基于特征点分析的多目标分离预测方法

摘要

本发明涉及基于特征点分析的多目标分离预测方法，属于视频监控图像处理技术领域。该方法包括提取背景、确定移动检测门限、移动检测聚类及矩形化、一次匹配与滤波、确定角点、形成向量、二次匹配步骤。采用本发明后，即使目标物体被局部遮挡，也不影响分析预测结果，从而解决了现有技术无能为力的多移动目标相互干扰的难题，将其应用到视频监控系统后，可以有效实现对邻近多目标的识别和跟踪监控。

主权项

1.基于特征点分析的多目标分离预测方法，包括以下步骤：1)提取背景——对输入的视频当前帧，通过将其中每一个像素的灰度值与原先的背景灰度值比较，确定其是否属于背景；当相差的结果小于预定阈值时，该像素作为背景提取，否则视为移动目标点；2)确定移动检测门限——对移动目标点像素进行回顾判断，若上一帧该像素也为移动目标点，则本帧中该点的移动检测门限按预定系数降低，否则以视频画面该点在时间上的方差值计算得出移动检测的门限；3)移动检测——对当前帧图像和背景进行差分，将像素亮度相对变化大于移动检测门限的点判为移动目标物体的点，作为热点；4)聚类及矩形化——搜索某一热点周围相邻热点，将其连接起来，形成移动目标物体的基本轮廓；再以移动目标物体的基本轮廓确定其最小外接矩形；5)一次匹配与滤波——根据移动目标物体前后帧之间对应的距离和方向，寻找到前后帧中相匹配的移动目标物体，如移动目标物体是误差小于预定值的一对一匹配，则形成序列，由此序列预测出移动目标物体运动趋势，若移动目标物体是误差小于预定值的多对一匹配，则判为多个移动目标物体出现了重合，待后续处理跟踪；其特征在于还包括：6)确定角点——以移动目标物体最小外接矩形内部的像素点在其邻域内各个方向上灰度变换值超过预定值确定角点；7)形成向量——在移动目标物体的最小外接矩形中，由最小外接矩形的几何中心连接到每个角点，形成活动特征向量；8)二次匹配——根据移动目标物体的活动特征向量，在移动目标物体、尤其是判为出现重合的移动目标物体上一帧中寻找对应物体，进而预测出其运动趋势。