CN104537695A - 一种抗阴影和遮挡的多运动目标检测和跟踪方法 - Google Patents

Abstract

本发明涉及一种抗阴影和遮挡的多运动目标检测和跟踪方法，属于图像处理技术领域。本方法包括：结合分类浮动策略进行基于混合高斯的背景建模，利用三帧差分算法结合8邻域求和运算将分割出运动目标前景，采用纹理梯度差和颜色特征不变量的阴影检测，将检测到的阴影标记为红色，在目标跟踪阶段将红色阴影区域剔除掉，采用Camshift和Kalman滤波相结合的策略进行多目标跟踪。本发明提供的一种抗阴影和遮挡的多运动目标检测和跟踪方法能够有效的检测出运动目标的阴影，计算量小、实时性高、有效的改善了“空洞”现象，对运动目标的检测也有良好的稳定性，同时能够实现遮挡场景下对运动目标的稳定跟踪。

Description

一种抗阴影和遮挡的多运动目标检测和跟踪方法

技术领域

本发明属于图像处理技术领域，具体涉及一种抗阴影和遮挡的多运动目标检测和跟踪方法。

背景技术

运动目标跟踪是机器视觉的研究热点之一，也是对视频图像进行深层分析的基础，在智能安防、交通、医学图像分析等领域取得了成功应用，但仍有许多理论及应用问题亟需解决，包括运动目标遮挡、阴影的去除等问题。运动目标检测是从视频图像序列中完整地分离出运动前景，是后续目标跟踪的关键，但在检测过程中需要充分考虑各种噪声的影响，并且运动目标的阴影容易被误测成运动目标的一部分，导致运动目标不能够被稳定的跟踪。目标跟踪是指给定一段视频序列，在视频序列中找到感兴趣的运动目标，并实现其运动轨迹的跟踪，为目标的运动分析和行为识别提供最直接的依据。但遮挡场景下，很难实现对运动目标的稳定跟踪。因此，在对运动目标的检测和跟踪过程中，各种噪声、目标阴影、目标遮挡等问题亟待解决。

发明内容

本发明的目的是提供一种抗阴影和遮挡的多运动目标检测和跟踪方法，其解决的技术问题是：（1）运动目标检测阶段阴影和各种噪声的影响。（2）检测到的运动目标不完整，容易出现“空洞”现象。（3）运动目标被遮挡时存在的跟踪丢失问题。

为了解决上述技术问题，本发明采用了以下方案：

一种抗阴影和遮挡的多运动目标检测和跟踪方法包括：结合分类浮动策略进行基于混合高斯的背景建模，采用纹理梯度差和颜色特征不变量的阴影检测，利用Camshift和Kalman滤波进行多目标跟踪。

进一步，在三帧差分算法中引入8邻域求和运算，将视频图像序列的像素点分为：目标块和非目标块。然后采用分类浮动策略，结合混合高斯背景模型对视频图像进行背景建模。对于目标块，背景保持不变，对于非目标块采用传统的混合高斯背景建模方法对背景进行更新。

进一步，利用颜色特征不变量方法对阴影进行初步检测，具体实现过程为：通过色度估计和亮度估计可以得到最终阴影候选区，然后通过空间校正，即完成对阴影检测的初步处理。然后结合纹理梯度差进行阴影判别，将得到的阴影区域标记成红色，在目标跟踪过程中需将其剔除。

进一步，用Camshift和Kalman滤波进行多运动目标的跟踪，在跟踪过程中对无遮挡跟踪和遮挡跟踪采用不同的跟踪策略。

进一步，无遮挡时，对运动检测阶段得到的前景目标进行连通域分析，得到第k帧前景目标的在当前帧的中心位置 ，长轴和短轴和方向角等参数信息。然后利用Camshift实现运动目标的自适应跟踪。

进一步，在遮挡场景下，利用基于Camshift和Kalman滤波相结合的方法来处理，并引入遮挡处理机制。

本发明提出的一种抗阴影和遮挡的多运动目标检测和跟踪方法与现有的运动目标检测方法相比，具有以下有益结果：

1、本发明计算量小，可以满足运动目标检测与跟踪的实时性要求。

2、本发明可以解决检测到的运动目标不完整的问题，很好的解决了“空洞”现象。 

3、本发明克服了各种噪声和阴影问题的影响。

4、本发明解决了复杂场景下如何实现对被遮挡运动目标的稳定跟踪。

附图说明

图1本发明的整体流程示意图；

图2本发明的阴影检测示意图；

图3本发明在无遮挡情况下的目标跟踪示意图；

图4本发明在遮挡情况下的目标跟踪示意图。

具体实施方式

下面结合图1-4，对本发明做进一步说明：

如图1所示，对连续3帧图像序列进行基于8邻域求和运算的三帧差分处理，将视频图像序列分为目标区域和非目标区域，然后利用分类浮动更新策略对视频图像进行混合高斯背景建模。在阴影检测阶段，采用基于纹理梯度和颜色特征不变量相结合的方法，目标跟踪阶段采用分类跟踪策略。

如图2所示，通过混合高斯背景建模，可以得到目标前景像素集，通过色度估计和亮度估计可以得到最终阴影候选区，然后通过空间校正，即完成对阴影检测的初步处理，最后进行纹理疏密检测和计算候选阴影区和背景区域的灰度差分统计量即可完成对阴影的检测。

如图3所示，流程图为在无障碍遮挡情况下的跟踪方法，采用传统的Camshift算法实现跟踪。

如图4所示，流程图为在遮挡情况下的跟踪方法，采用Kalman预测值代替Camshift计算出的最优位置值，并且将Kalman预测值作为Kalman滤波更新的观测值，有效克服严重遮挡导致Kalma滤波失效的问题，具体实施步骤为：

（1）当前帧目标位置预测。主要是利用Kalman滤波预测当前帧图像目标的位置，而Kalman滤波预测的依据是根据目标历史运动信息来可靠的预测。

（2） 匹配目标。根据目标的颜色概率分布图，在Kalman滤波预测值的邻域内利用Camshift算法搜索与目标模板最相似的目标。

（3）更新Kalman滤波状态。以匹配了的目标位置作为Kalman滤波的观测值来更新Kalman滤波的状态，从而更准确的估计下一帧目标的预测值。

本发明通过具体实施过程进行说明的，在不脱离本发明范围的情况下，还可以对本发明专利进行各种变换及等同代替，因此，本发明专利不局限于所公开的具体实施过程，而应当包括落入本发明专利权利要求范围内的全部实施方案。

Claims (4)

1.一种抗阴影和遮挡的多运动目标检测和跟踪方法，其特征在于，包括：

（1）将分类浮动更新策略引入到视频图像的背景建模中，采用三帧差分算法将视频图像序列中的像素点分为：目标块和非目标块；

（2）采用基于纹理梯度差和颜色特征不变量的方法进行阴影检测，结合数学形态学滤波分割出前景目标；

（3）利用Camshift和Kalman滤波进行多运动目标的跟踪。

2.根据权利要求1所述的方法，其特征在于，在三帧差分算法中引入8邻域求和运算，将视频图像序列的像素点分为：目标块和非目标块；然后采用分类浮动策略，结合混合高斯背景模型对视频图像进行背景建模，对于目标块，背景保持不变，对于非目标块采用传统的混合高斯背景建模方法对背景进行更新。

3.根据权利要求1所述的方法，其特征在于，利用颜色特征不变量方法对阴影进行初步检测，具体实现过程为：通过色度估计和亮度估计可以得到最终阴影候选区，然后通过空间校正，即完成对阴影检测的初步处理；然后结合纹理梯度差进行阴影判别，将得到的阴影区域标记成红色，在目标跟踪过程中需将其剔除。

4.根据权利要求1所述的方法，其特征在于，利用Camshift和Kalman滤波进行多运动目标的跟踪，在跟踪过程中对无遮挡跟踪和遮挡跟踪采用不同的跟踪策略：

无遮挡时，对运动检测阶段得到的前景目标进行连通域分析，得到第k帧前景目标的在当前帧的中心位置                                               ，长轴和短轴和方向角参数信息，然后利用Camshift实现运动目标的自适应跟踪；

在遮挡场景下，利用基于Camshift和Kalman滤波相结合的方法来处理，并引入遮挡处理机制。