D0I:10.13374/i.issm1001-053x.2006.02.044 第28卷第2期 北京科技大学学报 Vol.28 No.2 2006年2月 Journal of University of Science and Technology Beijing Feb.2006 视频序列中运动目标跟踪新方法 艾金慰1)刘克2) 1)北京科技大学信息工程学院,北京1000832)国家自然科学基金委员会信息科学部,北京100085 摘要提出了一种跟踪视频图像序列中运动目标的新方法.该方法利用一种基于动态信息窗口 的自适应背景更新方法解决背景的复杂性问题,结合一种新的计算颜色模型解决运动阴影问题, 从而得到具有精确边缘的特定运动目标,计算了运动目标灰度质心,在坐标系中记录其位置,并采 用最小二乘法拟合实现了对运动目标的跟踪.实验结果表明这种方法能有效地跟踪并预测视频序 列中的运动目标, 关键词自适应背景更新;视频分割;颜色模型;质心;轨迹跟踪 分类号TP391.41;TP301.6 从视频序列图像中检测出运动目标,并对其 颜色k∈R,G,B}都进行建模.由于摄像头存 进行识别和跟踪,有着广泛的应用前景.数字图 在均值为0的高斯白噪声,所以可以用高斯分布 像目标跟踪是通过数字图像序列的分析和处理, 模型表示静态背景中每个像素在一段时间内的颜 跟踪其中的运动目标,在处理过程中要完成任务 色分布2].因此,式(1)中X,的概率密度函数可 有:(1)搜索图像中目标存在的区域:(2)分割与识 以表示为: 别运动目标;(3)确定目标点及运动踪迹1) 为了有效地从视频序列中提取运动目标区 P(X)= 域,首先利用统计方法建立了一个背景模型.对 假设R,G,B三个颜色分量相互统计独立, 于每一个像素点,根据其相关统计信息进行背景 (,c)(i=1,2,3)依次为三个颜色分量的均值 自适应更新.接着将含有运动目标的图像与背景 和方差,由最近的N个采样值决定 作差得到差分图像,再对差分图像进行阈值分割. 1.2基于动态信息窗口的背景更新 然后,利用消除阴影颜色模型消除分割后的图像 在视频流中,背景图像会随光线缓慢变化;同 的运动阴影,最终得到具有精确边缘的运动目标 时,当视频对象在场景中运动时,也可能改变背景 区域.最后计算运动目标灰度质心,并在坐标系 环境的局部光照.如果不对原来建立的背景模型 中记录其位置,采用最小二乘法拟合实现对运动 进行更新就容易将背景检测成运动目标,因此必 目标的跟踪 须动态地更新背景模型.背景模型更新的方法有 1自适应背景建模 很多,例如用带有预测的Kalman滤波器来适应 变化、用线性迭代的方法对背景区域的像素进行 1.1背景建模 更新.本文提出了一种新的基于概率的自适应模 在RGB颜色空间中,视频图像每个像素点都 型进行背景更新,即对于每一个像素点,维护一个 可用一个色彩矢量表示,记为C{r,g,b{,其中, 动态信息窗口,记录如下信息:(1)均值;(2)方差; g,b分别表示红,绿,篮三个颜色通道,混合了亮 (3)最近N个采样值;(4)前景点比率F;(5)像 度和色度信息,用下式表示视频序列图像中某像 素点处于观察状态的持续时间T,其中,前景点 素点在时刻t的取值: 比率是指N个采样值中被判定为前景点的次数 X:=(xi,xf,x) (1) 所占的比例.根据前景点比率F:确定像素点所 采用统计模型对静态背景中每个像素的每个 处的状态. 收稿日期:2004-1103修回日期:200502-24 (1)F:>A,观察状态S。·此时像素点取值 作者简介:艾金慰(1980一),男.顾士 呈现较大波动,需要进一步观察,背景模型不更 新.通常情况下,运动物体停留的时间比较短,该
第 卷 第 期 年 月 北 京 科 技 大 学 学 报 晚 价劝 视频序列 中运动 目标跟踪新方法 艾金慰 刘 克 北京科技大学信息工程学院 , 北京 国家 自然科学基金委员会信息科学部 , 北京 摘 要 提 出了一种跟踪视频 图像序列 中运动 目标的新方法 该方法利用 一种基于动态信息窗 口 的 自适应背景更新方法解决背景的复杂性 间题 , 结 合一 种新 的计算颜色模型 解决运动 阴影 问题 , 从而得到 具有精确边缘的特定运动 目标 计算了运动 目标灰度质心 , 在坐标系中记录其位置 , 并采 用最 小二乘法拟合实现了对运动 目标的跟踪 实验结果表明这种方法能有效地跟踪并预测视频 序 列中的运动 目标 关健词 自适应背景更新 视频分割 颜色模型 质心 轨迹跟踪 分类号 从视频序列 图像 中检测 出运 动 目标 , 并 对 其 进行识 别和跟 踪 , 有着广泛 的应 用 前景 数 字 图 像 目标跟踪是通过 数 字图像 序列 的分析 和 处 理 , 跟踪其中的运动 目标 在处理过 程 中要 完成 任务 有 搜索图像中 目标存在的区域 分割与识 别运动 目标 确定 目标 点及运动踪迹〔 ‘ 〕 为了有 效 地 从 视 频 序列 中提 取 运 动 目标 区 域 , 首先 利用统计方法 建立 了一个 背 景模型 对 于每一个像素点 , 根 据其 相关统计 信息进行 背 景 自适应更新 接着将含有运动 目标 的 图像与背景 作差得到 差分 图像 , 再对差分 图像进行 阑值分割 然后 , 利用消除阴影颜 色 模 型 消除分割后 的图像 的运动 阴影 , 最 终得 到具有精确边 缘 的运 动 目标 区域 最后 计算运 动 目标灰度 质心 , 并在 坐 标 系 中记录其位置 , 采用 最小二 乘法 拟 合 实现对 运 动 目标的跟踪 自适应背景建模 背景建模 在 颜色空 间中 , 视频 图像每个像素点都 可用一个色 彩矢量 表示 , 记为 , , , 其 中 , , 分别表 示红 , 绿 , 篮 三 个 颜 色 通 道 , 混 合 了 亮 度和 色度信息 用下式表示视频 序列 图像 中某像 素点在时刻 的取值 , 梦 , 梦 采用统计模型对静态背景 中每个像素的每个 收稿日期 一 , 修回 期 一 作者简介 艾金慰 一 , 男 , 硕士 颜色 任 , , 都进 行建模 由于 摄 像 头 存 在均值为 的高斯 白噪声 , 所 以 可 以 用 高斯分 布 模型表示静态背景 中每个像素在一段 时间内的颜 色分 布 因此 , 式 中 的概率 密度 函 数可 以表示 为 一 , 一 、 卉 厂 全一 召、 乃 , 、 日 下士不 一 青二二不尸一 替 丫厄妥决 一“ ’ 。 呀 、 一 假设 , , 三 个颜色 分量相互 统计独 立 , 产,, 。 子 , , 依次为三个颜色分量的均值 和方差 , 由最近 的 个采样值决定 基于动态信息窗口 的背景更新 在视频流 中 , 背景 图像会 随光线缓慢变化 同 时 , 当视频对象在场景 中运动时 , 也可能改变背景 环境 的局部光 照 、 如果不对 原来建立 的背景模型 进行更新就容 易将背景检测 成运 动 目标 , 因此 必 须动态地更新背景模型 背景模型更新的方法有 很 多 , 例如 用 带有预 测 的 滤 波 器 来适 应 变化 、 用线性迭代 的方 法 对 背景 区域 的像 素进 行 更新 本文提 出了一种新的基 于概率的 自适 应模 型进行背景更新 , 即对于每一个像素点 , 维护一个 动态信息窗 口 , 记录如下信息 均值 方差 最近 个 采样值 前景点 比率 像 素点处于观察状态 的持续 时间 其中 , 前景点 比率是指 个 采样值 中被判 定为前景 点的次数 所占的 比例 、 根 据 前 景点 比率 确 定像 素 点所 处的状态 , 观 察状态 。 此 时像素点取 值 呈现 较 大 波 动 , 需要 进 一 步 观察 , 背 景 模型 不 更 新 通 常情况下 , 运 动物体停 留的时间 比较短 , 该 DOI :10.13374/j .issn1001-053x.2006.02.044
·196· 北京科技大学学报 2006年第2期 状态的持续时间不会很长,如果该状态持续时间 相应的背景像素点的值.但是,阴影像素点的值 T:大于设定时间间隔T,可以判定发生了光照 与相应的背景像素点的值有相似的色度,通过比 亮度变化或移入移出新的物体等情况,即背景发 较前景像素点和对应的背景像素,如果色度和亮 生了变化,则根据最近的N个采样值进行背景模 度分量的差别分别在某一范围内,则该像素被认 型更新. 为是阴影].为此在三维RGB颜色空间中设计 (2)F:A B F:T. 图2计算颇色横型 Fig.2 Color calculation model 图1像素点状态迁移图 Fig.1 Pixel state updating 考虑图像中的像素X:令Ib(ER(X), Ec(X),EB(X)表示背景图像中RGB的期望 2运动区域提取 值,向量Oi。表示期望的背景颜色向量.另外,令 2.1差影法 I(R(X),G(X),B(X)表示像素在当前图像 首先用自适应背景更新算法更新背景模型, 中的RGB值,进行背景差运算时用该值与背景值 然后用当前图像与背景模型作差,从而得到差分 相减. 图像,再对差分图像进行阈值分割.参考式(2)确 进行阴影检测时,需要计算从【到Ib的色度 定的像素点取值的概率分布, 失真.色度失真的定义为从Oi到Oi的角度. A,(x)=['+z-+x-2] 2 OTOI C(X)=a arccos (5) 1oi11oi1 (3) 如果一个像素的值满足下式: 根据虚警率设置图像的全局阈值T,进行如 下判断: T。T。 (4) 测情况下归一化RGB失真△,(X)的上界,而T。 是色度失真的上界,这两个圆值可以由实验测定 从而得到二值分割图像,分割出运动目标, 这样,该像素被分类为背景点 “1"表示背景,黑色,灰度值为0;“0”表示前景,白 2.3运动目标提取 色,灰度值为255.由于初始图像存在噪声,此时, 由于图像中的运动目标可能不仅仅包括人, 运动目标对应的运动区域可能产生裂缝和空洞, 还可能有行驶的车辆或者走动的小动物.因此需 图像中还可能存在一些小噪声点.数学形态学的 要把分割得到的前景区域进行标记,根据前景区 闭运算具有填充物体内细小空洞、连接邻近物体、 域的特征,鉴别人体和其他有可能的运动目 滤除图像孤立小噪声点、在不明显改变物体面积 标[4],首先对前景区域进行标识.标记分割后二 的情况下平滑其边界的作用,故需要应用该运算 值图像中各区域的简单有效的方法是检查各像素 对所得二值图像进一步处理 与其相邻像素的连通性.在二值图像中,像素(x, 2,2消除阴影 y)的上下左右存在邻接的像素(x,y-1),(x, 由于光源的原因,运动目标可能在背景中留 y+1),(x-1,y),(x+1,y),(x-1,y-1), 下阴影.图像的RGB值混合了亮度和色度信息. (x-1,y+1),(x+1,y-1),(x+1,y+1)共 对于分割出的运动目标,像素点的RGB值不同于 八个像素点称为像素(x,y)的八邻域.如果具有
北 京 科 技 大 学 学 报 ‘ 年第 期 状态的持续时 间不 会 很 长 , 如果 该状 态持续时 间 大 于 设 定 时 间 间隔 , 可 以 判 定 发 生 了光 照 亮度变化或移入 移 出新的物 体等情况 , 即背 景发 生 了变化 , 则根据最近 的 个采样值进行背景模 型更新 , 更新状 态 。 此 时像 素 点平 稳 波动 , 背景模 型 正 常更 新 其 中 , 闽值 根据 图 像分割的虚警率来设定 像素点 的状态迁移 图如 图 所示 , 从 图中可以看到 , 当观察状态持续 时间 较 长时 , 背景模型会 自动更新 相应 的背景 像素点的值 但是 , 阴影像素点的值 与相应 的背景像素点 的值有相似的色度 通过 比 较前景像素点和 对 应 的背景 像素 , 如 果 色度和 亮 度分量的差别分别在某一 范围 内 , 则该像 素被认 为是阴影 闭 为此 在 三 维 颜色 空 间 中设计 一个计算颜色 模型 来分 离亮度和 色 度两个分量 图 显示 了所提 出的在三 维 空 间 中的颜 色 模型 凡 界 图 像紊点状态迁移图 加 叫 幼雌 图 计算颇色模型 运动区域提取 差影法 首先用 自适 应 背景更新算法 更新背 景模型 , 然后 用当前 图像与背景模型 作 差 , 从 而 得到 差 分 图像 , 再对 差分 图像进行阂值分割 参考 式 确 定的像素点取值的概率分布 , 考 虑 图 像 中 的 像 素 令 几 , , 表示 背 景 图像 中 的期 望 值 , 向量 苗 表示 期望 的背景颜 色 向量 另外 , 令 , , 刀 表 示 像素在 当前 图像 中的 值 , 进行背景差运 算时用该值与背景值 相减 进行阴影检测时 , 需要 计算从 到 几 的色 度 失真 色度失真的定义为从 苗到 苗 、 的角度 △ 「业上里卫三 些二乙丝止 一 以 口 以 卜 。 卜 门 十 一 下方‘ ‘ 一 ‘ 曰 根据虚警率设 置 图像的全局 阂值 , 进行如 下判断 立鱼立匕 “ 一 】 】一 , ‘ “ , 旧 △‘ 从而得 到 二 值 分 割 图像 , 分 割 出运 动 目标 , 气 ” 表示背 景 , 黑色 , 灰度值为 “ ” 表示 前景 , 白 色 , 灰度值为 由于初始 图像存在 噪声 , 此 时 , 运 动 目标对应 的运 动 区 域 可 能 产 生裂缝和 空 洞 , 图像中还 可能存在一些 小 噪声点 数学形 态学 的 闭运算具有填充物体 内细小空洞 、 连接邻近物体 、 滤除图像孤立 小 噪声点 、 在 不 明显 改变物体面 积 的情况下平滑 其边界 的作 用 , 故需要 应 用该运算 对所得二值图像进一步处理 消除阴影 由于光源的原 因 , 运动 目标可能在 背景 中 留 下 阴影 图像的 值混 合 了亮度和色 度信息 对于分割 出的运动 目标 , 像素点 的 值不 同于 如果一个像素的值满足下式 △, 和 。 则可以判定该点在 阴影 区 这 里 是在 阴影检 测情况下 归一化 失 真 △ 的上 界 , 而 是色度失真 的上界 , 这两个 闭值可以 由实验测 定 这 样 , 该像素被分类为背景点 运动 目标提取 由于 图像中的运 动 目标 可 能不 仅仅 包 括 人 , 还可能有行驶 的车辆或者走 动 的小动物 , 因此 需 要把分割得到 的前景 区域进行标记 , 根 据前景 区 域的 特 征 , 鉴 别 人 体 和 其 他 有 可 能 的 运 动 目 标 首先对前景 区 域进行 标识 标记分 割后 二 值图像 中各区域的简单有效的方法是检查各像素 与其相邻像素的连通性 在二值 图像 中 , 像素 , 妇 的上下左右存在邻接 的像 素 , , 一 , , , 一 , , , , 一 , 一 , 一 , 夕 , , 夕 一 , , 夕 共 八个像素点称为像素 , 的八邻域 如果具有
Vol.28 No.2 艾金慰等:视频序列中运动目标跟踪新方法 ·197· 相同值的两点间存在通路,称为八连通 的,只在坐标平面的有限部分中有非零值,则所有 本文考虑八连通情况.对分割后的二值图像 各阶矩皆存在,并且矩序列mo惟一地被f(i,j) 从左向右、从上向下进行扫描,假如当前像素的值 所确定.反之,m%也惟一地确定了f(i,j).惟 为1,就移动到下一个扫描位置.假如当前像素的 一性定理说明了各阶矩的存在性,得到具有精确 值为0并且它的左边、左上角、上边、右上角四个 边缘的运动区域后,质心坐标可由下式计算: 相邻像素的值都是1(扫描顺序保证这四个像素 已经被处理过),则给当前像素赋一个新的标记 x-m0= 22,》 =1s1 如果只有一个相邻像素值为0,就把该像素的标 m00 ∑∑f(,) 记赋给当前像素.如果两个或多个相邻像素值为 1=1j=1 0但标记并不一定相同,就将其中一个的标记赋 ∑∑if(i,i) 给当前像素并标明它们等价.如果发现从值为1 y=m=猛 83,》 (11) m00 的像素到一个孤立的值为0的像素的过渡,就赋 i=1j-1 一个新的目标标记.在扫描结束后将所有等价的 (xc,y)即为目标的灰度质心坐标 标记归入等价组,对每个组赋一个惟一的标记. 3.2拟合质心轨迹 然后第二次扫描图像,将每个标记用它所在等价 对于每一帧图像,经过前面的处理和计算,都 组的标记代替 可以得到目标的灰度质心.下面就可以在坐标系 对于每个前景区域计算如下信息:(1)最左边 中描绘出质心点,并利用最小二乘法拟合出目标 前景像素点的坐标(x1,y1);(2)最右边前景像素 的运动轨迹,同时可根据采样时间间隔预测出目 点的坐标(x,y);(3)最上边前景像素点的坐标 标质心的下一位置.由于目标在坐标系中的运动 (xu,y);(4)最下边前景像素点的坐标(xd, 对应着x坐标和y坐标的变化,所以在对目标轨 y);(5)目标区域的面积A,即前景像素点个数. 迹跟踪中,对x坐标和y坐标分别采用二次逼近 公式预测下-一位置的x坐标和y坐标 根据人体运动目标的特点,如果目标区域满 fo(t)=bo+b1t+b212 (12) 足如下条件: 其中,t为图像的采集时间间隔,经最小二乘法 minA<A<maxA (7) 运算后可得其系数为: m(Hw)K,<axw) (8) bo 则判定为人体运动区域.参数minA,maxA, 6 min(HW),max(HW)由实验测定.式(7)去除 噪声产生的小区域和光线亮度突然变化产生的大 区域;式(8)根据区域的高度H和宽度W之比来 f)+c2,)+c8 i-l i-1 排除非人体运动目标[5]. A 三+时*g3 3质心轨迹跟踪 fu)+ent)+ric 3.1计算质心 i=1 对于一幅M×N维的数字二值图像f(i, (13) j),定义如下: (13)式中f(t;)(i=1,2,…k)是函数f(t) 0 (i,j)object f(i)=1 (j)Eobject (9) (x或y坐标函数)在K个顺序时刻的测量值, |A|≠0.c是A(l,k=1,2,3)的代数余子式. 数字图像的p+q阶矩定义为: K = 分立 f(i.j) (10) =1=1 可以由图像的零、一阶矩计算目标的灰度质心 A= (14) 由于矩对于目标的大小、平移、旋转具有不变性, 因此灰度质心可以作为目标运动的不变点来处 理,根据惟一性定理,如果f(i,j)是分段连续
。 艾金慰等 视频序列 中运动 目标跟踪新方法 相 同值的两点间存在通路 , 称为八连通 本文考虑八连通情况 对分 割后 的二值 图像 从左 向右 、 从上 向下进行扫描 , 假如 当前像 素的值 为 , 就移动到下一个扫描位置 假如当前像素的 值为 并且 它 的左边 、 左 上 角 、 上边 、 右上 角 四 个 相邻像素的值都是 扫 描顺 序保证这 四 个 像 素 已经被处理过 , 则 给当前像 素赋 一 个 新 的标记 如果 只有一 个 相 邻像 素值为 , 就 把该像 素的标 记赋给当前像素 如果两个 或 多个相 邻像素值为 但标记并 不 一 定相 同 , 就 将其 中一 个 的标记赋 给当前像素并标 明它 们等价 如果 发现 从值为 的像素到 一个孤 立 的值为 的像素的过 渡 , 就 赋 一个新 的 目标标记 在扫描结束后 将所 有等价的 标记 归入 等价组 , 对 每个 组 赋 一 个 惟 一 的 标记 然后第二次扫描 图像 , 将每个 标记用它所 在等价 组 的标记代替 对于每个前景 区域计算如下信息 最左边 前景像素点的坐标 , 最右边前景像素 点的坐标 , 最上 边前景像 素点的坐标 , 最 下 边 前 景 像 素 点 的 坐 标 , 目标区域 的面积 , 即前景像素点个数 根据人体运 动 目标的特点 , 如果 目标 区域满 足如下条件 的 , 只在坐标平面 的有限部分 中有非零值 , 则所有 各阶矩 皆存在 , 并且矩序列 、 惟一地被 , 所确定 反之 , 闪 也 惟 一 地 确 定 了 、 力 惟 一性定理说 明了各 阶矩 的存 在性 , 得 到 具有精确 边缘的运动 区域后 , 质心坐标可 由下式计算 水 水 从 习 习 ‘ , 习 习 ‘ , 艺 乙 ‘ , 。 二 一 之 刀 。 。 名 习 , 二 粤 二抖 、 一 芯 则判 定 为 人 体 运 动 区 域 参 数 , , 。 即为 目标的灰度质心坐标 拟合质心轨迹 对于每一 帧图像 , 经过前面 的处理和计算 , 都 可 以得到 目标的灰度质心 下面就 可以在 坐标系 中描绘 出质心 点 , 并 利用 最 小二乘法拟 合 出 目标 的运动轨迹 , 同时可根据 采样 时 间间隔预 测 出 目 标 质心的下一位置 由于 目标在坐 标系 中的运动 对应着 坐标和 坐 标的变化 , 所 以在对 目标轨 迹跟踪 中 , 对 坐标和 坐 标分别 采用二 次逼近 公式预测 下一位置 的 坐标和 坐标 九 。 其中 , 为 图像 的采集时 间 间隔 , 经 最 小 二 乘 法 运算后 可得其 系数为 ‘ ﹁, 上内乙 一汤队厂比 、、 声 、产 , 尹 口 ‘ 口了、、 、 , 月 由实验 测 定 式 去 除 噪声产生的小区域和光 线亮度 突然变化 产生的大 区域 式 根据 区域 的高度 和 宽度 之 比来 排除非人体运动 目标 习 ,‘ ,习 ,了 忿‘ ‘ , 习 厂卜 ,分 ,、 厂比曰匕 艺 乙、 止 习 质心轨迹跟踪 计算质心 对于 一 幅 维 的数 字 二 值 图像 , 定义如下 ,了 ,、 。 习 ,分 习 、 习 ‘了 ‘、 。 , 习 ‘分 才、 , ” ‘ , , 戳均 , 任 式 中 £ , , … 是 函数 或 坐 标 函 数 在 个 顺 序 时 刻 的 测 量 值 , 半 。 是 , , , 的代数余子式 ﹁ 勺石门公之 ‘乙于上护 ·习同 · 。 间 ,︸之月之、 习‘子‘子奋‘ ·习间名 之气‘ ‘于‘子 · 间习 厂 才 一 数字 图像的 十 阶矩 定义为 、 一 艺 艺 ‘勺 ‘ , “ 可以 由图像 的零 、 一 阶矩 计算 目标 的灰度 质 心 由于 矩对 于 目标 的大 小 、 平 移 、 旋转具 有不变性 , 因此 灰度质心 可 以 作 为 目标运 动 的不 变 点来 处 理 根据惟 一性 定理 , 如 果 , 是 分 段 连 续
·198 北京科技大学学报 2006年第2期 要求.实验结果表明:本文提出的方法对背景的 4 实验结果 复杂性有很强的适应性和鲁棒性,并能有效地抑 应用本文提出的方法进行实验,实验结果如 制运动阴影从而提取具有精确边缘的运动区域, 图3所示.在CPU为P41.7GHz,内存为DDR 最终求取运动目标的灰度质心坐标并在坐标系中 256M的处理平台上,图像的分辨率为320×240 绘出质心运动轨迹.由于初始条件比较少,所以 像素,处理速度达20帧·s1,满足一般的实时性 初始时不进行下一点坐标预测,而从第10帧开始 以最近的6个点进行预测.从图中可以看到,随 着时间的推移,预测值越来越接近真实值,拟合效 果比较好 5结论 本文提出了一种质心轨迹跟踪视频图像序列 -05s =248 中的运动目标的新方法,通过自适应背景更新和 (@在不同时刻,背景光线发生显著 计算颜色模型解决实时运动检测问题的背景复杂 性与运动阴影的难点,在提取完整的运动区域后 通过计算灰度质心求取质心坐标,并通过最小二 乘法拟合质心运动轨迹.实验结果表明,本文所 提出的方法能有效跟踪视频序列中的运动目标. 参考文献 t=0.5s =248 [1]Park DK,Yoon HS,Won C S.Fast object tracking in digital (化)利用本文方法所提取的运动目标 video.IEEE Trans Consum Electron,2000,46(3):785 200 [2]Francois A,Medion G.Adaptive color beckground modeling 1S0 。目标移动方向 for real-time segmentation of video streams.//Proceedings of 质心轨迹 International on Imaging Science,Systems,and Technology 拟合曲线 Las Vegas,1999:227 100 [3]Horprasert T,Harwood D,Davis L S.A statistical approach for real-time robust background subtraction and shadow detec 50 tion [OL].http://www.eecs.lehigh.edu/FRAME/Hor- prasert/index.html,1999 0 50 100150200250300 [4]Haritaoglu,Harwood I,Davis D L S.W4:Real-time surveil lance of people and their activities.IEEE Trans Pattern Anal (c)预测结果 Mach Intell,2000,22(8):809 图3实验结果 [5]Wren C R.Pfinder:Real-time tracking of the human body. IEEE Trans Pattern Anal Mach Intell,1998,19(7):780 Fig.3 Experimental results A method of tracking a moving object in video sequences AI Jinwei),LIU Ke2) 1)Information Engineering School,University of Science and Technology Beijing,Beijing 100083,China 2)Department of Information Sciences.National Natural Science Foundation of China,Beijing 100085,China ABSTRACT A novel method of tracking a moving object in video sequences was presented.Adaptive background updating based on dynamic information window was used to solve the problem of complicated background,and a novel color model was used to dispel motion shadow.A given moving object with accu- rate edge was obtained.The centroid of the moving object was calculated and the coordinates were estab- lished.The method of 2-stage least squares was adopted to implement tracking the moving object.The re- sults showed that the presented method was promising to track and forecast the motion of a moving object in video sequences. KEY WORDS adaptive background updating;video segmentation;color model;centroid;trajectory tracking
北 京 科 技 大 学 学 报 年第 期 实验结果 应用本文提 出的方 法进 行 实验 , 实验 结果如 图 所示 在 为 , 内存 为 的处理平 台上 , 图像 的分 辨率 为 像素 , 处理速度达 帧 · 一 ‘ , 满足一般的实时性 要求 实验结果表 明 本 文 提 出的方法对背景的 复杂性有很强 的适 应性和 鲁棒性 , 并能有效地抑 制运动阴影从而 提取具有精确边缘 的运 动 区域 , 最终求取运动 目标的灰度质心坐标并在坐标系中 绘 出质心运 动 轨迹 由于 初始条件 比较少 , 所以 初始时不进行下一点坐 标预测 , 而从第 帧开始 以最 近 的 个 点进行预 测 从 图中可 以看到 , 随 着时间的推移 , 预测值越来越接近真实值 , 拟 合效 果 比较好 结论 本文提 出了一种质心轨迹跟踪视频 图像序列 中的运 动 目标的新方法 通过 自适 应背景更新和 计算颜色模型解决实时运动检测 问题的背景复杂 性与运动阴影 的难点 , 在提取完整 的运 动区域后 通过计算灰度质心 求取质 心 坐 标 , 并通 过 最 小二 乘法 拟 合 质心运动轨迹 实验 结果 表 明 , 本 文 所 提出的方法能有效跟踪视频序列 中的运动 目标 参 考 文 献 入 目标移动方向 质心轨迹 拟合曲线 八 八 ,乙 、一 八“ 八︸马八 ﹁ 预测结果 图 实验结果 , 幽 吐门 , , , 吨 叼 飞 , 勿 、 , , 比 以记 , 司 找姗 公 , , , 记 , 一 」朋 吸 入 的 】 , , 时 一 , , 诬 衅 砒时目 溉 , 上 价 眼 〕 , 正。 幼加 , , 拓 , 氏 一 , 肠 , , 。 。 飞 。 。 一 ·