CN103400395A - 一种基于haar特征检测的光流跟踪方法 - Google Patents

一种基于haar特征检测的光流跟踪方法 Download PDF

Info

Publication number
CN103400395A
CN103400395A CN2013103179930A CN201310317993A CN103400395A CN 103400395 A CN103400395 A CN 103400395A CN 2013103179930 A CN2013103179930 A CN 2013103179930A CN 201310317993 A CN201310317993 A CN 201310317993A CN 103400395 A CN103400395 A CN 103400395A
Authority
CN
China
Prior art keywords
tracking
frame
error
related coefficient
haar feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2013103179930A
Other languages
English (en)
Inventor
毛亮
冯琰一
张少文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PCI Suntek Technology Co Ltd
Original Assignee
PCI Suntek Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by PCI Suntek Technology Co Ltd filed Critical PCI Suntek Technology Co Ltd
Priority to CN2013103179930A priority Critical patent/CN103400395A/zh
Publication of CN103400395A publication Critical patent/CN103400395A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种基于HAAR特征检测的光流跟踪方法，首先采集视频帧，进行光照归一化处理，并利用基于HAAR特征的ADABOOST检测算法对目标进行检测；然后利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数；最后，通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。该方法能够适应复杂动态背景扰动和光照变化的影响，能够准确的对运行目标进行跟踪，同时具有很好的鲁棒性。

Description

一种基于HAAR特征检测的光流跟踪方法
技术领域
本发明涉及计算机视觉技术，特别是涉及一种基于HAAR特征检测的光流跟踪方法。
背景技术
随着科学技术的发展以及人们对安全防范意识的不断增强，具有智能分析功能的新一代视频监控***，开始在安全监控领域发挥非常积极的作用，己经开始渗入到我们的日常生活当中。
智能视频监控是指在不需要人为干预的情况下，利用计算机视觉分析方法对视频序列进行自动分析，实现运动目标检测、分类、识别、跟踪等，并在此基础上，通过预先设定的规则对目标的行为进行分析，从而为采取进一步措施提供参考(比如在对象进入设防区时自动报警)。其中，运动目标跟踪的目的是在图像序列的每一帧图像中找到感兴趣的运动目标位置，即在一段视频的不同帧中，把被跟踪的物体标记出来。
目前，应用比较广泛的目标跟踪方法有：卡尔曼滤波算法、CAMSHIFT算法等；卡尔曼滤波算法的效率较高，通过时间更新和测量更新两个方程，实现一种预估计到标定的策略；CAMSHIFT算法利用目标的颜色特征在视频图像中找到运动目标所在的位置和大小，在下一帧视频图像中，用运动目标当前的位置和大小初始化搜索窗口，重复这个过程就可以实现对目标的连续跟踪。CAMS HIFT能有效解决目标变形和遮挡的问题，对***资源要求不高，时间复杂度低，在简单背景下能够取得良好的跟踪效果。但当背景较为复杂，或者有许多与目标颜色相似像素干扰的情况下，会导致跟踪失败。
为了提高跟踪的准确性，现有基于HAAR特征检测的光流跟踪方法，首先采集视频帧，进行光照归一化处理，并利用基于HAAR特征的ADABOOST检测算法对目标进行检测；然后利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数；最后，通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。该方法能够适应复杂动态背景扰动和光照变化的影响，能够准确的对运行目标进行跟踪，同时具有很好的鲁棒性。
运动目标跟踪会受到光照不均匀、其他运动目标的干扰，遮挡等因素的影响，因此如果想要建立一个适合所有情况的目标跟踪算法是不现实的，必须根据实际情况建立有效的跟踪算法。
发明内容
本发明提供了一种基于HAAR特征检测的光流跟踪方法，该方法能够适应复杂动态背景扰动和光照变化的影响，准确的对运行目标进行跟踪，同时具有很好的鲁棒性。
为了实现上述目的，本发明包括如下技术特征：包括首先采集视频帧，进行光照归一化处理，并利用基于HAAR特征的ADABOOST检测算法对目标进行检测；然后利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数；最后，通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。
与现有的方法相比，本发明提出了首先采集视频帧，进行光照归一化处理，并利用基于HAAR特征的ADABOOST检测算法对目标进行检测；然后利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数；最后，通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。该方法能够适应复杂动态背景扰动和光照变化的影响，能够准确的对运行目标进行跟踪，同时具有很好的鲁棒性。
附图说明
附图为本发明的总体流程图；
具体实施方式
本发明设计了一种基于HAAR特征检测的光流跟踪方法，该方法能够适应复杂动态背景扰动和光照变化的影响，准确的对运行目标进行跟踪，同时具有很好的鲁棒性。
如附图所示，该方法流程图包括采集视频帧，光照归一化，利用基于HAAR特征的ADABOOST检测算法对目标进行检测，计算前后两帧跟踪点的误差，计算相关系数，判断误差和相关系数大于是否大于某一阈值，来筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。
具体实现为：包括采集视频帧，进行光照归一化处理，并利用基于HAAR特征的ADABOOST检测算法对目标进行检测；然后利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数；最后，通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。
所述从获取视频帧，进行光照归一化，并利用基于HAAR特征的ADABOOST检测算法对目标进行检测；
所述根据所述利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数。
所述根据所述通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。
由上述可见，本发明一个具体实施例为对场景中的运动目标进行跟踪。进一步的，通过采集视频帧，并提取初始背景帧，对目标进行检测；然后利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数；最后，通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。
因此，容易理解，以上所述仅为本发明的较佳实施例，并非用于限定本发明的精神和保护范围，任何熟悉本领域的技术人员所做出的等同变化或替换，都应视为涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于HAAR特征检测的光流跟踪方法，其特征在于：首先采集视频帧，进行光照归一化处理，并利用基于HAAR特征的ADABOOST检测算法对目标进行检测；然后利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数；最后，通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。
2.根据权利要求1所述的一种基于HAAR特征检测的光流跟踪方法，其特征在于：根据所述采集视频帧，进行光照归一化处理，并利用基于HAAR特征的ADABOOST检测算法对目标进行检测。
3.根据权利要求1所述的一种基于HAAR特征检测的光流跟踪方法，其特征在于：根据所述利用中值光流跟踪算法计算前后两帧跟踪点的误差，并通过当前帧和前一帧计匹配算出对应的相关系数。
4.根据权利要求1所述的一种基于HAAR特征检测的光流跟踪方法，其特征在于：根据所述通过误差和相关系数大于某一阈值，筛选出不到50％的跟踪的特征点，并通过误差和相关系数的累加，计算出跟踪偏移量，预测下一帧的目标位置，实现目标有效的跟踪。
CN2013103179930A 2013-07-24 2013-07-24 一种基于haar特征检测的光流跟踪方法 Pending CN103400395A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013103179930A CN103400395A (zh) 2013-07-24 2013-07-24 一种基于haar特征检测的光流跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013103179930A CN103400395A (zh) 2013-07-24 2013-07-24 一种基于haar特征检测的光流跟踪方法

Publications (1)

Publication Number Publication Date
CN103400395A true CN103400395A (zh) 2013-11-20

Family

ID=49564007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013103179930A Pending CN103400395A (zh) 2013-07-24 2013-07-24 一种基于haar特征检测的光流跟踪方法

Country Status (1)

Country Link
CN (1) CN103400395A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108470354A (zh) * 2018-03-23 2018-08-31 云南大学 视频目标跟踪方法、装置和实现装置
CN108876812A (zh) * 2017-11-01 2018-11-23 北京旷视科技有限公司 用于视频中物体检测的图像处理方法、装置及设备
WO2018233438A1 (zh) * 2017-06-21 2018-12-27 腾讯科技（深圳）有限公司 人脸特征点跟踪方法、装置、存储介质及设备
CN110517296A (zh) * 2018-05-21 2019-11-29 北京京东尚科信息技术有限公司 目标跟踪方法、装置、存储介质及电子设备
CN111882583A (zh) * 2020-07-29 2020-11-03 成都英飞睿技术有限公司 一种运动目标检测方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010276529A (ja) * 2009-05-29 2010-12-09 Panasonic Corp 物体同定装置および物体同定方法
CN102156991A (zh) * 2011-04-11 2011-08-17 上海交通大学 基于四元数的物体光流跟踪方法
CN102867311A (zh) * 2011-07-07 2013-01-09 株式会社理光 目标跟踪方法和目标跟踪设备
CN102903122A (zh) * 2012-09-13 2013-01-30 西北工业大学 基于特征光流与在线集成学习的视频目标跟踪方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010276529A (ja) * 2009-05-29 2010-12-09 Panasonic Corp 物体同定装置および物体同定方法
CN102156991A (zh) * 2011-04-11 2011-08-17 上海交通大学 基于四元数的物体光流跟踪方法
CN102867311A (zh) * 2011-07-07 2013-01-09 株式会社理光 目标跟踪方法和目标跟踪设备
CN102903122A (zh) * 2012-09-13 2013-01-30 西北工业大学 基于特征光流与在线集成学习的视频目标跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨明浩 等: "排除光流错误跟踪点的鲁棒方法", 《计算机辅助设计与图形学学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018233438A1 (zh) * 2017-06-21 2018-12-27 腾讯科技（深圳）有限公司 人脸特征点跟踪方法、装置、存储介质及设备
US10943091B2 (en) 2017-06-21 2021-03-09 Tencent Technology (Shenzhen) Company Limited Facial feature point tracking method, apparatus, storage medium, and device
CN108876812A (zh) * 2017-11-01 2018-11-23 北京旷视科技有限公司 用于视频中物体检测的图像处理方法、装置及设备
CN108470354A (zh) * 2018-03-23 2018-08-31 云南大学 视频目标跟踪方法、装置和实现装置
CN110517296A (zh) * 2018-05-21 2019-11-29 北京京东尚科信息技术有限公司 目标跟踪方法、装置、存储介质及电子设备
CN110517296B (zh) * 2018-05-21 2022-06-07 北京京东尚科信息技术有限公司 目标跟踪方法、装置、存储介质及电子设备
CN111882583A (zh) * 2020-07-29 2020-11-03 成都英飞睿技术有限公司 一种运动目标检测方法、装置、设备及介质
CN111882583B (zh) * 2020-07-29 2023-11-14 成都英飞睿技术有限公司 一种运动目标检测方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN100545867C (zh) 航拍交通视频车辆快速检测方法
EP2801078B1 (en) Context aware moving object detection
CN107123131B (zh) 一种基于深度学习的运动目标检测方法
EP2858008A2 (en) Target detecting method and system
CN101916447B (zh) 一种鲁棒的运动目标检测与跟踪图像处理方法
CN102982537B (zh) 一种检测场景变换的方法和***
CN112669349A (zh) 一种客流统计方法、电子设备及存储介质
CN102426785B (zh) 基于轮廓和局部特征点的交通流信息感知方法及***
CN102307274A (zh) 基于边缘检测和帧差法的运动检测方法
CN103400395A (zh) 一种基于haar特征检测的光流跟踪方法
CN103810717A (zh) 一种人体行为检测方法及装置
WO2014082480A1 (zh) 一种人数及人群运动方向的计算方法及装置
CN103093198A (zh) 一种人群密度监测方法及装置
CN110610150A (zh) 一种目标运动物体的跟踪方法、装置、计算设备和介质
CN105374049B (zh) 一种基于稀疏光流法的多角点跟踪方法及装置
CN103945089A (zh) 基于亮度闪烁修正及IP camera的动态目标检测方法
CN103428409A (zh) 一种基于固定场景的视频降噪处理方法及装置
CN105046719A (zh) 一种视频监控方法及***
CN110619651A (zh) 一种基于监控视频的行车道路分割方法
CN104778723A (zh) 红外图像中利用三帧差法进行移动侦测的方法
Kawakatsu et al. Traffic surveillance system for bridge vibration analysis
Furuya et al. Road intersection monitoring from video with large perspective deformation
CN107729811B (zh) 一种基于场景建模的夜间火焰检测方法
CN103093481B (zh) 一种基于分水岭分割的静态背景下运动目标检测方法
CN101877135B (zh) 一种基于背景重构的运动目标检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20131120

WD01 Invention patent application deemed withdrawn after publication