| 主权项 |
一种面向视频监控的人体跟踪方法，包括以下步骤： 1)背景建模和目标检测提取，首先对所应用的场景进行背景建模，从视频监控图像提取场景背景图片，对于静态场景进行灰度建模为pFimage，建模完成后开始对视频进行运动物体的检测，当前检测帧为pFrame,首先对pFrame进行高斯滤波以平滑图像，减少噪声的干扰，当前帧与背景差值得到运动的待跟踪目标，对检测到的待跟踪目标目标进行形态学滤波可以去掉噪音，并填充孔洞使得物体的轮廓更加接近真实人体，对于室内光线的变化以及一些非人体物体的进入，采用更新率β的背景更新策略，其中更新的公式为 pFimage＝pFimage+βpFrame 对于所检测出的待跟踪的物体，利用面积的大小排除掉非人体的运动目标，得到需要跟踪的人体目标； 2)卡尔曼滤波器初始化和预测 如果目标首次出现在第F<sub>k</sub>帧，其出现在图像上位置为p<sub>k</sub>(x<sub>k</sub>,y<sub>k</sub>)，则根据检测到目标的位置对卡尔曼滤波器的初试化，并且利用卡尔曼滤波的状态方程预测出下一帧目标的位置(x<sub>p</sub>,y<sub>p</sub>)，对于第F<sub>k</sub>帧将预测位置(x<sub>p</sub>,y<sub>p</sub>)设为人体的真实位置，并在预测点附近的区域设定为预测区域； 3)人体目标跟踪的初始化 将F<sub>k</sub>帧从RGB空间转换到HSV颜色空间并统计据目标检测得到的目标人体H分量的颜色分布直方图hist,根据hist计算预测区域的反向投影图bp(x<sub>ij</sub>)； 4)模板的建立与更新 如果目标为首次出现则在RGB颜色空间建立人体的特征模板model，并且统计已经跟踪的帧数,如果统计的帧数是更新系数的倍数，则认为模板已经变化，以当前跟踪的目标区域重新计算人体模板model，以新的模板作为搜索的模板； 5)预测区域的搜索 为了减少计算量和提高鲁棒性，目标出现的帧的下一帧中，在预测区域附近搜索目标移动后的位置，搜索方法为在前一帧目标位置(x<sub>k</sub>,y<sub>k</sub>)处选取与目标大小一样的候选目标区域，以前一帧目标的位置为中心建立候选目标区域model1，得到候选目标区域的颜色概率分布最大位置p<sub>n</sub>； 6)判定最终目标的搜索位置 判断是否为最优估计的方法是以两次目标的颜色概率分布最大位置p<sub>n+1</sub>(x<sub>n+1</sub>,y<sub>n+1</sub>)和p<sub>n</sub>(x<sub>n</sub>,y<sub>n</sub>)的移动距离|p<sub>n+1</sub>‑p<sub>n</sub>|是否小于阈值，如果小于阈值则新的目标的位置p<sub>n+1</sub>(x<sub>n+1</sub>,y<sub>n+1</sub>)作为最终目标的搜索位置，如果大于阈值则以新的p<sub>n+1</sub>(x<sub>n+1</sub>,y<sub>n+1</sub>)为核心，目标模板大小重新建立新的候选目标区域，并计算新的候选目标区域的model1，返回5)重新计算新目标的核心位置p<sub>n+2</sub>(x<sub>n+2</sub>,y<sub>n+2</sub>)，直到小于阈值或者达到了循环的次数，返回最终得到的目标位置p<sub>n+m</sub>(x<sub>n+m</sub>,y<sub>n+m</sub>)； 7)自适应计算人体区域 根据3)得到的目标投影图bp(x<sub>ij</sub>)计算出目标位置的零阶矩，一阶矩，二阶矩计并且计算出图像的长和宽l<sub>1</sub>和l<sub>2</sub>以及倾斜的角度； 8)卡尔曼滤波的纠偏和更新 当5)搜索得到的目标的位置与2)中预测位置的残差超过一定的阈值后，选用卡尔曼滤波的预测的位置作为目标的最终位置，否则使用卡尔曼滤波器校正过后的位置作为最终位置，对于卡尔曼滤波器进行状态的更新包括协方差和目标的目前状态值，使卡尔曼滤波器在下一帧中可以继续预测人体目标的位置。 |
