CN112418136A - 一种现场作业人员的目标区域检测追踪方法及装置 - Google Patents

Abstract

本申请实施例公开了一种现场作业人员的目标区域检测追踪方法及装置，首先，获取视频图像序列，并建立背景模型，获取当前及后续视频图像，通过差分法及校正处理获取当前视频图像的目标区域，接着，对该目标区域进行目标角点识别，建立目标模型，并根据Meanshift算法与卡尔曼滤波的结合获取最佳目标区域，进行修正后，获取所述后续视频图像的目标区域。本申请解决了由于检测及追踪手段的缺失，当现场作业人员所在的原目标区域发生变化，或者出现其他区域及干扰区域时，视频监控就不能有效地对其进行准确的判断和区别，容易出现检测及追踪误差的问题，提高了目标区域检测及追踪的精度。

Description

一种现场作业人员的目标区域检测追踪方法及装置

技术领域

本申请涉及电力计量技术领域，尤其涉及一种现场作业人员的目标区域检测追踪方法及装置。

背景技术

在电力计量的现场作业中，作业人员往往会面临很多不安全因素，如电力设备漏电，电路短路所引起的作业人员触电甚至是爆炸，又如高压电塔的检修维护的作业现场，也存在着人员坠落、作业工具坠落、触电等人容易造成作业人员伤亡的危险，可见，保护电能计量现场作业人员的安全是运营商的一项重要且必要的任务。

目前，电力计量领域常采用视频监控来实现对现场作业人员的目标区域，进行简单的检测及追踪，为现场作业人员提供安全保障。但由于检测及追踪手段的缺失，当现场作业人员所在的原目标区域发生变化，或者出现其他区域及干扰区域时，视频监控就不能有效地对其进行准确的判断和区别，此时就会出现检测及追踪误差。

发明内容

为了解决由于检测及追踪手段的缺失，当现场作业人员所在的原目标区域发生变化，或者出现其他区域及干扰区域时，视频监控就不能有效地对其进行准确的判断和区别，容易出现检测及追踪误差的问题，本申请通过以下各个实施例公开了一种现场作业人员的目标区域检测追踪方法及装置。

本申请第一方面公开了一种现场作业人员的目标区域检测追踪方法，所述方法包括：

获取视频图像序列，并根据所述视频图像序列建立背景模型，所述视频图像序列为在不同时间、不同方位依序获取现场作业人员的系列视频图像，所述背景模型包括所述视频图像序列的像素平均值；

获取当前视频图像及后续视频图像，所述当前视频图像为所述视频图像序列中任意一帧视频图像，所述后续视频图像为所述当前视频图像的下一帧视频图像；

根据背景差分法，获取第一帧差，所述第一帧差为所述当前视频图像及所述背景模型之间的帧差；

根据帧间差分法，获取第二帧差，所述第二帧差为所述当前视频图像及所述后续视频图像之间的帧差；

对所述第一帧差及所述第二帧差进行与运算，获取待校正区域；

对所述待校正区域进行校正处理，获取所述当前视频图像的目标区域；

对所述当前视频图像的目标区域进行目标角点识别，并建立目标模型，所述目标模型包括所述目标区域的目标角点；

根据所述目标模型，对所述后续视频图像进行预处理，获取所述后续视频图像的迭代匹配区域，所述预处理包括迭代、匹配及追踪；

根据所述当前视频图像的目标区域，对所述后续视频图像的目标区域进行预测，并获取所述后续视频图像的预测候选区域；

对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域位于所述迭代匹配区域或预测候选区域中；

根据所述预测候选区域，建立预测模型；

根据所述预测模型，对所述最佳目标区域进行修正，并获取所述后续视频图像的目标区域。

可选的，所述获取视频图像序列，并根据所述视频图像序列建立背景模型，包括：

获取视频图像序列，并从所述视频图像序列中随机选取部分视频图像；

根据统计平均法获取所述部分视频图像的像素平均值；

根据所述像素平均值，建立背景模型。

可选的，所述对所述待校正区域进行校正处理，获取所述当前视频图像的目标区域，包括：

根据开运算对所述待校正区域进行校正和选择，获取校正后的区域；

对所述校正后的区域进行空洞填充和去噪处理，获取所述当前视频图像的目标区域。

可选的，所述对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，包括：

若所述后续视频图像的目标区域中出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域仅从所述预测候选区域中获取；

若所述后续视频图像的目标区域中未出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域从所述迭代匹配区域或预测候选区域中获取。

本申请第二方面公开了一种现场作业人员的目标区域检测追踪装置，所述装置应用于本申请第一方面所述的一种现场作业人员的目标区域检测追踪方法，所述装置包括：

背景模型建立模块，用于获取视频图像序列，并根据所述视频图像序列建立背景模型，所述视频图像序列为在不同时间、不同方位依序获取现场作业人员的系列视频图像，所述背景模型包括所述视频图像序列的像素平均值；

视频图像获取模块，用于获取当前视频图像及后续视频图像，所述当前视频图像为所述视频图像序列中任意一帧视频图像，所述后续视频图像为所述当前视频图像的下一帧视频图像；

第一帧差获取模块，用于根据背景差分法，获取第一帧差，所述第一帧差为所述当前视频图像及所述背景模型之间的帧差；

第二帧差获取模块，用于根据帧间差分法，获取第二帧差，所述第二帧差为所述当前视频图像及所述后续视频图像之间的帧差；

待校正区域获取模块，用于对所述第一帧差及所述第二帧差进行与运算，获取待校正区域；

当前目标区域获取模块，用于对所述待校正区域进行校正处理，获取所述当前视频图像的目标区域；

目标模型建立模块，用于对所述当前视频图像的目标区域进行目标角点识别，并建立目标模型，所述目标模型包括所述目标区域的目标角点；

迭代匹配区域获取模块，用于根据所述目标模型，对所述后续视频图像进行预处理，获取所述后续视频图像的迭代匹配区域，所述预处理包括迭代、匹配及追踪；

预测候选区域获取模块，用于根据所述当前视频图像的目标区域，对所述后续视频图像的目标区域进行预测，并获取所述后续视频图像的预测候选区域；

最佳目标区域获取模块，用于对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域位于所述迭代匹配区域或预测候选区域中；

预测模型建立模块，用于根据所述预测候选区域，建立预测模型；

后续目标区域获取模块，用于根据所述预测模型，对所述最佳目标区域进行修正，并获取所述后续视频图像的目标区域。

可选的，所述背景模型建立模块，包括：

视频图像序列获取单元，用于获取视频图像序列，并从所述视频图像序列中随机选取部分视频图像；

像素平均值获取单元，用于根据统计平均法获取所述部分视频图像的像素平均值；

背景模型建立单元，用于根据所述像素平均值，建立背景模型。

可选的，所述当前目标区域获取模块，包括：

区域校正单元，用于根据开运算对所述待校正区域进行校正和选择，获取校正后的区域；

当前目标区域获取单元，用于对所述校正后的区域进行空洞填充和去噪处理，获取所述当前视频图像的目标区域。

可选的，所述最佳目标区域获取模块，包括：

第一最佳目标区域获取单元，用于若所述后续视频图像的目标区域中出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域仅从所述预测候选区域中获取；

第二最佳目标区域获取单元，用于若所述后续视频图像的目标区域中未出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域从所述迭代匹配区域或预测候选区域中获取。

本申请实施例公开了一种现场作业人员的目标区域检测追踪方法及装置，首先，获取视频图像序列，并根据所述视频图像序列建立背景模型；接着，获取当前视频图像及后续视频图像，并根据背景差分法，获取第一帧差，根据帧间差分法，获取第二帧差，对所述第一帧差及所述第二帧差进行与运算，获取待校正区域；然后，对所述待校正区域进行校正处理，获取所述当前视频图像的目标区域，并对所述当前视频图像的目标区域进行目标角点识别，建立目标模型，根据所述目标模型，对所述后续视频图像进行预处理，获取所述后续视频图像的迭代匹配区域；最后，根据所述当前视频图像的目标区域，对所述后续视频图像的目标区域进行预测，并获取所述后续视频图像的预测候选区域，对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，根据所述预测候选区域，建立预测模型；根据所述预测模型，对所述最佳目标区域进行修正，并获取所述后续视频图像的目标区域。

本申请解决了由于检测及追踪手段的缺失，当现场作业人员所在的原目标区域发生变化，或者出现其他区域及干扰区域时，视频监控就不能有效地对其进行准确的判断和区别，容易出现检测及追踪误差的问题，在对视频图像序列中的目标区域进行检测时，将背景差分法和帧间差分法相结合，弥补了背景差分法易受背景噪声导致背景建模失败及帧间差分法仅提取残缺运动物体轮廓的缺陷，提高了目标区域检测的精度，在对视频图像序列中的目标区域进行跟踪时，将Meanshift算法与卡尔曼滤波相结合，在预测目标区域运动的同时修正轨迹，提高目标区域追踪的精度。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例公开的一种现场作业人员的目标区域检测追踪方法的工作流程示意图；

图2为本申请实施例公开的一种现场作业人员的目标区域检测追踪装置的结构示意图。

具体实施方式

为了解决由于检测及追踪手段的缺失，当现场作业人员所在的原目标区域发生变化，或者出现其他区域及干扰区域时，视频监控就不能有效地对其进行准确的判断和区别，容易出现检测及追踪误差的问题，本申请通过以下各个实施例公开了一种现场作业人员的目标区域检测追踪方法及装置。

本申请第一实施例公开了一种现场作业人员的目标区域检测追踪方法，参见图1所示的工作流程图，所述方法包括：

步骤S01、获取视频图像序列，并根据所述视频图像序列建立背景模型，所述视频图像序列为在不同时间、不同方位依序获取现场作业人员的系列视频图像，所述背景模型包括所述视频图像序列的像素平均值。

进一步的，所述获取视频图像序列，并根据所述视频图像序列建立背景模型，包括：

获取视频图像序列，并从所述视频图像序列中随机选取部分视频图像。

根据统计平均法获取所述部分视频图像的像素平均值。

根据所述像素平均值，建立背景模型。

具体来说，在获取视频图像序列后，需要获取从所述视频图像序列中随机选取二十帧视频图像，通过统计平均法计算所述二十帧视频图像的像素平均值，进而获得背景模型，其中，随机获取的视频图像的数量不局限于二十帧。

步骤S02、获取当前视频图像及后续视频图像，所述当前视频图像为所述视频图像序列中任意一帧视频图像，所述后续视频图像为所述当前视频图像的下一帧视频图像。

具体来说，获取当前视频图像及后续视频图像是为了通过差分运算获取待校正区域，即获取当前视频图像的初步目标区域。

步骤S03、根据背景差分法，获取第一帧差，所述第一帧差为所述当前视频图像及所述背景模型之间的帧差。

具体来说，背景差分法是采用视频图像序列中的当前帧和背景模型比较来检测运动物体的一种方法,其性能依赖于所使用的背景建模技术。背景差分法检测运动目标速度快，检测准确，易于实现，其关键是背景图像的获取。

步骤S04、根据帧间差分法，获取第二帧差，所述第二帧差为所述当前视频图像及所述后续视频图像之间的帧差。

具体来说，将背景差分法和帧间差分法相结合，弥补了背景差分法易受背景噪声影响而导致背景建模失败及帧间差分法仅提取残缺运动物体轮廓的缺陷，提高了目标区域检测的精度。

步骤S05、对所述第一帧差及所述第二帧差进行与运算，获取待校正区域。

步骤S06、对所述待校正区域进行校正处理，获取所述当前视频图像的目标区域。

进一步的，所述对所述待校正区域进行校正处理，获取所述当前视频图像的目标区域，包括：

根据开运算对所述待校正区域进行校正和选择，获取校正后的区域。

对所述校正后的区域进行空洞填充和去噪处理，获取所述当前视频图像的目标区域。

步骤S07、对所述当前视频图像的目标区域进行目标角点识别，并建立目标模型，所述目标模型包括所述目标区域的目标角点。

其中，角点是视频图像很重要的特征,对图像图形的理解和分析有很重要的作用。角点在保留图像图形重要特征的同时,可以有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度,有利于图像的可靠匹配,使得实时处理成为可能。

步骤S08、根据所述目标模型，对所述后续视频图像进行预处理，获取所述后续视频图像的迭代匹配区域，所述预处理包括迭代、匹配及追踪。

具体来说，根据所述目标模型及Meanshift算法对后续视频图像中的目标区域进行迭代、匹配以及追踪。

步骤S09、根据所述当前视频图像的目标区域，对所述后续视频图像的目标区域进行预测，并获取所述后续视频图像的预测候选区域。

具体来说，引入卡尔曼滤波，根据所述当前视频图像的目标区域，对所述后续视频图像的目标区域进行预测，并获取所述后续视频图像的预测候选区域。

步骤S10、对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域位于所述迭代匹配区域或预测候选区域中。

具体来说，根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域。

进一步的，对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，包括：

若所述后续视频图像的目标区域中出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域仅从所述预测候选区域中获取。

若所述后续视频图像的目标区域中未出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域从所述迭代匹配区域或预测候选区域中获取。

步骤S11、根据所述预测候选区域，建立预测模型。

步骤S12、根据所述预测模型，对所述最佳目标区域进行修正，并获取所述后续视频图像的目标区域。

具体来说，背景差分法和帧间差分法的结合保证目标区域完整性及连通性的基础上，尽量去除背景噪声，只提取所需的作业人员目标区域，Meanshift算法及卡尔曼滤波的结合使得即使出现新增加的目标区域或目标区域面积变大的情况，仍能及时、准确追踪到人员目标区域，减少了计算量及耗时，同时增强了鲁棒性。

其中，当Meanshift算法追踪到人员目标区域时，但当原本不属于其追踪目标区域范围内的物体干扰出现或跟进时，Meanshift算法的模型质量就会受到影响，迭代也受到一定程度的影响，因此在对目标的追踪过程中出现了误差，对于新增加的人员目标区域则丢失了其追踪结果；而Kalman滤波算法是一种预测机制，当原目标区域发生变化，或出现其他目标区域或干扰目标区域时，不能对其进行准确的判断和区别，此时就会出现预测误差，受到旁边其他运动人员目标区域的影响而预测目标区域失败，追踪到的结果也不准确，而本申请的方法仍能准确追踪到人员目标区域，即使有新增加的目标、目标区域面积变大，仍能通过追踪和预测及时判定出作业人员的目标区域。

下述为本申请公开的装置实施例，用于执行上述方法实施例。针对装置实施例中未披露的细节，请参照方法实施例。

本申请第二实施例公开了一种现场作业人员的目标区域检测追踪装置，所述装置应用于本申请第一实施例所述的一种现场作业人员的目标区域检测追踪方法，参见图2所示的结构示意图，所述装置包括：

背景模型建立模块010，用于获取视频图像序列，并根据所述视频图像序列建立背景模型，所述视频图像序列为在不同时间、不同方位依序获取现场作业人员的系列视频图像，所述背景模型包括所述视频图像序列的像素平均值。

视频图像获取模块020，用于获取当前视频图像及后续视频图像，所述当前视频图像为所述视频图像序列中任意一帧视频图像，所述后续视频图像为所述当前视频图像的下一帧视频图像。

第一帧差获取模块030，用于根据背景差分法，获取第一帧差，所述第一帧差为所述当前视频图像及所述背景模型之间的帧差。

第二帧差获取模块040，用于根据帧间差分法，获取第二帧差，所述第二帧差为所述当前视频图像及所述后续视频图像之间的帧差。

待校正区域获取模块050，用于对所述第一帧差及所述第二帧差进行与运算，获取待校正区域。

当前目标区域获取模块060，用于对所述待校正区域进行校正处理，获取所述当前视频图像的目标区域。

目标模型建立模块070，用于对所述当前视频图像的目标区域进行目标角点识别，并建立目标模型，所述目标模型包括所述目标区域的目标角点。

迭代匹配区域获取模块080，用于根据所述目标模型，对所述后续视频图像进行预处理，获取所述后续视频图像的迭代匹配区域，所述预处理包括迭代、匹配及追踪。

预测候选区域获取模块090，用于根据所述当前视频图像的目标区域，对所述后续视频图像的目标区域进行预测，并获取所述后续视频图像的预测候选区域。

最佳目标区域获取模块100，用于对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域位于所述迭代匹配区域或预测候选区域中。

预测模型建立模块110，用于根据所述预测候选区域，建立预测模型。

后续视频图像的目标区域获取模块120，用于根据所述预测模型，对所述最佳目标区域进行修正，并获取所述后续视频图像的目标区域。

本申请实施例公开了一种现场作业人员的目标区域检测追踪方法及装置，首先，获取视频图像序列，并根据所述视频图像序列建立背景模型。接着，获取当前视频图像及后续视频图像，并根据背景差分法，获取第一帧差，根据帧间差分法，获取第二帧差，对所述第一帧差及所述第二帧差进行与运算，获取待校正区域。然后，对所述待校正区域进行校正处理，获取所述当前视频图像的目标区域，并对所述当前视频图像的目标区域进行目标角点识别，建立目标模型，根据所述目标模型，对所述后续视频图像进行预处理，获取所述后续视频图像的迭代匹配区域。最后，根据所述当前视频图像的目标区域，对所述后续视频图像的目标区域进行预测，并获取所述后续视频图像的预测候选区域，对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，根据所述预测候选区域，建立预测模型。根据所述预测模型，对所述最佳目标区域进行修正，并获取所述后续视频图像的目标区域。

本申请解决了由于检测及追踪手段的缺失，当现场作业人员所在的原目标区域发生变化，或者出现其他区域及干扰区域时，视频监控就不能有效地对其进行准确的判断和区别，容易出现检测及追踪误差的问题，在对视频图像序列中的目标区域进行检测时，将背景差分法和帧间差分法相结合，弥补了背景差分法易受背景噪声导致背景建模失败及帧间差分法仅提取残缺运动物体轮廓的缺陷，提高了目标区域检测的精度，在对视频图像序列中的目标区域进行跟踪时，将Meanshift算法与卡尔曼滤波相结合，在预测目标区域运动的同时修正轨迹，提高目标区域追踪的精度。

进一步的，所述背景模型建立模块010，包括：

视频图像序列获取单元，用于获取视频图像序列，并从所述视频图像序列中随机选取部分视频图像。

像素平均值获取单元，用于根据统计平均法获取所述部分视频图像的像素平均值。

背景模型建立单元，用于根据所述像素平均值，建立背景模型。

进一步的，所述当前目标区域获取模块060，包括：

区域校正单元，用于根据开运算对所述待校正区域进行校正和选择，获取校正后的区域。

当前目标区域获取单元，用于对所述校正后的区域进行空洞填充和去噪处理，获取所述当前视频图像的目标区域。

进一步的，所述最佳目标区域获取模块100，包括：

第一最佳目标区域获取单元，用于若所述后续视频图像的目标区域中出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域仅从所述预测候选区域中获取。

第二最佳目标区域获取单元，用于若所述后续视频图像的目标区域中未出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域从所述迭代匹配区域或预测候选区域中获取。

以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (8)

1.一种现场作业人员的目标区域检测追踪方法，其特征在于，所述方法包括：

获取视频图像序列，并根据所述视频图像序列建立背景模型，所述视频图像序列为在不同时间、不同方位依序获取现场作业人员的系列视频图像，所述背景模型包括所述视频图像序列的像素平均值；

获取当前视频图像及后续视频图像，所述当前视频图像为所述视频图像序列中任意一帧视频图像，所述后续视频图像为所述当前视频图像的下一帧视频图像；

根据背景差分法，获取第一帧差，所述第一帧差为所述当前视频图像及所述背景模型之间的帧差；

根据帧间差分法，获取第二帧差，所述第二帧差为所述当前视频图像及所述后续视频图像之间的帧差；

对所述第一帧差及所述第二帧差进行与运算，获取待校正区域；

对所述待校正区域进行校正处理，获取所述当前视频图像的目标区域；

对所述当前视频图像的目标区域进行目标角点识别，并建立目标模型，所述目标模型包括所述目标区域的目标角点；

根据所述目标模型，对所述后续视频图像进行预处理，获取所述后续视频图像的迭代匹配区域，所述预处理包括迭代、匹配及追踪；

根据所述当前视频图像的目标区域，对所述后续视频图像的目标区域进行预测，并获取所述后续视频图像的预测候选区域；

对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域位于所述迭代匹配区域或预测候选区域中；

根据所述预测候选区域，建立预测模型；

根据所述预测模型，对所述最佳目标区域进行修正，并获取所述后续视频图像的目标区域。

2.根据权利要求1所述的一种现场作业人员的目标区域检测追踪方法，其特征在于，所述获取视频图像序列，并根据所述视频图像序列建立背景模型，包括：

获取视频图像序列，并从所述视频图像序列中随机选取部分视频图像；

根据统计平均法获取所述部分视频图像的像素平均值；

根据所述像素平均值，建立背景模型。

3.根据权利要求1所述的一种现场作业人员的目标区域检测追踪方法，其特征在于，所述对所述待校正区域进行校正处理，获取所述当前视频图像的目标区域，包括：

根据开运算对所述待校正区域进行校正和选择，获取校正后的区域；

对所述校正后的区域进行空洞填充和去噪处理，获取所述当前视频图像的目标区域。

4.根据权利要求1所述的一种现场作业人员的目标区域检测追踪方法，其特征在于，所述对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，包括：

若所述后续视频图像的目标区域中出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域仅从所述预测候选区域中获取；

若所述后续视频图像的目标区域中未出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域从所述迭代匹配区域或预测候选区域中获取。

5.一种现场作业人员的目标区域检测追踪装置，其特征在于，所述装置应用于权利要求1-4任一项所述的一种现场作业人员的目标区域检测追踪方法，所述装置包括：

背景模型建立模块，用于获取视频图像序列，并根据所述视频图像序列建立背景模型，所述视频图像序列为在不同时间、不同方位依序获取现场作业人员的系列视频图像，所述背景模型包括所述视频图像序列的像素平均值；

视频图像获取模块，用于获取当前视频图像及后续视频图像，所述当前视频图像为所述视频图像序列中任意一帧视频图像，所述后续视频图像为所述当前视频图像的下一帧视频图像；

第一帧差获取模块，用于根据背景差分法，获取第一帧差，所述第一帧差为所述当前视频图像及所述背景模型之间的帧差；

第二帧差获取模块，用于根据帧间差分法，获取第二帧差，所述第二帧差为所述当前视频图像及所述后续视频图像之间的帧差；

待校正区域获取模块，用于对所述第一帧差及所述第二帧差进行与运算，获取待校正区域；

当前目标区域获取模块，用于对所述待校正区域进行校正处理，获取所述当前视频图像的目标区域；

目标模型建立模块，用于对所述当前视频图像的目标区域进行目标角点识别，并建立目标模型，所述目标模型包括所述目标区域的目标角点；

迭代匹配区域获取模块，用于根据所述目标模型，对所述后续视频图像进行预处理，获取所述后续视频图像的迭代匹配区域，所述预处理包括迭代、匹配及追踪；

预测候选区域获取模块，用于根据所述当前视频图像的目标区域，对所述后续视频图像的目标区域进行预测，并获取所述后续视频图像的预测候选区域；

最佳目标区域获取模块，用于对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域位于所述迭代匹配区域或预测候选区域中；

预测模型建立模块，用于根据所述预测候选区域，建立预测模型；

后续目标区域获取模块，用于根据所述预测模型，对所述最佳目标区域进行修正，并获取所述后续视频图像的目标区域。

6.根据权利要求5所述的一种现场作业人员的目标区域检测追踪装置，其特征在于，所述背景模型建立模块，包括：

视频图像序列获取单元，用于获取视频图像序列，并从所述视频图像序列中随机选取部分视频图像；

像素平均值获取单元，用于根据统计平均法获取所述部分视频图像的像素平均值；

背景模型建立单元，用于根据所述像素平均值，建立背景模型。

7.根据权利要求5所述的一种现场作业人员的目标区域检测追踪装置，其特征在于，所述当前目标区域获取模块，包括：

区域校正单元，用于根据开运算对所述待校正区域进行校正和选择，获取校正后的区域；

当前目标区域获取单元，用于对所述校正后的区域进行空洞填充和去噪处理，获取所述当前视频图像的目标区域。

8.根据权利要求5所述的一种现场作业人员的目标区域检测追踪装置，其特征在于，所述最佳目标区域获取模块，包括：

第一最佳目标区域获取单元，用于若所述后续视频图像的目标区域中出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域仅从所述预测候选区域中获取；

第二最佳目标区域获取单元，用于若所述后续视频图像的目标区域中未出现其他目标区域，则根据向量迭代法对所述迭代匹配区域与预测候选区域进行相似度比较，获取最佳目标区域，所述最佳目标区域从所述迭代匹配区域或预测候选区域中获取。

Images