基于场景信息挖掘的井下人员目标跟踪方法

摘要

本发明公开了一种基于场景信息挖掘的井下人员目标跟踪方法，对井下灰度图像采用自适应多高斯背景建模得到背景估计图像，根据背景估计图像对井下灰度图像进行背景减除得到运动目标区域，通过判断光斑填充前后运动目标区域与背景估计图像的互相关系数的上升程度是否大于预设阈值，排除光斑运动区域，对人员运动区域进行粒子滤波跟踪，得到目标跟踪结果，再采用阴影腌膜去除目标跟踪结果中的阴影像素，最后采用竖直投影方法对前景框大小进行优化，得到最终目标跟踪结果。本发明根据背景估计图像，对包括光斑、阴影的场景信息进行处理，从而提高井下恶劣视频条件下人员目标跟踪的准确性和鲁棒性。

主权项

1.一种基于场景信息挖掘的井下人员目标跟踪方法，其特征在于包括以下步骤：S1：对井下灰度图像通过自适应多高斯背景建模得到背景估计图像，根据背景估计图像对井下灰度图像进行背景减除得到运动目标区域；S2：采用背景估计图像对井下灰度图像中运动目标区域中的光斑进行填充，填充处理方法为：其中，I(x,y)表示井下灰度图像中运动目标区域内像素(x,y)的灰度值，B(x,y)表示运动目标区域对应的背景估计图像中像素(x,y)的灰度值，T_ls为预设的相对亮度阈值，T_l为预设的绝对亮度阈值；计算光斑填充前后井下灰度图像与背景估计图像中运动目标区域的互相关系数，并计算光斑填充后互相关系数的上升程度，如果上升程度大于预设阈值，则该运动目标区域不是人员目标区域，结束对该运动目标区域的跟踪；否则该运动目标区域是人员目标区域，进入步骤S3；S3：在人员目标区域质心周围区域均匀采样粒子，得到采样粒子集其中n表示粒子数量，O_i表示第i个粒子的特征向量，采用核密度估计方法计算粒子属于正样本库的概率P(O_i|obj)与粒子属于负样本库的概率P(O_i|bac)，正样本库表示目标粒子样本库，负样本库表示背景粒子样本库，计算每个粒子的权重ω_i，计算公式为：${\omega }_i=\frac{P\left(O_i\right|\mathrm{obj})}{P\left(O_i\right|\mathrm{bac})}$对粒子权重进行归一化，根据归一化后的粒子权重确定最终人员目标区域，得到跟踪结果前景框；S4：将井下灰度图像中跟踪结果前景框下半部分与背景估计图像中对应的背景作差，得到跟踪结果前景框下半部分各像素(p,q)的阴影灰度掩膜S₁(p,q)：其中，I(p,q)表示井下灰度图像中像素(p,q)的灰度值，B(p,q)表示背景估计图像中像素(p,q)的灰度值，T_low和T_high为预设的差值范围阈值；将以像素(p,q)为中心、边长为2d+1的正方形区域作为像素(p,q)的邻域，d为大于0的整数，计算井下灰度图像中各像素(p,q)的邻域与背景估计图像中对应区域的互相关系数C_s(p,q)，得到各像素(p,q)处的阴影互相关掩膜S₂(p,q)：其中，T_c为预设的互相关系数阈值；根据阴影灰度掩膜和阴影互相关掩膜得到最终的阴影掩膜S(p,q)＝S₁(p,q)·S₂(p,q)，根据井下灰度图像和背景估计图像得到跟踪结果前景框对应的二值图像，将最终阴影掩膜S(p,q)与跟踪结果前景框下半部分对应的二值图像进行与运算消除阴影像素，再根据阴影消除后的跟踪结果前景框二值图像得到前景像素的竖直方向投影直方图，并根据预设的阈值提取前景像素峰值区域对应的前景区域从而优化跟踪结果前景框的大小，得到本帧井下灰度图像的最终人员目标跟踪结果。