專利名稱：基于視覺特性的夜間目標(biāo)檢測(cè)和跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識(shí)別，特別涉及基于視覺的夜間目標(biāo)的檢測(cè)和跟蹤方法。
背景技術(shù)：
隨著現(xiàn)代科技的飛速發(fā)展，利用攝像機(jī)來監(jiān)控動(dòng)態(tài)場(chǎng)景早已被廣泛應(yīng)用于現(xiàn)代社會(huì)的方方面面，特別是那些對(duì)安全要求敏感的場(chǎng)合，如國(guó)防、社區(qū)、銀行、停車場(chǎng)、軍事基地等。動(dòng)態(tài)場(chǎng)景的視覺監(jiān)控是近年來備受關(guān)注的前沿研究方向，它從攝像機(jī)捕捉的圖像序列中檢測(cè)、識(shí)別、跟蹤目標(biāo)并對(duì)其行為進(jìn)行理解。盡管目前作為人類視覺延伸的監(jiān)控?cái)z像機(jī)在商業(yè)應(yīng)用中已經(jīng)普遍存在，但并沒有充分發(fā)揮其實(shí)時(shí)主動(dòng)的監(jiān)督媒介的作用。因此，開發(fā)出具有實(shí)際意義的自動(dòng)性、智能性的視覺監(jiān)控系統(tǒng)日益變得迫切和必要。這就要求不僅能用攝像機(jī)代替人眼，而且能用計(jì)算機(jī)協(xié)助人、代替人，以完成監(jiān)視或控制任務(wù)。
目前，大部分的研究者都將注意力集中在解決白天場(chǎng)景監(jiān)控中的關(guān)鍵技術(shù)。然而，夜間和不良天氣占全年時(shí)間的比例相當(dāng)大，基本上要占到全年的一半時(shí)間以上。同時(shí)，由于不良天氣的影響，尤其是夜間低照度的影響，普通監(jiān)控器材(CCD攝像機(jī))在這樣的一個(gè)時(shí)間段內(nèi)拍攝的效果很不好，很不利于社區(qū)、大廈等場(chǎng)合保安的監(jiān)控，更不利于案件發(fā)生后的分析和取證。而夜間視覺監(jiān)控的目的就是要提高夜間監(jiān)控圖像的可視性，賦予計(jì)算機(jī)在夜間(晚上)正確理解周圍場(chǎng)景信息的視覺能力，這對(duì)于提高那些安全性敏感場(chǎng)合(例如，停車場(chǎng)，住宅小區(qū))在夜間的安全性，具有極大的研究意義。夜間視覺監(jiān)控首先利用攝像機(jī)等設(shè)備對(duì)被監(jiān)控場(chǎng)景進(jìn)行原始圖像數(shù)據(jù)的采集，因此，夜間視覺監(jiān)控包括利用圖像處理技術(shù)對(duì)采集到的圖像進(jìn)行增強(qiáng)或預(yù)處理，夜間背景建模、進(jìn)而進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)、跟蹤，最后，對(duì)所得到的運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行語(yǔ)義分析，判斷并理解運(yùn)動(dòng)物體的行為，其中夜間目標(biāo)的檢測(cè)和跟蹤是至關(guān)重要的。
早期的夜間監(jiān)控利用普通攝像頭加高強(qiáng)度探照燈的組合，在夜晚通過探照燈對(duì)被監(jiān)控區(qū)域進(jìn)行光照增強(qiáng)，然后再由普通攝像頭對(duì)被監(jiān)控區(qū)域進(jìn)行圖像采集。這主要是補(bǔ)償捕獲圖像照度不足的影響。對(duì)應(yīng)的后期處理就是直接提高亮度、對(duì)比度等增強(qiáng)算法來處理夜間圖像以獲取質(zhì)量更好的圖像。影響普通CCD攝像頭拍攝的圖像質(zhì)量的因素較多，主要包括低對(duì)比度、低照度、低顏色飽和度及噪聲的影響。國(guó)外一些公司設(shè)計(jì)了相應(yīng)的專用設(shè)備。比如美國(guó)的Enpiction Image Technologies公司的實(shí)時(shí)低照度視頻增強(qiáng)模塊IPM-1000TM[2]和DynaPel Systems Inc公司的產(chǎn)品NightView[3]等等都是從視頻增強(qiáng)考慮出發(fā)，但這些產(chǎn)品主要從改善視覺角度出發(fā)，而且這種增強(qiáng)處理增強(qiáng)了噪聲，不有利于后續(xù)的目標(biāo)檢測(cè)和跟蹤處理。利用紅外成像技術(shù)捕獲夜間目標(biāo)，然后紅外視頻進(jìn)行目標(biāo)檢測(cè)與跟蹤算法研究。由于紅外技術(shù)日見成熟促使其在監(jiān)控領(lǐng)域中的應(yīng)用不斷加強(qiáng)，但仍然受到價(jià)格的制約。紅外成像主要分主動(dòng)紅外和被動(dòng)紅外兩種。目前，被動(dòng)紅外的成像質(zhì)量要優(yōu)于主動(dòng)紅外。紅外成像設(shè)備具有許多優(yōu)點(diǎn)它不依賴于光照條件，在白天或者晚上均可以應(yīng)用，它延伸了日間攝像頭的視野范圍；與普通攝像頭相比，它受陰影的影響較少[4]。只要運(yùn)動(dòng)物體的熱輻射特性與背景的熱輻射特性存在差異，則運(yùn)動(dòng)物體一般均可從熱紅外圖像中檢測(cè)出來。但價(jià)格昂貴仍然使它不能普及。從可見光角度出發(fā)，對(duì)普通CCD攝像頭捕獲的視頻自動(dòng)檢測(cè)目標(biāo)目前的研究還不多。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于視覺特性來自動(dòng)檢測(cè)和跟蹤夜間目標(biāo)。
為實(shí)現(xiàn)上述目的，一種基于視覺特性的夜間目標(biāo)檢測(cè)和跟蹤方法，包括步驟a.捕捉夜間視頻；b.采用自適應(yīng)算法決定幀間差；c.根據(jù)對(duì)比度確定目標(biāo)區(qū)域；
d.根據(jù)速度信息預(yù)測(cè)目標(biāo)的當(dāng)前位置和下一時(shí)刻的位置。
本發(fā)明能準(zhǔn)確地判斷幀間的相似度，有助于后續(xù)過程的處理。引入了對(duì)比度這一人類的最基本的視覺特性來表達(dá)圖像，使得算法不僅在晚上而且在惡劣的天氣如霧天情況也能有效。一些軌跡分析的方法用于反饋到檢測(cè)階段，對(duì)噪聲以及光線的變化能夠較好的濾除，這進(jìn)一步提高了檢測(cè)的準(zhǔn)確度。


圖1是夜間目標(biāo)檢測(cè)跟蹤框圖，包括目標(biāo)檢測(cè)和跟蹤兩個(gè)部分；圖2是夜間目標(biāo)對(duì)比度計(jì)算；圖3是可視對(duì)比度計(jì)算結(jié)果；圖4是對(duì)比度變化計(jì)算實(shí)例圖；圖5是目標(biāo)跟蹤預(yù)測(cè)模型圖；圖6是視覺監(jiān)控平臺(tái)；圖7是交通場(chǎng)景夜間車輛檢測(cè)和跟蹤示例圖；圖8是夜間人的目標(biāo)檢測(cè)與跟蹤示例圖；圖9是微弱光照下目標(biāo)檢測(cè)與跟蹤示例圖；圖10是大霧條件下目標(biāo)檢測(cè)示例圖；圖11是夜間目標(biāo)檢測(cè)和跟蹤評(píng)估圖。
具體實(shí)施例方式
本發(fā)明主要涉及到人的視覺特性的提取、夜間目標(biāo)特征的提取、夜間目標(biāo)的檢測(cè)和跟蹤等問題。由于人的視覺特性已經(jīng)在圖像處理、計(jì)算機(jī)視覺領(lǐng)域已被驗(yàn)證是個(gè)強(qiáng)有力的工具；另外，直觀上在夜間人很容易分辨出移動(dòng)的目標(biāo)，故我們可引入人的視覺特性，然后在檢測(cè)和跟蹤過程中引入這些特性隨著時(shí)間的變化信息。綜上考慮，本發(fā)明實(shí)現(xiàn)了一種基于人的視覺特性的夜間目標(biāo)檢測(cè)和跟蹤算法，整個(gè)發(fā)明的技術(shù)方案流程圖見附圖1所示。
本發(fā)明的整個(gè)方案主要包含目標(biāo)檢測(cè)和跟蹤兩個(gè)過程。和常規(guī)的監(jiān)控不同，智能監(jiān)控需要用計(jì)算機(jī)代替人自動(dòng)的檢測(cè)和跟蹤目標(biāo)，它能夠在夜間自動(dòng)地檢測(cè)到移動(dòng)的目標(biāo)并進(jìn)一步分析目標(biāo)的異常與否，比如是否進(jìn)入銀行、機(jī)場(chǎng)等重要部門并報(bào)警處理。就目標(biāo)檢測(cè)過程而言，我們的目的是要實(shí)時(shí)準(zhǔn)確的檢測(cè)目標(biāo)。首先利用監(jiān)控?cái)z像機(jī)捕捉夜間視頻，并通過視頻采集卡進(jìn)入我們的執(zhí)行軟件。利用上述的幀間隔選取技術(shù)、基于對(duì)比度的局部特征處理技術(shù)、對(duì)比度比變化等技術(shù)進(jìn)行目標(biāo)檢測(cè)處理?？傊?，目標(biāo)檢測(cè)后的結(jié)果當(dāng)包括多個(gè)人輪廓的幾何位置信息。
就目標(biāo)跟蹤過程而言，經(jīng)過以上目標(biāo)檢測(cè)后，通過預(yù)測(cè)模型來確定上一幀目標(biāo)和當(dāng)前幀目標(biāo)的位置關(guān)系，從而確定其對(duì)應(yīng)性。除此之外，我們還利用了目標(biāo)的尺寸信息，多幀匹配信息來進(jìn)一步過濾由于噪聲和光強(qiáng)變化造成的誤檢操作。若目標(biāo)能夠被準(zhǔn)確的檢測(cè)并跟蹤到，并且進(jìn)入到我們規(guī)定的禁區(qū)，則發(fā)生報(bào)警。并且一直跟蹤該目標(biāo)，同時(shí)顯示并記錄此軌跡，以利于后續(xù)分析。
下面詳細(xì)給出該發(fā)明技術(shù)方案中所涉及的各個(gè)細(xì)節(jié)問題的說明1.自適應(yīng)幀差選取從背景中提取夜間目標(biāo)的運(yùn)動(dòng)對(duì)于后續(xù)分析而言是個(gè)關(guān)鍵性的一步。目前變化檢測(cè)方法主要有背景減除、時(shí)間差分、光流三種，由于夜間場(chǎng)景背景的復(fù)雜性，我們采用時(shí)間差分算法，但和通常的固定幀間數(shù)的算法不同，我們采用自適應(yīng)算法決定幀間差。直觀上認(rèn)為兩幀圖像相差不大就表示沒有太多的運(yùn)動(dòng)發(fā)生，因此我們用相似度來刻畫幀差。
MAD(Mean Absolute Difference)和SAD(Sum of AbsoluteDifference)方法被用于描述相似度，但該方法對(duì)于噪聲、光照等比較敏感，而NCC(Normal Correlation Coefficient)相對(duì)而言將更加魯棒。令I(lǐng)代表一個(gè)大小為NXM的幀圖像的序列，則相似度NCC能被表達(dá)為NCC=ΣmΣn(Iimn-I‾i)(Ijmn-I‾j)(ΣmΣn(Iimn-I‾i)2)(ΣmΣn(Ijmn-I‾j)2)---(1)]]>其中， 為均值。
通過如下操作可計(jì)算出幀間隔NCC(Ii，Ij)≥TRthen j＝j(luò)+1 else i＝j(luò)(2)如果兩幀的相似度小于TR，那么第二幀繼續(xù)往后選取，直到大于TR，此時(shí)從當(dāng)前幀開始計(jì)算下一次的幀間隔操作。
2.基于對(duì)比度的夜間目標(biāo)特征表達(dá)在夜間人類能夠輕易的發(fā)現(xiàn)目標(biāo)即使有時(shí)候目標(biāo)不動(dòng)，人的這種分辨物體的能力主要根據(jù)目標(biāo)和背景的差別，包括灰度值的差別、顏色的差別等等。根據(jù)心理生理學(xué)的研究，人的這種視覺特性可以用對(duì)比度來描述。常見的對(duì)比度有韋伯對(duì)比度和邁克耳遜對(duì)比度，我們這里采用了局部統(tǒng)計(jì)特征來定義對(duì)比度。計(jì)算結(jié)果參見附圖2。可以看出有目標(biāo)的區(qū)域和沒有目標(biāo)的區(qū)域的對(duì)比度大部分是不相同的，對(duì)于紋理豐富的靜止區(qū)域，對(duì)比度也足夠大，但是這部分我們將采用人的另一個(gè)特性一對(duì)運(yùn)動(dòng)敏感來去除。
有了如附圖2對(duì)比度計(jì)算結(jié)果，我們根據(jù)對(duì)比度較大的區(qū)域認(rèn)為是我們感興趣的區(qū)域，因此可以通過閾值處理得到。
ICm(x,y)=lifC(p,q)(x,y)≥TlotherwiseC(p,q)(x,y)=0---(3)]]>其中，Tl是閾值。一個(gè)應(yīng)用對(duì)比度來檢測(cè)目標(biāo)的示例如附圖3所示。
3.基于對(duì)比度變化信息運(yùn)動(dòng)檢測(cè)技術(shù)對(duì)比度信息只是給出了對(duì)比度大于某個(gè)閾值的目標(biāo)。感興趣目標(biāo)也包括在內(nèi)，但是還存在大量的不感興趣的目標(biāo)，如許多紋理信息和邊緣信息，但在夜間監(jiān)控中移動(dòng)的目標(biāo)是我們更感興趣的。我們認(rèn)為目標(biāo)的移動(dòng)帶有一定的規(guī)律性。具體到對(duì)比度特征就是目標(biāo)的移動(dòng)必然帶來周圍對(duì)比度的改變，這種改變被表示為ICji=T(|ICmi-ICmj|)---(4)]]>這里ICmi、ICmj分別是i和j幀的對(duì)比度圖像，T是閾值用于去除噪聲干擾。通過這一步我們可以得到移動(dòng)目標(biāo)的準(zhǔn)確位置信息。
利用對(duì)比度變化來準(zhǔn)確監(jiān)測(cè)運(yùn)動(dòng)目標(biāo)的示例如附圖4所示。
4.基于預(yù)測(cè)的目標(biāo)跟蹤技術(shù)目標(biāo)跟蹤是在目標(biāo)檢測(cè)的基礎(chǔ)上判斷不同時(shí)段目標(biāo)是否對(duì)應(yīng)的問題，由于夜間場(chǎng)景的特殊性，本發(fā)明僅僅利用速度信息來預(yù)測(cè)目標(biāo)的當(dāng)前位置和下一時(shí)刻位置，達(dá)到目標(biāo)跟蹤的目的，同時(shí)，跟蹤獲得的軌跡信息也被反饋用于目標(biāo)的檢測(cè)，使得目標(biāo)檢測(cè)更為準(zhǔn)確。
在進(jìn)行跟蹤時(shí)，首先對(duì)以前檢測(cè)出的目標(biāo)進(jìn)行運(yùn)動(dòng)預(yù)測(cè)。由于視頻的幀率為30FPS，因此可以近似認(rèn)為每一個(gè)運(yùn)動(dòng)目標(biāo)在前后幾幀之內(nèi)為勻速，目標(biāo)的預(yù)測(cè)位置只是根據(jù)目標(biāo)在上一幀中的位置和其運(yùn)動(dòng)速度得出而沒有考慮加速度的問題。當(dāng)然，這只是最基本的想法。由于每一幀中檢測(cè)到的同一個(gè)目標(biāo)的尺寸也不盡相同，中心點(diǎn)位置會(huì)經(jīng)常抖動(dòng)，目標(biāo)的移動(dòng)路徑并不是光滑曲線，若直接采用上一幀中目標(biāo)的位置作為預(yù)測(cè)參考可能會(huì)產(chǎn)生較大的誤差，因此需要用時(shí)域平均的方法獲取預(yù)測(cè)參考點(diǎn)。其計(jì)算公式如下。
RefPtk,t=Σi=1NObjPtk,t-iN---(5)]]>其中，RefPtk，t為第k個(gè)目標(biāo)在t時(shí)刻的預(yù)測(cè)參考點(diǎn)，{ObjPtk}為該目標(biāo)的軌跡點(diǎn)序列，N是時(shí)域平均時(shí)采用的窗口大小。
在計(jì)算目標(biāo)的運(yùn)動(dòng)速度時(shí)，同樣涉及到抗抖動(dòng)的問題。我們并不是簡(jiǎn)單的從前后兩幀中目標(biāo)的位置計(jì)算其移動(dòng)速度，參考點(diǎn)的選取需要有一定的時(shí)間間隔(在這里默識(shí)選取間隔11幀)，參考點(diǎn)也是通過連續(xù)N幀中目標(biāo)位置的均值計(jì)算得到的。計(jì)算目標(biāo)速度的公式如下所示。
Vk,t=Σi=1NObjPtk,t-i-Σi=M+1M+NObjPtk,t-iM·N---(6)]]>其中，M為間隔幀數(shù)，N為時(shí)域平均時(shí)采用的窗口大小。按照勻速運(yùn)動(dòng)的假設(shè)，目標(biāo)的預(yù)測(cè)位置如下式所示。
PredPtk,t=RefPtk,t+Vk,t·([N2]+1)---(7)]]>由于上述計(jì)算過程中需要目標(biāo)在當(dāng)前幀之前數(shù)幀內(nèi)的軌跡信息，這就要求目標(biāo)軌跡中至少已經(jīng)具有(M+N)個(gè)點(diǎn)。當(dāng)目標(biāo)的軌跡點(diǎn)不足該數(shù)目時(shí)，系統(tǒng)直接使用目標(biāo)在上一幀中的軌跡點(diǎn)作為其預(yù)測(cè)位置。
上述預(yù)測(cè)運(yùn)算結(jié)束后，逐一計(jì)算當(dāng)前幀中每個(gè)前景對(duì)象與各目標(biāo)的預(yù)測(cè)位置之間的距離。假設(shè)當(dāng)前幀中檢測(cè)到的前景對(duì)象為S個(gè)，目標(biāo)數(shù)為K，則可構(gòu)成K*S距離矩陣|Dks，t|，其中Dks，t為t時(shí)刻第k個(gè)目標(biāo)象與第s個(gè)前景對(duì)象間的歐式距離，即
Dks，t＝|PredPtk，t-ForePts，t|(8)僅當(dāng)Dks，t同時(shí)為第k行和第s列最小值且Dks，t不大于預(yù)測(cè)誤差限時(shí)，認(rèn)為第s個(gè)前景對(duì)象是第k個(gè)目標(biāo)在當(dāng)前幀中的延續(xù)。即必須同時(shí)滿足第k個(gè)目標(biāo)是離第s個(gè)前景對(duì)象最近的目標(biāo)且第s個(gè)前景對(duì)象也是離第k個(gè)目標(biāo)最近的前景對(duì)象時(shí)才認(rèn)為兩者是同一個(gè)目標(biāo)。本系統(tǒng)的預(yù)測(cè)誤差限默認(rèn)取10.0，當(dāng)使用上一幀中目標(biāo)位置作為當(dāng)前幀中預(yù)測(cè)位置時(shí)則取20.0。判斷結(jié)束后未被歸入任何目標(biāo)的前景對(duì)象被認(rèn)為是新出現(xiàn)的目標(biāo)，并存入目標(biāo)隊(duì)列。對(duì)于在當(dāng)前幀未能找到匹配前景對(duì)象的目標(biāo)，將其預(yù)測(cè)位置作為該目標(biāo)在當(dāng)前幀中的出現(xiàn)位置存入目標(biāo)的軌跡點(diǎn)序列，只有當(dāng)目標(biāo)連續(xù)丟失F1幀后才認(rèn)為目標(biāo)已丟失。這樣的設(shè)置是為了防止前景檢測(cè)時(shí)的漏檢(當(dāng)兩個(gè)目標(biāo)相互重疊時(shí)往往會(huì)被檢測(cè)為一個(gè)前景對(duì)象從而造成其中一個(gè)或兩個(gè)目標(biāo)發(fā)生漏檢)造成的軌跡不連續(xù)。本系統(tǒng)中閾值F1默認(rèn)取值為30。對(duì)于新出現(xiàn)的目標(biāo)，只有當(dāng)其連續(xù)出現(xiàn)F2幀時(shí)才被認(rèn)為是有效目標(biāo)，根據(jù)圖像噪聲的白噪聲特性，由噪聲造成的誤判前景對(duì)象一般不會(huì)在同一位置或其臨近位置連續(xù)幾幀出現(xiàn)，因此采用這種策略可以進(jìn)一步抑止噪聲影響。本系統(tǒng)中F2的默認(rèn)取值為6。
介紹了實(shí)施方案中的一些技術(shù)細(xì)節(jié)之后，下面詳細(xì)說明本發(fā)明的試驗(yàn)效果為了驗(yàn)證本方法的有效性，我們選擇了如附圖6所示的實(shí)時(shí)監(jiān)控平臺(tái)。該實(shí)驗(yàn)平臺(tái)包括19個(gè)攝像頭。場(chǎng)景包括室內(nèi)走廊、大廳，室外交通場(chǎng)景等典型的情況。所有視頻以30幀每秒的速度采集，且原始尺寸為320x240。我們對(duì)夜間不同時(shí)段的數(shù)據(jù)進(jìn)行了測(cè)試。
附圖7和附圖8展示了夜間目標(biāo)檢測(cè)和跟蹤的結(jié)果，在能見度足夠的情況下，夜間燈光的影響是使檢測(cè)失敗的主要原應(yīng)。在夜間交通場(chǎng)景，不僅需要準(zhǔn)確的檢測(cè)到車輛，而且應(yīng)該避免由于車燈在路面反射的燈光造成的誤檢。在附圖8，窗戶燈光的反射同樣會(huì)產(chǎn)生錯(cuò)誤的檢測(cè)如附圖(a)所示。(b)是我們的檢測(cè)結(jié)果，可以看到能夠準(zhǔn)確的檢測(cè)到目標(biāo)而不被其他因素干擾。
附圖9是極弱光照條件下目標(biāo)的檢測(cè)與跟蹤示例。附圖10是將我們的發(fā)明應(yīng)用到大霧條件下的檢測(cè)結(jié)果。同時(shí)我們利用評(píng)估方法對(duì)我們的發(fā)明與技術(shù)文獻(xiàn)中的方法做出比較，比較結(jié)果如附圖11。可以看出1)效果好，檢測(cè)準(zhǔn)確率高。對(duì)光線尚好的情況下，我們的發(fā)明的檢測(cè)準(zhǔn)確率(大于95％)普遍高于現(xiàn)有技術(shù)(小于80％)，同時(shí)對(duì)于微弱光照、大霧等情況下其他的方法不能工作而我們的發(fā)明可以有效地檢測(cè)運(yùn)動(dòng)目標(biāo)。2)適應(yīng)性不僅對(duì)晚上及惡劣天氣有效，對(duì)于正常天氣條件下，尤其是陽(yáng)光下的目標(biāo)檢測(cè)同樣有效，而且因?yàn)榭紤]到了局部統(tǒng)計(jì)特性，能有效地去除目標(biāo)陰影。3)計(jì)算代價(jià)最低的計(jì)算代價(jià)是該發(fā)明的優(yōu)點(diǎn)之一，這主要得益于更加簡(jiǎn)單的特征選擇。我們使用的原始特征是基于塊狀的統(tǒng)計(jì)對(duì)比度信息，對(duì)于原始尺寸為320×240的圖像，如果我們選擇4×4的窗口來計(jì)算，則最后需要計(jì)算的圖像尺寸僅為80×60，和中提到的逐點(diǎn)建模相比，考慮到其他計(jì)算，速度至少快4-6倍。我們的算法在特征選擇、計(jì)算代價(jià)、檢測(cè)準(zhǔn)確度和適應(yīng)性方面都有著一定的優(yōu)越性。
總之，基于人的視覺特性，本發(fā)明提出了一種簡(jiǎn)單有效的夜間目標(biāo)檢測(cè)和跟蹤算法。改進(jìn)的幀間間隔選取技術(shù)被用來選取信差別足夠大的兩幀；然后，通過對(duì)比度信息來實(shí)現(xiàn)夜間目標(biāo)特征的提取，同時(shí)考慮到時(shí)間信息，用對(duì)比度變化信息進(jìn)一步確定運(yùn)動(dòng)目標(biāo)；最后，跟蹤過程采用速度預(yù)測(cè)模型，跟蹤目標(biāo)的多幀匹配被用于最終判決目標(biāo)的檢測(cè)。在真實(shí)的監(jiān)控實(shí)驗(yàn)數(shù)據(jù)庫(kù)上的試驗(yàn)結(jié)果驗(yàn)證了我們算法的有效性。
權(quán)利要求
1.一種基于視覺特性的夜間目標(biāo)檢測(cè)和跟蹤方法，包括步驟a.捕捉夜間視頻；b.采用自適應(yīng)算法決定幀間差；c.根據(jù)對(duì)比度確定目標(biāo)區(qū)域；d.根據(jù)速度信息預(yù)測(cè)目標(biāo)的當(dāng)前位置和下一時(shí)刻的位置。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于采用攝像機(jī)捕捉夜間視頻。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于所述攝像機(jī)至少為一個(gè)。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于采用下式計(jì)算幀間差NCC=ΣmΣn(Iimm-I‾i)(Ijmm-I‾j)(ΣmΣn(Iimm-I‾i)2)(ΣmΣn(Ijmm-I_j)2).]]>
5.根據(jù)權(quán)利要求1所述的方法，其特征在于所述對(duì)比度由局部統(tǒng)計(jì)特征定義。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于所述對(duì)比度按下式變化ICji=T(|ICmi-ICmj|)---(4)]]>這里Icmi、Icmj分別是i和j幀的對(duì)比度圖像，T是閾值用于去除噪聲干擾。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于用時(shí)域平均方法獲取預(yù)測(cè)參考點(diǎn)。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于目標(biāo)的預(yù)測(cè)位置如下式所示PredPtk,t=RefPtk,t+Vk,t·([N2]+1).]]>
9.根據(jù)權(quán)利要求1所述的方法，其特征在于系統(tǒng)的預(yù)測(cè)誤差限默認(rèn)取10或20。
10.根據(jù)權(quán)利要求1所述的方法，其特征在于系統(tǒng)中閾值默認(rèn)取值為30或6。
全文摘要
一種基于視覺特性的夜間目標(biāo)檢測(cè)和跟蹤方法，包括步驟捕捉夜間視頻；采用自適應(yīng)算法決定幀間差；根據(jù)對(duì)比度確定目標(biāo)區(qū)域；根據(jù)速度信息預(yù)測(cè)目標(biāo)的當(dāng)前位置和下一時(shí)刻的位置。本發(fā)明能準(zhǔn)確地判斷幀間的相似度，有助于后續(xù)過程的處理。引入了對(duì)比度這一人類的最基本的視覺特性來表達(dá)圖像，使得算法不僅在晚上而且在惡劣的天氣如霧天情況也能有效。一些軌跡分析的方法用于反饋到檢測(cè)階段，對(duì)噪聲以及光線的變化能夠較好的濾除，進(jìn)一步提高了檢測(cè)的準(zhǔn)確度。
文檔編號(hào)G06T7/20GK1988653SQ20051013069
公開日2007年6月27日 申請(qǐng)日期2005年12月21日 優(yōu)先權(quán)日2005年12月21日
發(fā)明者譚鐵牛, 黃凱奇, 王亮生 申請(qǐng)人:中國(guó)科學(xué)院自動(dòng)化研究所