專利名稱：一種基于運動行為檢測的智能跟蹤算法的制作方法
技術(shù)領域：
本發(fā)明屬于計算機視覺領域，特別涉及一種基于運動行為檢測的智能跟蹤算法， 及該方法在智能安防中的應用。
背景技術(shù)：
智能視頻監(jiān)控以數(shù)字化、網(wǎng)絡化視頻監(jiān)控為基礎，但又有別于一般的網(wǎng)絡化視頻 監(jiān)控，它是一種更高端的視頻監(jiān)控應用。智能視頻監(jiān)控系統(tǒng)能夠識別不同的物體。發(fā)現(xiàn)監(jiān) 控畫面中的異常情況，并能以最快和最佳的方式發(fā)出警報和提供有用信息，從而能夠更加 有效地協(xié)助安全人員處理危機，并最大限度地降低誤報和漏報現(xiàn)象。智能視頻監(jiān)控中的運 動目標檢測與跟蹤技術(shù)則是實現(xiàn)這一環(huán)節(jié)的關鍵技術(shù)。目前比較常用的運動目標檢測方法 是幀間差分法、背景差分法和光流法。而幾種較受關注的目標跟蹤算法則有粒子濾波、基于 邊緣輪廓的跟蹤和基于模板的目標建模等方法。由于常見的方法在對視頻圖像中目標尚不能完全有效地進行檢測與跟蹤，業(yè)界亟 待一種能夠?qū)崿F(xiàn)智能視頻監(jiān)控中對運動目標進行跟蹤，并根據(jù)運動目標的質(zhì)心位置作出相 應智能判斷的具體方法。

發(fā)明內(nèi)容
本發(fā)明的目的是針對現(xiàn)有視頻監(jiān)視系統(tǒng)，存在無法自動識別監(jiān)控目標行為，難以 自動跟蹤導致誤報、漏報的問題，提出一種基于運動行為檢測的智能跟蹤算法。為了實現(xiàn)發(fā)明目的，采用的技術(shù)方案如下運動模塊檢測算法的流程圖如圖1所示。該流程首先是獲得當前幀與上一幀的 差，接著對差圖像進行二值化，以去掉超時影響，更新運動歷史圖像，然后計算運動歷史圖 像的梯度方向，并將整個運動分割為獨立的運動部分，再用一個結(jié)構(gòu)序列標記每一個運動 分割，最后計算選擇區(qū)域的全局運動方向，從而獲得運動目標的質(zhì)心位置與運動方向。這個算法基于的條件是運動目標相鄰兩幀之間在畫面上存在的交集，此算法不用 外推和相關分析以及軌跡后處理就可以清晰地顯示出目標的軌跡、速度與方向。用該算法 基于運動目標檢測運動目標前景圖像的具體過程可描述如下>存儲檢測出來的目標前景圖像，并使過去的幀灰度遞減>在當前幀打上時間戳疊加存儲到歷史圖像后綴；；>形成梯度漸變圖像；>由分割得到的梯度漸變圖像得到目標位置，并計算漸變梯度，以得到目標的速 度和方向，并加上批號標記。該算法簡化了目標相關性的運算，可在初始狀態(tài)下對于目標運動趨勢不了解的情 況下實施對目標的穩(wěn)定跟蹤，同時具有良好的實時性能。。


圖1是本發(fā)明的體系結(jié)構(gòu)示意圖；圖2是本發(fā)明的計算函數(shù)示意圖。
具體實施例方式如圖2所示，為該算法的計算函數(shù)示意圖。本發(fā)明函數(shù)基于最新的OpenCV 庫。OpenCV 是"Open Source Computer Vision Library”的簡寫，是Intel開源計算機視覺庫。它由一系列C函數(shù)和少量的C++類構(gòu)成，是 可實現(xiàn)圖像處理和計算機視覺方面的很多通用算法，可用來處理計算機視覺領域中常見的 問題，其中主要涉及到以下幾個方面的內(nèi)容(I)Motion Analysis and Objection Tracking-運動分析禾口目標足艮蹤；(2) Image Analysis-圖像分析；(3) StructuralA nalysis-結(jié)構(gòu)分析；(4)ObjectR ecognition—目標i只另Ij ；(5) 3D Reconstruction_3D 重建。在本發(fā)明中，通過函數(shù)cvUpdateMotionHistory可使用下列方式更新運動歷史圖像也就是說，MHI (motion history image)中運動所發(fā)生的象素點被設置為當前時 間，而運動發(fā)生較久的象素點將被清除。函數(shù)cvCalcMotionGradient用于計算MHI的差分Dx和Dy，然后計算梯度方向，其 公式如圖2所示。其中要考慮Dx(x，y)和Dy(x，y)的符號。然后填充mask以表示哪些方向是正確 的。函數(shù)cvCalcGlobalOrientation用于在選擇的區(qū)域內(nèi)計算整個運動方向。并返回 0°到360°之間的角度值。首先由函數(shù)創(chuàng)建運動直方圖，并尋找基本方向做為直方圖最大 值的坐標。然后通過函數(shù)計算與基本方向的相對偏移量，并將其做為所有方向向量的加權(quán) 和(運行越近，權(quán)重越大)。所得到的角度就是基本方向和偏移量的循環(huán)和。函數(shù)cvSegmentMotion可尋找所有的運動分割，并在seg_mask用不同的單獨 數(shù)字(1，2，…)標識它們。它也可返回一個具有CvCormected-Comp結(jié)構(gòu)的序列。其 中每個結(jié)構(gòu)對應一個運動部件。在這之后，每個運動部件的運動方向就可以被函數(shù) cvCalcGlobalOrientation利用提取的特定部件的掩模(mask)計算出來。此外，每個運動 部件的質(zhì)心位置也可由返回的圖像ROI位置來確定，由此便可確定運動目標的位置。
權(quán)利要求
一種基于運動行為檢測的智能跟蹤算法，其特征在于基于幀差技術(shù)實現(xiàn)對上下圖像中目標物體的行為差別進行分析研判。
2.一種基于運動行為檢測的智能跟蹤算法，其特征在于基于0PENCV(開源計算機視 覺)函數(shù)庫。
3.一種基于運動行為檢測的智能跟蹤算法，其特征在于首先通過對差圖像二值化，更 新運動目標物體歷史圖像，繼而計算運動的梯度方向和正確的方向掩碼，從而獲得目標的 行為連續(xù)序列，最后在選擇的區(qū)域內(nèi)計算運動方向，實現(xiàn)智能跟蹤。
4.根據(jù)權(quán)利要求3所述的基于運動行為檢測的智能跟蹤算法，其特征在于根據(jù)運動目 標的質(zhì)心位置作出相應智能判斷，尤其是運動目標相鄰兩幀之間在畫面上存在的交集。
全文摘要
本發(fā)明提供了一種基于運動行為檢測的智能跟蹤算法及其在智能安防中的應用，該方法可以有效正確檢測和跟蹤視頻圖像中的運動目標，并能獲得該目標的運動方向與相應位置，從而實現(xiàn)智能視頻監(jiān)控和智能判斷。
文檔編號G06T7/20GK101950425SQ20101029264
公開日2011年1月19日 申請日期2010年9月26日 優(yōu)先權(quán)日2010年9月26日
發(fā)明者孫志強 申請人:新太科技股份有限公司