專利名稱：一種視頻監(jiān)控中運動目標檢測與跟蹤方法
技術(shù)領域：
本發(fā)明屬于智能信息處理技術(shù)領域，具體涉及一種在視頻監(jiān)控中檢測與跟蹤運動目標的 方法。
(二)
背景技術(shù)：
隨著多媒體技術(shù)的迅猛發(fā)展及計算機性能的不斷提高，視頻監(jiān)控系統(tǒng)越來越廣泛地采用 了計算機視覺和圖像處理技術(shù)。其主要理由如下l.計算機視覺應用計算機技術(shù)從數(shù)字圖像中 提取高質(zhì)量的信息，能高效、準確、安全可靠地完成視頻監(jiān)控工作，提高監(jiān)控的自動化程度 和效率;2.監(jiān)控系統(tǒng)中安裝的視頻攝像機比安裝其它傳感器更經(jīng)濟，且破壞性低;3.計算機視 覺得到的監(jiān)控信息便于聯(lián)網(wǎng)工作，有利于實現(xiàn)監(jiān)控的自動化程度。
視頻監(jiān)控中運動目標檢測與跟蹤是計算機視覺研究的一個核心課題，運動目標的圖像檢 測與跟蹤是在動態(tài)圖像分析基礎上對圖像序列中的目標進行檢測-跟蹤的過程，它的目的就是
通過對圖像序列進行分析得到感興趣的區(qū)域，從而對跟蹤目標行為和狀態(tài)實現(xiàn)監(jiān)控的目的。
目前針對視頻監(jiān)控中的目標檢測與跟蹤有許多方法，但由于環(huán)境等許多因素的影響使得 目標的檢測與跟蹤具有不穩(wěn)定性，而這些方法都是在某一方面改進檢測與跟蹤的效果，不能 夠準確而有效的實現(xiàn)檢測和跟蹤。因此，準確而有效的檢測和跟蹤目標成為視頻監(jiān)控的目標。
(三)

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種在不增加設備復雜性的前提下，有效的提高檢測與跟蹤的準 確性和可靠性，從而滿足公共場所的運動目標的行為進行監(jiān)控的要求，準確和可靠的視頻監(jiān) 控中運動目標檢測與跟蹤方法。
本發(fā)明重點研究攝像機固定情況下的運動目標檢測與跟蹤技術(shù)。本發(fā)明的目的是這樣實 現(xiàn)的
1、 輸入視頻數(shù)據(jù)，對視頻數(shù)據(jù)中的序列圖像進行采集，并對圖像進行預處理；
2、 在序列圖像中檢測運動目標，重建背景模型并提取運動物體；
3、 對運動目標進行特征提取和特征匹配，跟蹤序列圖像中檢測到的運動目標；
4、 將跟蹤結(jié)果輸出，即表達運動過程并預測運動趨勢；
5、 根據(jù)運動趨勢和相對運動判斷監(jiān)控事件是否發(fā)生，如果發(fā)生，則對目標的該行為做出 反應，提示目標行為異常，如果沒有發(fā)生該行為，則繼續(xù)進行跟蹤。
本發(fā)明還有這樣一些技術(shù)特征
1、所述的重建背景模型的方法為釆用自適應背景方法更新復雜背景；
2、 所述的提取運動物體的方法為首先利用圖像的面積特征消除運動區(qū)域的虛目標， 利用運動目標檢測技術(shù)檢測出視頻序列中的運動目標，采用幀間差分并結(jié)合二值灰度形態(tài)學 方法消除運動區(qū)域內(nèi)部噪聲，得到運動目標邊緣；
3、 所述的對運動目標的跟蹤為采用相關匹配技術(shù)，利用目標特征模型參數(shù)和匹配準 則，從圖像中根據(jù)相關程度確定出目標相對位置信息，即計算運動目標的質(zhì)心，記錄其坐標 位置；
4、 所述的運動目標的特征包括區(qū)域直方圖、周長、面積、縱橫比、圓度、灰度均值或 矩特征；
5、 所述的表達運動過程并預測運動趨勢的方法為利用獲得的運動目標特征參數(shù)在視 頻序列圖像中通過相關匹配的方法對目標的運動過程進行表達，即將得到的各個時刻的運動 目標的質(zhì)心位置疊加后，采用最小二乘擬合法逼近目標運動軌跡，通過擬合曲線對運動目標 的運動趨勢做出判斷和預測。
視頻監(jiān)控中運動目標的圖像檢測與跟蹤系統(tǒng)主要在于可靠性和實時性問題，本發(fā)明方法 也是從這兩點出發(fā)，在己有硬件設備的基礎上，完成目標檢測與跟蹤系統(tǒng)中軟件模塊的設計 和編制，實現(xiàn)視頻監(jiān)控中運動目標的檢測與跟蹤。本發(fā)明的有益效果有
1. 針對超市等具體的環(huán)境，對環(huán)境內(nèi)的特定目標(人，物品)進行監(jiān)控，利用本發(fā)明方 法檢測出各個時刻的運動目標，有效并準確的檢測和提取運動目標，從而得到目標各個時刻 的運動目標信息；
2. 在準確提取運動目標后，采用特征提取算法對運動目標進行特征提取，并記錄運動目 標各個時刻的位置及面積等特征；
3. 通過得到的目標特征值，得到目標的運動狀態(tài)信息，并可預測目標的運動趨勢；
4. 確定不同目標的相對位置信息，并對監(jiān)控目標間的關系做出界定，由此判斷目標的行 為，從而確定監(jiān)控事件是否發(fā)生；
5. 當某一時刻，運動目標的狀態(tài)超過所界定的范圍，認為監(jiān)控事件發(fā)生，則向監(jiān)控者進 行提示，表示監(jiān)控目標的行為異常。如果監(jiān)控行為異常，提示目標行為異常，如果沒有發(fā)生 該行為，則繼續(xù)進行跟蹤；
6. 最終實現(xiàn)對視頻監(jiān)控中運動目標的圖像檢測與跟蹤的準確與可靠的跟蹤。 本發(fā)明可以用于對公共場所的運動目標的行為進行監(jiān)控，對輸入的視頻流進行采集和預
處理之后檢測運動目標即背景模型重建、運動物體提取，完成后對運動目標進行特征提取和 特征匹配，以利于對運動目標進行跟蹤，最后將跟蹤結(jié)果輸出即運動過程表達、運動趨勢預 測。本發(fā)明方法對視頻監(jiān)控中運動目標的圖像檢測與跟蹤結(jié)果準確而可靠，滿足對超市等具 體的環(huán)境進行運動目標的監(jiān)控的需求，為視頻監(jiān)控的應用研究奠定了基礎。
(四)


圖1為視頻監(jiān)控中運動目標檢測與跟蹤的體系結(jié)構(gòu)示意圖； 圖2為視頻監(jiān)控中運動目標檢測與跟蹤的實現(xiàn)方法流程圖； 圖3為采用最小二乘擬合實現(xiàn)運動目標的跟蹤和預測的結(jié)果圖。
具體實施方式
下面結(jié)合附圖和具體實施例對本發(fā)明作進一步的說明 本實施例的技術(shù)特征有
1利用運動目標檢測技術(shù)準確檢測出視頻序列中的運動目標，采用幀間差分并結(jié)合二值 灰度形態(tài)學方法得到完整且清晰的運動目標邊緣；
2釆用基于特征的跟蹤方法運動目標跟蹤。目標特征則表現(xiàn)為一些需通過變換、計算得 到的特征。如區(qū)域直方圖、周長、面積、縱橫比、圓度、灰度均值、矩特征等特征參量。這 些特征，由于計算簡單、特征穩(wěn)定，非常適合實際檢測與跟蹤的要求。本實施例中利用運動 目標的質(zhì)心和面積等特征得到運動目標的運動信息和狀態(tài)，從而實現(xiàn)對運動目標的跟蹤；
3采用相關匹配技術(shù)，利用目標特征模型參數(shù)和一定的匹配準則，從圖像中根據(jù)相關程 度確定出目標相對位置信息的處理技術(shù)。本實施例利用獲得的運動目標特征參數(shù)在視頻序列 圖像中通過相關匹配的方法對目標的運動過程進行表達，并對目標的運動趨勢進行預測；
4針對超市等具體的環(huán)境，應用上述方法進行運動目標的監(jiān)控，對運動目標的某些行為 和狀態(tài)進行響應，實現(xiàn)監(jiān)控自動化和提高監(jiān)控效率。
結(jié)合圖1，其中，本實施例中運動目標檢測與跟蹤過程包括四個部分視頻數(shù)據(jù)輸入， 序列圖像中運動目標檢測，序列圖像中運動目標跟蹤，視頻數(shù)據(jù)輸出。
工作流程描述對輸入的視頻流進行采集和預處理之后檢測運動目標即背景模型重建、 運動物體提取，完成后對運動目標進行特征提取和特征匹配，以利于對運動目標進行跟蹤， 最后將跟蹤結(jié)果輸出即運動過程表達、運動趨勢預測。
結(jié)合圖2,本實施例采用自適應背景方法更新復雜背景，利用圖像的面積特征消除運動
區(qū)域的虛目標，結(jié)合二值形態(tài)學方法消除運動區(qū)域內(nèi)部噪聲，從而得到具有精確邊緣的特定 運動目標。計算了運動目標的質(zhì)心，記錄其坐標位置，并采用最小二乘擬合實現(xiàn)對運動目標 的跟蹤和預測，根據(jù)運動趨勢和相對運動判斷監(jiān)控事件是否發(fā)生，如果發(fā)生，則對目標的該 行為做出反應，提示目標行為異常，如果沒有發(fā)生該行為，則繼續(xù)進行跟蹤。
結(jié)合圖3，本實施例將得到的各個時刻的運動目標的質(zhì)心位置疊加后，采用最小二乘擬 合法逼近目標運動軌跡，通過擬合曲線對運動目標的運動趨勢做出判斷和預測。
權(quán)利要求
1、一種視頻監(jiān)控中運動目標檢測與跟蹤方法，其特征在于1.1、輸入視頻數(shù)據(jù)，對視頻數(shù)據(jù)中的序列圖像進行采集，并對圖像進行預處理；1.2、在序列圖像中檢測運動目標，重建背景模型并提取運動物體；1.3、對運動目標進行特征提取和特征匹配，跟蹤序列圖像中檢測到的運動目標；1.4、將跟蹤結(jié)果輸出，即表達運動過程并預測運動趨勢；1.5、根據(jù)運動趨勢和相對運動判斷監(jiān)控事件是否發(fā)生，如果發(fā)生，則對目標的該行為做出反應，提示目標行為異常，如果沒有發(fā)生該行為，則繼續(xù)進行跟蹤。
2、 根據(jù)權(quán)利要求l所述的一種視頻監(jiān)控中運動目標檢測與跟蹤方法，其特征在于所述的重 建背景模型的方法為采用自適應背景方法更新復雜背景。
3、 根據(jù)權(quán)利要求l所述的一種視頻監(jiān)控中運動目標檢測與跟蹤方法，其特征在于所述的提 取運動物體的方法為首先利用圖像的面積特征消除運動區(qū)域的虛目標，利用運動目標檢測 技術(shù)檢測出視頻序列中的運動目標，采用幀間差分并結(jié)合二值灰度形態(tài)學方法消除運動區(qū)域 內(nèi)部噪聲，得到運動目標邊緣。
4、 根據(jù)權(quán)利要求l所述的一種視頻監(jiān)控中運動目標檢測與跟蹤方法，其特征在于所述的對 運動目標的跟蹤為采用相關匹配技術(shù)，利用目標特征模型參數(shù)和匹配準則，從圖像中根據(jù) 相關程度確定出目標相對位置信息，即計算運動目標的質(zhì)心，記錄其坐標位置。
5、 根據(jù)權(quán)利要求l所述的一種視頻監(jiān)控中運動目標檢測與跟蹤方法，其特征在于所述的運 動目標的特征包括區(qū)域直方圖、周長、面積、縱橫比、圓度、灰度均值或矩特征。
6、 根據(jù)權(quán)利要求l所述的一種視頻監(jiān)控中運動目標檢測與跟蹤方法，其特征在于所述的表 達運動過程并預測運動趨勢的方法為利用獲得的運動目標特征參數(shù)在視頻序列圖像中通過 相關匹配的方法對目標的運動過程進行表達，即將得到的各個時刻的運動目標的質(zhì)心位置疊 加后，采用最小二乘擬合法逼近目標運動軌跡，通過擬合曲線對運動目標的運動趨勢做出判 斷和預測。
全文摘要
本發(fā)明提供了一種視頻監(jiān)控中運動目標檢測與跟蹤方法，方法步驟為首先輸入視頻數(shù)據(jù)，對視頻數(shù)據(jù)中的序列圖像進行采集，并對圖像進行預處理；在序列圖像中檢測運動目標，重建背景模型并提取運動物體；然后對運動目標進行特征提取和特征匹配，跟蹤序列圖像中檢測到的運動目標；將跟蹤結(jié)果輸出，即表達運動過程并預測運動趨勢；最后根據(jù)運動趨勢和相對運動判斷監(jiān)控事件是否發(fā)生，如果發(fā)生，則對目標的該行為做出反應，提示目標行為異常，如果沒有發(fā)生該行為，則繼續(xù)進行跟蹤。本方法對視頻監(jiān)控中運動目標的圖像檢測與跟蹤結(jié)果準確而可靠，滿足對超市等具體的環(huán)境進行運動目標的監(jiān)控的需求，為視頻監(jiān)控的應用研究奠定了基礎。
文檔編號G06T7/20GK101098465SQ20071007254
公開日2008年1月2日 申請日期2007年7月20日 優(yōu)先權(quán)日2007年7月20日
發(fā)明者楊 于, 于思亮, 穎 單, 菁 張, 李艷波, 王海玲, 王立偉, 明 趙, 杰 陳 申請人:哈爾濱工程大學