检测方法 |
CN104410842A (zh) * | 2014-12-25 | 2015-03-11 | 苏州智华汽车电子有限公司 | 倒车用摄像头动态侦测系统及方法 |
CN107490377A (zh) * | 2017-07-17 | 2017-12-19 | 五邑大学 | 室内无地图导航系统及导航方法 |
CN110188594A (zh) * | 2019-04-12 | 2019-08-30 | 南昌嘉研科技有限公司 | 一种基于计算机视觉的目标识别与定位方法 |
CN110188594B (zh) * | 2019-04-12 | 2021-04-06 | 南昌嘉研科技有限公司 | 一种基于计算机视觉的目标识别与定位方法 |
CN112734795A (zh) * | 2020-12-31 | 2021-04-30 | 北京深睿博联科技有限责任公司 | 一种判断物体运动趋势及方向的方法和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109657575B (zh) | 室外施工人员智能视频跟踪算法 | |
Hou et al. | Detection of the mobile object with camouflage color under dynamic background based on optical flow | |
CN113011367B (zh) | 一种基于目标轨迹的异常行为分析方法 | |
Devasena et al. | Video surveillance systems-a survey | |
EP2709066A1 (en) | Concept for detecting a motion of a moving object | |
CN102243765A (zh) | 基于多相机的多目标定位跟踪方法及系统 | |
Jodoin et al. | Tracking all road users at multimodal urban traffic intersections | |
Prokaj et al. | Tracking many vehicles in wide area aerial surveillance | |
Ranjith et al. | Anomaly detection using DBSCAN clustering technique for traffic video surveillance | |
CN101950425A (zh) | 一种基于运动行为检测的智能跟踪算法 | |
CN111862145A (zh) | 一种基于多尺度行人检测的目标跟踪方法 | |
CN104268902A (zh) | 面向工业现场的多目标视频跟踪方法 | |
Jiang et al. | Surveillance from above: A detection-and-prediction based multiple target tracking method on aerial videos | |
Seidenari et al. | Dense spatio-temporal features for non-parametric anomaly detection and localization | |
CN102789645A (zh) | 一种用于周界防范的多目标快速跟踪方法 | |
CN116681729B (zh) | 基于轨迹预测的抗遮挡多目标跟踪方法 | |
Pletzer et al. | Robust traffic state estimation on smart cameras | |
EP2709065A1 (en) | Concept for counting moving objects passing a plurality of different areas within a region of interest | |
CN115188081B (zh) | 一种面向复杂场景的检测跟踪一体化方法 | |
Piérard et al. | A probabilistic pixel-based approach to detect humans in video streams | |
Chau et al. | Online evaluation of tracking algorithm performance | |
Di Caterina et al. | An improved mean shift tracker with fast failure recovery strategy after complete occlusion | |
Sio et al. | Multiple fisheye camera tracking via real-time feature clustering | |
Tsai et al. | Multi-lane detection and road traffic congestion classification for intelligent transportation system | |
CN107067411B (zh) | 一种结合密集特征的Mean-shift跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110119 |