智能视频监控中目标跟踪的研究与实现.pdf

万方数据

运动区域的像素赋值为o，将E委垂薹]_甲一有运动目标存在。为了更好地—南o，，，)比r大时，确定为运动r=匍F匍区域，当D。@，)，)比r小时，—j：-l兰型智能视频监控中目标跟踪的研究与实现(cb阮尹矿蜘m脚幻，I＆拓we吼d死c^加如夥，SD砒柳盯肋细昭‰面e邝渺，Ck，刨H区分背景图像和运动区域，将L萼鲨兰型仇(训)=l凡(训)也(w)ll多帧差分II背景差分l茎!；苎l背景区域的像素赋值为1，也n磊五i1+—百言丽羽Fig·l舢鲥‘lllIlintelIi犟nt、，ideoch嘲cteristic8l算法介绍第19卷第9期电子设计工程2011年5月En舀neeT{ng泰晓敏Re∞archob．iectsurvemance61003l，吼i眦)minly理，设五@，y)、凡。@，)，)、E．。@，)，)分别是||}时刻、_|}+l时刻、(西南交通大学信息科学与技术学院，四川成都610031)摘要：目标跟踪是智能监控领域的关键技术。本文主要是研究实现这一关键技术。提出一种融合运动目标的面积和矩特征进行匹配的算法。并结合运动估计算法对下一时刻目标最可能存在的方位进行预测。实现了对运动目标的跟踪。实验表明该算法能够准确跟踪运动目标，在一定程度上满足了实时性的要求。关键词：特征融合；矩；运动估计；特征匹配；目标跟踪文章编号：1674-09-0040．03aIIdrealizationtracl【ingofinQINAbstmct：’11leobjectsuⅣeilla眦ebased叩msionobjectsarea明dobject8objects．Itfusion；tonque；moti蚰estimation；featu他matching；object现在社会中智能化已经占据了主要地位。智能化应用劲监控领域，出现了智能视频监控。在智能视频监控中需要对运动目标进行实时跟踪，它也是后续各项研究的基础：如对目标进行分类、检测事件发生并报警、行为的分析与识别。在我们研究目标跟踪问题时．我们需要解决的两个基本问题是匹配的准确性和匹配的速度。这两点也可以作为评价算法优劣的重要依据l“。本文主要是对智能监控中目标的跟踪进行研究。常用的帧间差分法对环境变化适应性强，但是得到的像素点是不完整的。而背景差分∞恰好相反，能得到较完整的数据特征，但无法适应环境的变化。环境的变化会影响检验的准确性。本文综合利用这两种算法，提取了两者的优点，并通过后续的一系列的处理得到完整的运动目标。提取运动目标的矩特征和面积特征。综合这些特征实现对目标的准确描述。对目标后续可能出现的位置提前做相应的判断估计．使得目标在后面的操作中需要处理的范围尽可能地缩小。在前面得到的搜索区域内将检测到的运动区域与提取的目标的综合特征进行相似度的计算，从而得到目标的位置，有效地实现了对目标的准确跟踪。1．2目标检测1)抽出一段监控得到的视频，按照背景差分的算法对这段视频进行处理。首先为背景建立相应的模型，这里通过对获取的图像序列进行统计为每个像素建立模型。将当前帧图像和前面构造好的背景图像进行差分，设吼(茗，，，)为K时刻的背景模型，^(髫，，，)为K时刻的视频图像，Dk@，，，)为目标区域。则有：设置一个阈值r，当仇确定为背景区域，即此区域没就是得到了二值图像。2)对获取的视频序列按照多帧间差分的算法进行处now。h矾J}一l时刻的视频图像。对此三帧图像分别运用二帧间差分算法一，即可获得差分图像Dk(髫，，，)和Dk+l(z，，，)，如下：作者简介：秦晓敏(1985一)，女，河南商丘人，硕士研究生。研究方向：图像、视频监控。V01．19No．5E】ectmnicDesignMar．201l中图分类号：11P391．4文献标识码：Afhf斫therequi托ments“1．1算法的流程图算法流程图如图l所示。图l算法流程图收稿日期：20ll—02—20稿件编号：201102039—40一onXiao-mintmckingistllekeytechnologyinteUigentfield，’11lispaperachievethi8technology．Anmethodtorq[1lematchingi8putforward，andcombiningmotionestimationa190ritllmpredictiont王IemostposBiblelocationne砒moment，achievetheInovingshowtlIattllisalgorithmtmck山eexactlyandmeetwitllreal·timecenaindegmethmughtlIee】【periment8．I【eywo“b：featurestrackingtocan
万方数据