主权项 |
一种基于跟踪反馈的非参数运动目标检测方法,依次包括以下步骤:第一步、在拍摄设备静止状态下采集视频序列图像,共M帧;第二步、选取从第1帧到第N帧的视频序列图像,计算N帧视频序列图像背景像素点β<sub>i</sub>(i=1,2,...,N)的色度属性和饱和度属性;第三步、采用sobel算子计算得到背景像素点β<sub>i</sub>的色度属性水平和垂直梯度,背景像素点的饱和度属性水平和垂直梯度;第四步、利用背景像素点β<sub>i</sub>的水平位置坐标和垂直位置坐标,色度属性水平和垂直梯度,饱和度属性的水平和垂直梯度组成特征向量<img file="FDA0000695612950000011.GIF" wi="96" he="83" />第五步、选取N帧以后的视频序列图像,计算M‑N帧视频序列图像背景像素点β<sub>t</sub>(t=N+1,N+2,...,M)的色度属性和饱和度属性;第六步、采用sobel算子计算得到背景像素点β<sub>t</sub>的色度属性水平和垂直梯度,背景像素点的饱和度属性水平和垂直梯度;第七步、用背景像素点β<sub>t</sub>的水平位置坐标和垂直位置坐标,色度属性水平和垂直梯度,饱和度属性的水平和垂直梯度组成特征向量<img file="FDA0000695612950000012.GIF" wi="103" he="79" />第八步、通过非参数模型得到背景的概率密度分布Pr(b<sub>t</sub>),<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>Pr</mi><mrow><mo>(</mo><msub><mi>b</mi><mi>t</mi></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mi>N</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msub><mi>K</mi><mi>H</mi></msub><mrow><mo>(</mo><msubsup><mi>f</mi><mi>t</mi><mi>b</mi></msubsup><mo>-</mo><msubsup><mi>f</mi><mi>i</mi><mi>b</mi></msubsup><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000695612950000013.GIF" wi="584" he="148" /></maths>式中,K<sub>H</sub>为6维高斯核函数;第九步、选取从第1帧到第N帧的视频序列图像,计算N帧视频序列图像运动目标像素点α<sub>i</sub>(i=1,2,...,N)的色度属性和饱和度属性;第十步、采用sobel算子计算得到运动目标像素点α<sub>i</sub>的色度属性水平和垂直梯度,运动目标像素点的饱和度属性水平和垂直梯度;第十一步、用运动目标像素点α<sub>i</sub>的水平位置坐标和垂直位置坐标,色度属性水平和垂直梯度,饱和度属性的水平和垂直梯度组成特征向量<img file="FDA0000695612950000021.GIF" wi="95" he="68" />第十二步、选取N帧以后的视频序列图像,计算M‑N帧视频序列图像运动目标像素点α<sub>t</sub>(t=N+1,N+2,...,M)的色度属性和饱和度属性;第十三步、采用sobel算子计算得到运动目标像素点α<sub>t</sub>的色度属性水平和垂直梯度,运动目标像素点的饱和度属性水平和垂直梯度;第十四步、用运动目标像素点α<sub>t</sub>的水平位置坐标和垂直位置坐标,色度属性水平和垂直梯度,饱和度属性的水平和垂直梯度组成特征向量<img file="FDA0000695612950000022.GIF" wi="93" he="70" />第十五步、通过非参数模型得到运动目标的概率密度分布Pr(a<sub>t</sub>);<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>Pr</mi><mrow><mo>(</mo><msub><mi>a</mi><mi>t</mi></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mi>N</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msub><mi>K</mi><mi>H</mi></msub><mrow><mo>(</mo><msubsup><mi>f</mi><mi>t</mi><mi>a</mi></msubsup><mo>-</mo><msubsup><mi>f</mi><mi>i</mi><mi>a</mi></msubsup><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000695612950000023.GIF" wi="588" he="140" /></maths>第十六步、采用均值漂移的跟踪策略对运动目标像素点进行跟踪,并得到跟踪区域内运动目标的概率密度分布;第十七步、利用背景的概率密度分布Pr(b<sub>t</sub>),运动目标的概率密度分布Pr(a<sub>t</sub>)和跟踪区域内运动目标的概率密度分布,采用似然比分类器检测出N帧以后视频序列图像中的运动目标。 |