專利名稱：一種運動目標跟蹤方法、系統及終端的制作方法
一種運動目標跟蹤方法、系統及終端技術領域
本發明圖像處理領域，尤其涉及一種運動目標跟蹤方法、系統及終端。
技術背景
運動目標跟蹤是現代視覺技術的基礎，在工業過程控制、醫學研究、成像制導等領域具有重要的實用價值，現今被廣泛地應用于軍事、安防及交通。
現有技術中，視頻圖像的運動目標追蹤存在多個難點問題，主要包括
1)由于追蹤過程中目標的平移或者旋轉運動，引起與攝像機的距離和視角發生變化，會造成目標圖像的尺度伸縮變化和形變，這些變化會造成目標圖像表達的非線性變化， 從而導致追蹤的失效；
2)遮擋也是運動追蹤的一大難題，即在前后兩幀中，由于目標的運動，目標物體的被覆蓋和暴露的區域在前后兩幀圖像中不存在對應關系，而追蹤目標的部分遮擋，會引起目標的不規則變化，目標的全部遮擋，還會引起目標的暫時消失。
對于復雜的運動模式，現有技術主要采用濾波預測算法進行追蹤，在運動目標可能出現的區域內進行局部搜索，當目標具有復雜的運動模式時，如目標的運動速度或者方向突然發生改變，運動目標不在預測的搜索區域中時，會造成簡單濾波預測算法失效，進而造成目標丟失。
另外，由于基于視覺追蹤方法的處理對象通常是包含在巨大數據量的序列圖像數據或者視頻流數據。往往需要大量的運算時間，很難達到實時性的要求，雖然簡單的算法能夠實現實時追蹤，但追蹤精度不夠，而復雜的算法雖然具有較高的追蹤精度，但是運算時間長，影響實時性。如何選擇實時、高效的目標進行跟蹤一直是行業致力研究的重點。
綜上，現有技術在進行運動目標追蹤的過程中，當復雜背景圖像中的運動目標的形狀和大小發生改變時，存在易丟失跟蹤目標或實時性較低的問題。發明內容
本發明的目的在于提供一種運動目標跟蹤方法，旨在解決現有技術在進行運動目標追蹤的過程中，當復雜背景圖像中的運動目標的形狀和大小發生改變時，存在目標易丟失或實時性較低的問題。
本發明是這樣實現的，一種運動目標跟蹤方法，所述方法包括以下步驟
獲取當前幀參考模板，根據所述當前幀參考模板在當前幀上檢測新目標；
根據新目標的檢測結果確定目標模板；
根據所述目標模板建立目標模板觀測模型；
在當前幀上采樣所述目標模板對應的準目標，所述準目標的個數根據經驗值設置，根據準目標建立準目標觀測模型；
計算所述目標模板觀測模型和準目標觀測模型的相似度，根據所述目標模板觀測模型和準目標觀測模型的相似度預測目標位置；
根據所述目標位置建立預測目標觀測模型，計算所述目標模板觀測模型和預測目標觀測模型的相似度，根據所述目標模板觀測模型和預測目標觀測模型的相似度確定下一幀參考模板。
本發明的另一目的在于提供一種運動目標跟蹤系統，所述系統包括
目標檢測單元，用于獲取當前幀參考模板，根據所述當前幀參考模板在當前幀上檢測新目標；
目標模板確定單元，用于根據所述目標檢測單元新目標的檢測結果確定目標模板；
目標模板觀測模型建立單元，根據所述目標模板確定單元確定的目標模板建立目標模板觀測模型；
準目標觀測模型建立單元，用于在當前幀上采樣所述目標模板確定單元確定的目標模板對應的準目標，所述準目標的個數根據經驗值設置，根據準目標建立準目標觀測模型；
目標位置預測單元，用于計算所述目標模板觀測模型建立單元建立的目標模板觀測模型和所述準目標觀測模型建立單元建立的準目標觀測模型的相似度，根據目標模板觀測模型和準目標觀測模型的相似度預測當前幀的目標位置；
參考模板更新單元，用于根據所述目標位置計算單元預測的目標位置建立預測目標觀測模型，計算所述目標模板觀測模型建立單元建立的目標模板觀測模型和所述預測目標觀測模型的相似度，根據所述目標模板觀測模型和預測目標觀測模型的相似度確定下一幀參考模板。
本發明的又一目的在于提供包括上述運動目標跟蹤系統的顯示終端。
在本發明中，通過獲取當前幀參考模板，根據當前幀參考模板在當前幀上檢測新目標，根據新目標的檢測結果確定目標模板，根據目標模板建立目標模板觀測模型，在當前幀上采樣目標模板對應的準目標，準目標的個數根據經驗值設定，根據準目標建立準目標觀測模型；計算目標模板觀測模型和準目標觀測模型計算目標模板的相似度，根據目標模板觀測模型和準目標觀測模型的相似度預測目標位置；根據目標位置建立預測目標觀測模型，計算目標模板觀測模型和預測目標觀測模型的相似度，根據目標模板觀測模型和預測目標觀測模型的相似度確定下一幀參考模板，本發明實時、準確的實現了運動目標跟蹤過程中運動目標的預測和參考模板的更新。較好的解決了因大部分運動目標形狀和大小不斷變化，跟蹤目標容易丟失的問題，且無需占用較多數據處理資源，對于復雜背景下動態運動目標的跟蹤具有較強的實用性。


圖1是本發明實施例提供的運動目標跟蹤方法的流程圖2是本發明一個示例提供的復雜背景下多運動目標跟蹤方法的流程圖3是本發明實施例提供的運動目標跟蹤系統的結構圖。
具體實施方式
為了使本發明的目的、技術方案及有益效果更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。
本發明實施例通過獲取當前幀參考模板，根據當前幀參考模板在當前幀上檢測新目標，根據新目標的檢測結果確定目標模板，根據目標模板建立目標模板觀測模型，在當前幀上采樣目標模板對應的準目標，準目標的個數根據經驗值設置，根據準目標建立準目標觀測模型；計算目標模板觀測模型和準目標觀測模型計算目標模板的相似度，根據目標模板觀測模型和準目標觀測模型的相似度預測目標位置；根據目標位置建立預測目標觀測模型，計算目標模板觀測模型和預測目標觀測模型的相似度，根據目標模板觀測模型和預測目標觀測模型的相似度確定下一幀參考模板，實時、準確的實現了運動目標過程中的運動目標預測和參考模板的更新。
圖1示出了本發明實施例提供的運動目標跟蹤方法的流程圖。
在步驟SlOl中，獲取當前幀參考模板，根據所述當前幀參考模板在當前幀上檢測新目標；
在本發明實施例中，當前幀參考模板的個數可以為多個，也可以為0，新目標為在上一幀中未出現而在當前幀出現的目標。
步驟SlOl中根據所述當前幀參考模板在當前幀上檢測新目標的步驟具體為
在當前幀進行目標檢測得到檢測目標；
當當前幀參考模板的個數為0時，檢測目標為新目標，當參考模板的個數至少為 1，且當當前幀參考模板和檢測目標沒有交集時，檢測目標為新目標，否則為未檢測到新目標。
在步驟S102中，根據新目標的檢測結果確定目標模板；
具體應用時，步驟S102具體為
當在當前幀未檢測到新目標時，目標模板為當前幀參考模板；
當在當前幀檢測到新目標時，目標模板包括當前幀參考模板和新目標。
在步驟S103中，根據所述目標模板建立目標模板觀測模型；
在步驟S104中，在當前幀上采樣所述目標模板對應的準目標，所述準目標個數根據經驗值設定，根據準目標建立準目標觀測模型；
通常目標模板有多個，為每個目標模板采樣多個準目標，假設目標模板對應的準目標的采樣個數預設為N，步驟S104中在當前幀上采樣所述目標模板對應的準目標的步驟具體為
以所述目標模板的中心位置為圓心，將半徑為R的圓的圓弧上的8等分點作為8 個準目標的中心位置，以相同的步進擴大半徑，直至采樣到N個準目標的中心位置，并將N 個準目標的長寬設置為與所述目標模板相同。
其中，8等分點的起始位置可以預設，步進也可以預設，采樣方式可以是順時針方向，也可以是逆時針方向。具體不再一一列舉。
本發明實施例的目標模板觀測模型的特征包括RGB顏色直方圖和邊緣直方圖，其中，作為目標模板觀測模型的特征包括RGB顏色直方圖和邊緣直方圖。
步驟S104中根據準目標建立準目標觀測模型的步驟具體為
計算每個準目標的RGB顏色直方圖和邊緣直方圖，根據核函數對N個準目標的RGB顏色直方圖和邊緣直方圖進行疊加得到準目標觀測模型。
在步驟S105中，計算目標模板觀測模型和準目標觀測模型計算目標模板的相似度，根據目標模板觀測模型和準目標觀測子模型的相似度預測目標位置。
在本發明實施例中，步驟S105中根據目標模板觀測模型和準目標觀測模型的相似度預測目標位置具體為
根據目標模板觀測模型和準目標觀測模型的相似度統計每一個準目標的后驗概率；
根據每一個準目標的后驗概率通過高斯函數統計每一個準目標的權重值，后驗概率表示了當前目標當前幀出現在這個位置上的可能性的大小；
根據目標模板對應的每一個準目標的權重值和準目標的中心位置確定目標模板追蹤的目標的準確位置。
比如，目標模板追蹤的目標的準確位置可以是其對應的所有的準目標的權重值乘以中心位置的和，所有的準目標的權重值的和為1。
在步驟S106中，根據所述目標位置建立預測目標觀測模型，計算目標模板觀測模型和預測目標觀測模型的相似度，根據目標模板觀測模型和預測目標觀測模型的相似度確定下一幀參考模板。
在本發明實施例中，步驟S106中根據目標位置建立預測目標觀測模型的步驟具體為
將目標位置為矩形中心，長寬設置為與所述目標模板相同，作為預測目標；
根據預測目標建立預測目標觀測模型。
步驟S106中根據所述目標模板觀測模型和預測目標觀測模型的相似度確定下一幀參考模板的步驟具體為
當目標模板觀測模型和預測目標觀測模型的相似度小于閾值tl，剔除目標模板；
當目標模板觀測模型和預測目標觀測模型的相似度大于閾值t2，根據預設的兩個增益系數、目標模板和預測目標，計算下一幀的參考模板；
當目標模板觀測模型和預測目標觀測模型的相似度在閾值tl和t2之間，保留目標模板作為下一幀的參考模板。
作為本發明的一個優選實施例，為了減少目標的搜索范圍，更快速有效的搜索到運動目標，在步驟S105之后，運動目標跟蹤方法還包括運動補償處理，具體為
獲取同一目標在上一幀的目標位置；
根據同一目標在當前幀的目標位置和上一幀的目標位置計算補償向量；
根據補償向量對下一幀的目標模板位置進行修正。
在本發明實施例中，觀測模型的建立規則相同，目標模板觀測模型、準目標觀測模型和預測目標觀測模型的建立規則相同，特征包括RGB顏色直方圖和邊緣直方圖，目標模板觀測模型、準目標觀測模型和預測目標觀測模型的特征分別根據在先建立的目標模板的觀測模型、準目標的觀測模型、預測目標的觀測模型的特征參數獲取，后者的特征參數包括中心位置，長，寬。
本發明實施例通過采用顏色特征和邊緣特征對追蹤目標進行建模并進行優化，通過生成多個候選目標對目標的位置進行精確定位，有效解決了動態目標跟蹤過程中，由于大部分運動目標形狀和大小都不斷的在變化，目標容易丟失且定位不夠精準的問題。
圖2示出了本發明一個示例提供的復雜背景下多運動目標跟蹤的處理流程。
在本示例中，動態目標為多個，在特定視線范圍內的不同時間對應的多幀圖像中， 可能會在同一幀出現多個新目標，也可能在同一幀出現多個追蹤的目標離開追蹤視線。
在步驟S201中，圖像分割，目標檢測。
在步驟S202中，輪廓查找。
獲取目標的中心坐標和外截矩形。
在步驟S203中，判斷目標是否為新目標，是則執行步驟S204，否則執行步驟S201。
獲取目標的中心坐標和外截矩形，以及參考模板的中心坐標和外截矩形，判斷檢測到的目標與保存的任何一參考模板是否有交集，是則視為已有目標，否則為新目標。
在步驟S204中，為新目標建立目標模板觀測模型，觀測模型特征參數包括中心位置，長，寬。根據觀測模型特征參數計算RGB顏色直方圖和邊緣直方圖，兩個直方圖分別是一定長度的一維向量，由兩個向量組合成目標模板觀測模型特征，向量長度越大，提取的特征越豐富，而相對耗時，結合算法的效果和速度選擇合適的長度。
在步驟S205中，疊加核函數優化目標模板觀測模型。
在本示例中，核函數采用的是高斯核，高斯輪廓函數表示出核函數對目標模板中心的像素具有較大權值，而對于目標模板邊緣像素則權值較低，這符合越靠近中心點的像素點代表目標的可信度越大，越靠近邊緣的點代表背景的可信度越大的客觀規律。同時，核窗寬對跟蹤效果是非常重要的，它確定了核密度估計的范圍，即目標模板的半徑，所以當目標尺寸發生變化時，核窗寬也需要做相應的變化，以保證得到的目標信息能夠包含整個目標并排除背景，具體不再詳述。
在步驟S206中，判斷所有新目標對應的新目標觀測模型是否都建立完畢，是則執行步驟S207，否則執行步驟S201 ；
在步驟S207中，將新目標和參考模板一并作為目標模板進行逐一追蹤；
在步驟S208中，采樣目標模板對應的準目標。
以目標模板的中心位置為圓心，半徑為3的圓上等弧長采樣8個點，相同的步進不斷擴大半徑，一共采樣M個點，得到M個準目標，并設置準目標的長寬，準目標的長寬和目標模板的長寬相同。
在步驟S209中，計算每個準目標對應的準目標觀測模型。
準目標觀測模型的建立規則同步驟S204。
在步驟S210中，疊加核函數優化準目標觀測模型。
核函數疊加方式可參照步驟S205。
在步驟S211中，根據準目標觀測模型和目標模板觀測模型計算準目標和目標模板的相似度Sl ；
相似度Sl通過計算準目標觀測模型和目標模板觀測模型的相似度得到。
在步驟S212中，根據相似度Sl統計每個準目標的后驗概率。
在步驟S213中，根據后驗概率統計準目標的權重。
根據每個準目標的后驗概率通過高斯函數統計準目標的權重。
在步驟S214中，根據準目標的中心位置和權重預測目標位置。
加權平均后根據每個準目標的中心位置計算目標在當前幀的準確位置。
在步驟S215中，根據預測目標位置計算預測目標和目標模板的相似度S2。
將預測目標位置作為預測目標的外截矩形中心，參考模板的長寬作為預測目標的外截矩形，建立預測目標觀測模型。通過歐式距離計算準目標觀測模型和目標模板觀測模型的相似度S2。
在步驟S216中，判斷相似度S2是否小于閾值tl，是則執行步驟S217，否則執行步驟 S218。
在步驟S217中，該目標模板被剔除。
在步驟S218中，判斷相似度S2是否大于閾值t2，是則執行步驟S219，否則執行步驟 S220。
在步驟S219中，更新目標模板。
假設目標模板為M1，預測目標為M2，預設兩個增益系數kl、k2，kl+k2 = 1，則更新后的模板為kl*Ml+k2*M2，可以有效控制參考模板更新速度。
在步驟S220中，判斷是否所有目標跟蹤完畢，是則執行步驟S221，否則執行步驟 S207。
在步驟S221中，當前幀處理完畢。
如果當前跟蹤的是最后一個目標，當前幀的目標追蹤執行完畢。
其中，閾值tl、t2可以根據效果和需要進行預設，tl小于t2。
目標模板觀測模型、準目標觀測模型和預測目標觀測模型的建立規則相同，具體為先對目標模板、準目標和預測目標建立觀測模型，觀測模型的特征參數包括中心位置， 長，寬，然后根據觀測模型的特征參數再計算RGB顏色直方圖和邊緣直方圖，將結果分別保存為目標模板觀測模型、準目標觀測模型和預測目標觀測模型的特征。
圖3示出了本發明實施例提供的運動目標跟蹤系統的結構圖。為了便于說明，為了便于說明，僅示出了與本發明實施例相關的部分。該運動目標跟蹤系統可以用于計算機、 或者其他顯示終端，例如攝像機、PAD等中。該運動目標跟蹤系統還可以是運行于這些終端設備內的軟件單元，也可以作為獨立的掛件集成到這些終端設備中或者運行于這些終端設備的應用系統中。
該動態目標跟蹤系統主要包括目標檢測單元31、目標模板確定單元32、目標模板觀測模型建立單元33、準目標觀測模型建立單元34、目標位置預測單元35和參考模板更新單元36。
其中
目標檢測單元31，用于獲取當前幀參考模板，根據當前幀參考模板在當前幀上檢測新目標；
目標模板確定單元32，用于根據目標檢測單元31新目標的檢測結果確定目標模板；
目標模板觀測模型建立單元33，根據目標模板確定單元32確定的目標模板建立目標模板觀測模型；
準目標觀測模型建立單元34，用于在當前幀上采樣目標模板確定單元32確定的目標模板對應的準目標，準目標的個數根據經驗值設置，根據準目標建立準目標觀測模型；
目標位置預測單元35，用于計算目標模板觀測模型建立單元33建立的目標模板觀測模型和準目標觀測模型建立單元34建立的準目標觀測模型的相似度，根據目標模板觀測模型和準目標觀測模型的相似度預測當前幀的目標位置；
參考模板更新單元36，用于根據目標位置計算單元35預測的目標位置建立預測目標觀測模型，計算目標模板觀測模型建立單元34建立的目標模板觀測模型和預測目標觀測模型的相似度，根據目標模板觀測模型和預測目標觀測模型的相似度確定下一幀參考模板。
具體地，當目標檢測單元在當前幀未檢測到新目標時，目標模板確定單元確定的目標模板為當前幀參考模板；當目標檢測單元在當前幀檢測到新目標時，目標模板確定單元確定的目標模板包括當前幀參考模板和新目標；目標模板觀測模型、準目標觀測模型和預測目標觀測模型的建立規則相同，特征參數包括RGB顏色直方圖和邊緣直方圖，
作為本發明的一個優選實施例，為了減少目標的搜索范圍，更快速有效的搜索到運動目標，該運動目標跟蹤系統還包括
運動補償處理單元，用于獲取同一目標在上一幀的目標位置，根據同一目標在當前幀的目標位置和上一幀的目標位置計算補償向量，根據補償向量對下一幀的目標初始位置進行修正。
在本發明實施例中，目標位置預測單元35進一步包括
后驗概率計算模塊，用于根據目標模板觀測模型建立單元33建立的目標模板觀測模型和準目標觀測模型建立單元建立的準目標觀測模型的相似度統計每一個準目標的后驗概率；
權重計算模塊，用于根據后驗概率計算模塊計算的每一個準目標的后驗概率通過高斯函數統計每一個準目標的權重值；
準確位置計算模塊，用于根據權重計算模塊計算的目標模板對應的每一個準目標的權重值和準目標的中心位置確定目標模板追蹤的目標的準確位置；
參考模板更新單元36進一步包括
預測目標觀測模型建立模塊，用于根據目標位置預測單元預測35的目標位置建立預測目標觀測模型；
剔除模塊，用于當目標模板觀測模型建立單元33建立的目標模板觀測模型和預測目標觀測模型建立模塊建立的預測目標觀測模型的相似度小于閾值tl時，剔除目標模板；
更換模塊，用于當目標模板觀測模型建立單元建立的目標模板觀測模型和預測目標觀測模型建立模塊建立的預測目標觀測模型的相似度大于閾值t2，根據預設的兩個增益系數、目標模板作為下一幀的參考模板。
保留模塊，用于當目標模板觀測模型建立單元建立的目標模板觀測模型和預測目標觀測模型建立模塊建立的預測目標觀測模型的相似度在閾值tl和t2之間，保留目標模板作為下一幀的參考模板。
其具體實施方式
如上所述，在此不再贅述。
本發明實施例通過采用顏色特征和邊緣特征對跟蹤目標建模，并利用核函數優化觀測模型，同時還結合輪廓信息來輔助更新運動目標的外截矩形大小，較好的解決了因大部分運動目標形狀和大小不斷變化，現有技術由于特征提取單一或不夠合理，跟蹤目標容易丟失的問題。另外，本發明通過重要性分布采樣生成多個候選準目標，再利用歐式距離和高斯函數求得每個候選準目標的后驗概率，來定義候選準目標是真正目標的可能性大小， 最后對候選準目標在坐標上求積分得到下一幀目標的精確位置。同時，由于目標的運動規律是隨機的，本發明還通過分析之前幾幀圖像中目標的運動規律還采用運動補償技術來糾正下一幀目標的粗略初始位置。這樣大大減少了目標的搜索范圍，能更快速有效的搜索到運動目標。與具有同等效果的運動目標跟蹤方法相比，本發明的數據處理量大大降低，適用于復雜背景下的運動目標檢測。
本領域普通技術人員可以理解實現上述實施例方法中的全部或部分步驟是可以通過程序來指令相關的硬件來完成，所述的程序可以存儲于一計算機可讀取存儲介質中， 所述的存儲介質，如ROM/RAM、磁盤、光盤等。
以上所述僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護范圍之內。
權利要求
1.一種動態目標跟蹤方法，其特征在于，所述方法包括以下步驟獲取當前幀參考模板，根據所述當前幀參考模板在當前幀上檢測新目標； 根據新目標的檢測結果確定目標模板； 根據所述目標模板建立目標模板觀測模型；在當前幀上采樣所述目標模板對應的準目標，所述準目標的個數根據經驗值設置，根據準目標建立準目標觀測模型；計算所述目標模板觀測模型和準目標觀測模型的相似度，根據所述目標模板觀測模型和準目標觀測模型的相似度預測目標位置；根據所述目標位置建立預測目標觀測模型，計算所述目標模板觀測模型和預測目標觀測模型的相似度，根據所述目標模板觀測模型和預測目標觀測模型的相似度確定下一幀參考模板。
2.如權利要求1所述的方法，其特征在于，所述根據所述當前幀參考模板在當前幀上檢測新目標的步驟具體為在當前幀進行目標檢測得到檢測目標；當所述當前幀參考模板的個數為0時，所述檢測目標為新目標，當所述參考模板的個數至少為1，且所述當前幀參考模板和檢測目標沒有交集時，所述檢測目標為新目標，否則未檢測到新目標；所述根據新目標的檢測結果確定目標模板的步驟具體為 當在當前幀未檢測到新目標時，所述目標模板為當前幀參考模板； 當在當前幀檢測到新目標時，所述目標模板為所述當前幀參考模板和新目標。
3.如權利要求1所述的方法，其特征在于，所述目標模板觀測模型、準目標觀測模型和預測目標觀測模型的特征參數包括RGB顏色直方圖和邊緣直方圖，當目標模板對應的準目標的采樣個數預設為N時，所述在當前幀上采樣所述目標模板對應的準目標的步驟具體為以所述目標模板的中心位置為圓心，將半徑為R的圓的圓弧上的8等分點作為8個準目標的中心位置，以相同的步進擴大半徑，直至采樣到N個準目標的中心位置，并將N個準目標的長寬設置為與所述目標模板相同；所述根據準目標建立準目標觀測模型的步驟具體為計算每個準目標的RGB顏色直方圖和邊緣直方圖，根據核函數對N個準目標的RGB顏色直方圖和邊緣直方圖進行疊加得到準目標觀測模型。
4.如權利要求1或2或3所述的方法，其特征在于，所述根據所述目標模板觀測模型和準目標觀測模型的相似度預測目標位置的步驟具體為根據所述目標模板觀測模型和準目標觀測模型的相似度統計每一個準目標的后驗概率；根據所述每一個準目標的后驗概率通過高斯函數統計每一個準目標的權重值； 根據所述目標模板對應的每一個準目標的權重值和所述準目標的中心位置確定所述目標模板追蹤的目標的準確位置。
5.如權利要求1或2或3所述的方法，其特征在于，所述根據所述目標位置建立預測目標觀測模型的步驟具體為將所述目標位置為矩形中心，長寬設置為與所述目標模板相同，作為預測目標；根據預測目標建立預測目標觀測模型；所述根據所述目標模板觀測模型和預測目標觀測模型的相似度對確定下一幀參考模板的步驟具體為當所述目標模板觀測模型和預測目標觀測模型的相似度小于閾值tl，剔除所述目標模板；當所述目標模板觀測模型和預測目標觀測模型的相似度大于閾值t2，根據預設的兩個增益系數、所述目標模板和預測目標，計算下一幀的參考模板；當所述目標模板觀測模型和預測目標觀測模型的相似度在閾值tl和t2之間，保留所述目標模板作為下一幀的參考模板。
6.如權利要求1或2或3所述的方法，其特征在于，所述根據所述目標模板觀測模型和準目標觀測子模型的相似度確定當前幀的目標的位置的步驟之后，所述方法還包括獲取同一目標在上一幀的目標位置；根據同一目標在當前幀的目標位置和上一幀的目標位置計算補償向量；根據所述補償向量對下一幀的目標模板采樣位置進行修正。
7.一種動態目標跟蹤系統，其特征在于，所述系統包括目標檢測單元，用于獲取當前幀參考模板，根據所述當前幀參考模板在當前幀上檢測新目標；目標模板確定單元，用于根據所述目標檢測單元新目標的檢測結果確定目標模板；目標模板觀測模型建立單元，根據所述目標模板確定單元確定的目標模板建立目標模板觀測模型；準目標觀測模型建立單元，用于在當前幀上采樣所述目標模板確定單元確定的目標模板對應的準目標，所述準目標的個數根據經驗值設置至少為一個，根據準目標建立準目標觀測模型；目標位置預測單元，用于計算所述目標模板觀測模型建立單元建立的目標模板觀測模型和所述準目標觀測模型建立單元建立的準目標觀測模型的相似度，根據目標模板觀測模型和準目標觀測模型的相似度預測當前幀的目標位置；參考模板更新單元，用于根據所述目標位置計算單元預測的目標位置建立預測目標觀測模型，計算所述目標模板觀測模型建立單元建立的目標模板觀測模型和所述預測目標觀測模型的相似度，根據所述目標模板觀測模型和預測目標觀測模型的相似度確定下一幀參考模板。
8.如權利要求7所述的系統，其特征在于，當所述目標檢測單元在當前幀未檢測到新目標時，所述目標模板確定單元確定的目標模板為當前幀參考模板；當所述目標檢測單元在當前幀檢測到新目標時，所述目標模板確定單元確定的目標模板為所述當前幀參考模板和新目標；所述目標模板觀測模型、準目標觀測模型和預測目標觀測模型的特征參數包括 RGB顏色直方圖和邊緣直方圖，所述系統還包括運動補償處理單元，用于獲取同一目標在上一幀的目標位置，根據同一目標在當前幀的目標位置和上一幀的目標位置計算補償向量，根據所述補償向量對下一幀的目標初始位置進行修正。
9.如權利要求7或8所述的系統，其特征在于，所述目標位置預測單元進一步包括 后驗概率計算模塊，用于根據所述目標模板觀測模型建立單元建立的目標模板觀測模型和所述準目標觀測模型建立單元建立的準目標觀測模型的相似度統計每一個準目標的后驗概率；權重計算模塊，用于根據所述后驗概率計算模塊計算的每一個準目標的后驗概率通過高斯函數統計每一個準目標的權重值；準確位置計算模塊，用于根據所述權重計算模塊計算的目標模板對應的每一個準目標的權重值和所述準目標的中心位置確定所述目標模板追蹤的目標的準確位置； 所述參考模板更新單元進一步包括預測目標觀測模型建立模塊，用于根據所述目標位置預測單元預測的目標位置建立預測目標觀測模型；剔除模塊，用于當所述目標模板觀測模型建立單元建立的目標模板觀測模型和所述預測目標觀測模型建立模塊建立的預測目標觀測模型的相似度小于閾值tl時，剔除所述目標模板；更換模塊，用于當所述目標模板觀測模型建立單元建立的目標模板觀測模型和所述預測目標觀測模型建立模塊建立的預測目標觀測模型的相似度大于閾值t2，根據預設的兩個增益系數、所述目標模板作為下一幀的參考模板。保留模塊，用于當所述目標模板觀測模型建立單元建立的目標模板觀測模型和所述預測目標觀測模型建立模塊建立的預測目標觀測模型的相似度在閾值tl和t2之間，保留所述目標模板作為下一幀的參考模板。
10.一種包括權利要求9所述動態目標跟蹤系統的終端。
全文摘要
本發明適用于圖像處理領域，提供了一種運動目標跟蹤方法、系統及終端，方法包括獲取當前幀參考模板，根據當前幀參考模板在當前幀上檢測新目標；根據新目標的檢測結果確定目標模板；根據目標模板建立目標模板觀測模型；在當前幀上采樣目標模板對應的準目標，根據準目標建立準目標觀測模型；計算目標模板觀測模型和準目標觀測模型的相似度，根據目標模板觀測模型和準目標觀測模型的相似度預測目標位置；根據目標位置建立預測目標觀測模型，計算目標模板觀測模型和預測目標觀測模型的相似度，根據目標模板觀測模型和預測目標觀測模型的相似度確定下一幀參考模板。通過本發明實時、準確的實現了復雜背景下動態運動目標的跟蹤。
文檔編號G06T7/20GK102521840SQ20111036763
公開日2012年6月27日 申請日期2011年11月18日 優先權日2011年11月18日
發明者于兆和, 廖家亮, 張俊, 李運秀, 楊江華, 梁日雄, 梁火炎 申請人:深圳市寶捷信科技有限公司