一种复杂场景中的运动目标检测与跟踪方法

摘要

本发明公开了一种复杂场景中的运动目标检测与跟踪方法，包括多运动目标检测和多运动目标跟踪两个步骤：在多运动目标检测中，针对复杂场景的监控，建立基于自适应非参数核密度估计的背景模型，能有效抑制微小物体运动的干扰，并消除目标阴影，检测出多运动目标；在多运动目标跟踪中，建立目标模型，通过“匹配矩阵”来确定目标的运动状态，并根据目标不同运动情况采取相应跟踪策略。针对多目标相互遮挡问题，通过概率推理方法“恢复”目标信息，分析目标遮挡程度。本发明的算法能较好地实现运动目标跟踪，获得运动目标的轨迹，具有良好的实时性和适应环境变化的能力。本发明适用范围广，精确度高，是具有通用性的智能视觉监控核心方法。

主权项

1.一种复杂场景中的运动目标检测与跟踪方法，其特征在于步骤为：(1)、基于自适应非参数核密度估计的多运动目标检测：①、将监控视频中的前t帧图象(未出现目标)作为初始背景模型，即初始采样集；②、从输入的第t+1帧图象开始检测目标：当前帧图象象素点作为估计点，根据自适应非参数核密度估计方法，得到估计点属于背景模型的概率值，并将当前帧象素点作为新采样点更新背景模型，即更新采样集；③、判断上一步中象素点(估计点)概率值是否小于阈值T；如小于阈值T，则该象素点是目标点；④、按以上①～③步骤依次处理当前帧图象所有象素点，得到的目标点集合，即为检测到的目标区域；(2)、多运动目标跟踪：⑤、对当前帧图象中检测到的目标区域，建立目标模型：颜色模型、运动模型、形状模型；⑥、建立当前帧检测的目标与上一帧目标的匹配矩阵，矩阵元素是两帧间目标模型的匹配度，得到目标匹配情况；⑦、根据匹配情况，分析当前帧目标运动状态；⑧、记录当前帧目标信息并更新此目标模型；⑨、如视频输入未结束，返回目标检测模块，再执行目标跟踪模块，即上述步骤⑤～⑧。