CN103020578A - 一种基于二部图匹配的智能多目标跟踪算法 - Google Patents

一种基于二部图匹配的智能多目标跟踪算法 Download PDF

Info

Publication number
CN103020578A
CN103020578A CN201110282452XA CN201110282452A CN103020578A CN 103020578 A CN103020578 A CN 103020578A CN 201110282452X A CN201110282452X A CN 201110282452XA CN 201110282452 A CN201110282452 A CN 201110282452A CN 103020578 A CN103020578 A CN 103020578A
Authority
CN
China
Prior art keywords
target
algorithm based
tracking algorithm
target tracking
bipartite matching
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
Application number
CN201110282452XA
Other languages
English (en)
Inventor
张少文
冯琰一
汪刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PCI Suntek Technology Co Ltd
Original Assignee
PCI Suntek Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by PCI Suntek Technology Co Ltd filed Critical PCI Suntek Technology Co Ltd
Priority to CN201110282452XA priority Critical patent/CN103020578A/zh
Publication of CN103020578A publication Critical patent/CN103020578A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提供了一种基于二部图匹配的智能多目标跟踪算法及其在智能安防中的应用，该方法可以有效正确跟踪视频图像中的多运动目标，并能获得该目标的相应信息，从而实现智能视频监控和智能判断。

Description

一种基于二部图匹配的智能多目标跟踪算法
技术领域
本发明属于计算机视觉领域，特别涉及一种基于二部图匹配的智能多目标跟踪算法，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。智能视频监控中的多目标跟踪识别已经是智能视频监控关键环节，它的后继处理包括关键帧提取、目标行为分析、目标分类都依赖多目标识别的结果。目前比较常用的多目标跟踪识别方法是最短距离法、meanshift算法、camshift算法、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多目标跟踪，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，存在自动多目标跟踪识别监控目标行为，难以实时自动跟踪和遮挡处理的问题，一种基于二部图匹配的智能多目标跟踪算法。
为了实现发明目的，采用的技术方案如下：
基于二部图匹配的智能多目标跟踪算法的流程图如图1所示。
该流程首先是通过codebook前景检测获得当前帧的掩码图，接着对当前帧的掩码图的运动目标和当前活跃运动目标集合进行二部图权值计算得到权值矩阵，计算的准则是通过运动目标的大小、中心点距离和直方图的Bhattacharyya距离(但由于时间复杂度很大，这个往往没有用到)。然后对权值矩阵用匈牙利算法计算最小代价匹配，返回当前活跃运动目标集合每个目标在当前帧掩模图的运动目标对应的情况，如果当前活跃运动目标集合中的A运动目标和当前帧掩模图的运动目标B，他们的匹配代价小于一定阈值(一般不会很大)，用B更新A，否则将A视为没有对应目标而加入非活跃运动目标集合中。如果当前活跃运动目标集合中的A运动目标和当前帧掩模图的运动目标没有对应的，也加入非活跃运动目标集合中。在每次将目标加入非活跃运动目标集合，都智能计算它的生命值，一般对运动目标速度V来对运动目标进行预测多久会离开场景的哪个时间作为生命值。
其次，再利用目标检测方法对新目标进行检测，如果目标离场景边界大于一定阈值，并且连续出现5帧以上就把该目标定义为场景的目标A，该目标先和场景非活跃目标集合所有运动目标进行利用中心距离、大小和颜色直方图匹配，如果符合在一定阈值内的最匹配的运动目标B，把B从非活跃运动目标集合移到活跃运动目标集合，并用A更新B。否则将B直接加入活跃运动目标集合中。
最后，就是检测非活跃运动目标集合的运动目标是否超过它的生命值了，超过就从集合中删除，否则生命值减一。
该算法没有用到传统跟踪算法，避免了大量的运算，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，并且跟踪的效果非常好，在遮挡的时候很少会跟踪错误。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图为本发明实施例一中系统结构示意图；
具体实施方式
本发明函数基于最新的OpenCV库。OpenCV是“Open Source Computer VisionLibrary”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。
首先，利用codebook得到掩码图，算法函数为Codebook.getMask(IplImage*yuvImg，IplImage*fg，int nfrms)，其中yuvImg是一个YUV色彩空间模型(“Y”表示明亮度(Luminance或Luma)，也就是灰阶值；而“U”和“V”表示的则是色度(Chrominance或Chroma))的颜色图像，codebook算法返回的fg是二值掩模图，nfrms是视频帧号。
其次，利用calweight(CBlobSeq<CTrackingBlob>*L1，BlobSeq<CTrackingBlob>*L2)计算匹配权值图，L1表示当前帧的运动目标集合，L2表示当前活跃运动目标集合，返回一个矩阵M[][]，然后再利用match(intM[][50]，int n，int m，int*match1)，计算匹配结果在match1[]中，然后再根据match1[]结果做相应处理，如果当前活跃运动目标集合中的A运动目标和当前帧掩模图的运动目标B，他们的匹配代价小于一定阈值T，用B更新A，否则将A视为没有对应目标而加入非活跃运动目标集合中。如果当前活跃运动目标集合中的A运动目标和当前帧掩模图的运动目标没有对应的，也加入非活跃运动目标集合中。
再次，CDetecter::DetectNewBlob(IplImage*pImg，IplImage*pFG，CBlobSeq<CBlob>*pNewList，CBlobSeq<CTrackingBlob>*pOldList)来实现检测新目标或暂时消失目标重新出现加入活跃运动目标集合中。

Claims (7)

1.一种基于二部图匹配的智能多目标跟踪算法，其特征在于基于二部图最优匹配(匈牙利算法)实现对前后两帧图像中目标物体掩的进行匹配识别。
2.一种基于二部图匹配的智能多目标跟踪算法，其特征在于首先通过codebook前景分离得到。
3.一种基于二部图匹配的智能多目标跟踪算法，其特征在于对当前帧的新目标与非活跃目标用直方图、大小、和中心点距离进行匹配。
4.一种基于二部图匹配的智能多目标跟踪算法，其特征在于得到匹配的对应目标，更新当前活跃目标，没有对应的目标，加入到非活跃目标集合中。
5.一种基于二部图匹配的智能多目标跟踪算法，其特征在于对在非活跃目标集合中存在超过一定时间的目标进行剔除。
6.一种基于二部图匹配的智能多目标跟踪算法，其特征在于在非活跃目标集合的目标存在时间通过速度和位置智能计算生命值(即存在时间)。
7.一种基于二部图匹配的智能多目标跟踪算法，其特征在于基于OPENCV(开源计算机视觉)函数库。
CN201110282452XA 2011-09-20 2011-09-20 一种基于二部图匹配的智能多目标跟踪算法 Pending CN103020578A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110282452XA CN103020578A (zh) 2011-09-20 2011-09-20 一种基于二部图匹配的智能多目标跟踪算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110282452XA CN103020578A (zh) 2011-09-20 2011-09-20 一种基于二部图匹配的智能多目标跟踪算法

Publications (1)

Publication Number Publication Date
CN103020578A true CN103020578A (zh) 2013-04-03

Family

ID=47969171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110282452XA Pending CN103020578A (zh) 2011-09-20 2011-09-20 一种基于二部图匹配的智能多目标跟踪算法

Country Status (1)

Country Link
CN (1) CN103020578A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103235990A (zh) * 2013-04-10 2013-08-07 国家电网公司 一种基于匈牙利算法的设备调度分配方法
CN106803263A (zh) * 2016-11-29 2017-06-06 深圳云天励飞技术有限公司 一种目标跟踪方法及装置
US10445885B1 (en) 2015-10-01 2019-10-15 Intellivision Technologies Corp Methods and systems for tracking objects in videos and images using a cost matrix

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090116688A1 (en) * 2007-11-05 2009-05-07 California Institute Of Technology Synthetic foveal imaging technology
US20100104199A1 (en) * 2008-04-24 2010-04-29 Gm Global Technology Operations, Inc. Method for detecting a clear path of travel for a vehicle enhanced by object detection
CN101739551A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 运动目标识别方法及系统
CN101783020A (zh) * 2010-03-04 2010-07-21 湖南大学 一种联合概率数据关联的视频多目标快速跟踪方法
CN102065275A (zh) * 2009-11-17 2011-05-18 中国科学院电子学研究所 智能视频监控系统中多目标跟踪方法
CN102156863A (zh) * 2011-05-16 2011-08-17 天津大学 跨摄像头的多运动目标跟踪方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090116688A1 (en) * 2007-11-05 2009-05-07 California Institute Of Technology Synthetic foveal imaging technology
US20100104199A1 (en) * 2008-04-24 2010-04-29 Gm Global Technology Operations, Inc. Method for detecting a clear path of travel for a vehicle enhanced by object detection
CN101739551A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 运动目标识别方法及系统
CN102065275A (zh) * 2009-11-17 2011-05-18 中国科学院电子学研究所 智能视频监控系统中多目标跟踪方法
CN101783020A (zh) * 2010-03-04 2010-07-21 湖南大学 一种联合概率数据关联的视频多目标快速跟踪方法
CN102156863A (zh) * 2011-05-16 2011-08-17 天津大学 跨摄像头的多运动目标跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
万琴: "智能视觉监控中多运动目标检测与跟踪方法研究", 《中国博士学位论文全文数据库信息科技辑》, vol. 2010, no. 12, 15 December 2010 (2010-12-15) *
齐美彬: "一种基于改进码本的车辆检测与跟踪方法", 《中国图象图形学报》, vol. 16, no. 3, 31 March 2011 (2011-03-31) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103235990A (zh) * 2013-04-10 2013-08-07 国家电网公司 一种基于匈牙利算法的设备调度分配方法
US10445885B1 (en) 2015-10-01 2019-10-15 Intellivision Technologies Corp Methods and systems for tracking objects in videos and images using a cost matrix
CN106803263A (zh) * 2016-11-29 2017-06-06 深圳云天励飞技术有限公司 一种目标跟踪方法及装置

Similar Documents

Publication Publication Date Title
CN100585656C (zh) 一种基于规则的全天候智能视频分析监控方法
Chen et al. An enhanced segmentation on vision-based shadow removal for vehicle detection
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
WO2011022273A2 (en) Field-of-view change detection
Chang et al. PTZ camera target tracking in large complex scenes
Hsu et al. Learning to tell brake and turn signals in videos using cnn-lstm structure
Kumar et al. Real time target tracking with pan tilt zoom camera
Su et al. Adaptive colour feature identification in image for object tracking
Forczmański et al. Surveillance video stream analysis using adaptive background model and object recognition
Siricharoen et al. Robust outdoor human segmentation based on color-based statistical approach and edge combination
CN103020578A (zh) 一种基于二部图匹配的智能多目标跟踪算法
Salem et al. Detection of suspicious activities of human from surveillance videos
Saito et al. Human detection from fish-eye image by Bayesian combination of probabilistic appearance models
Dahmane et al. Real-time video surveillance with self-organizing maps
Frejlichowski et al. SmartMonitor: An approach to simple, intelligent and affordable visual surveillance system
Wang et al. Video image vehicle detection system for signaled traffic intersection
Zheng et al. An automatic moving object detection algorithm for video surveillance applications
Lee An accident detection system on highway through CCTV with calogero-moser system
Zang et al. Evaluation of an adaptive composite Gaussian model in video surveillance
Batista et al. A dual-stage robust vehicle detection and tracking for real-time traffic monitoring
Duffner et al. Exploiting long-term observations for track creation and deletion in online multi-face tracking
CN103020981A (zh) 一种基于视频运动目标的快速关键帧提取算法
Zhang et al. A novel hybrid motion detection algorithm based on dynamic thresholding segmentation
Su et al. Moving object tracking using an adaptive colour filter

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: 20130403