一种室内实时人体跟踪方法、存储介质及设备

摘要

本发明涉及视频跟踪技术领域，公开了一种室内实时人体跟踪方法、存储介质及设备，该方法通过背景差分法进行检测，得到前景图像，并通过轮廓检测测可以获知目标的个数、位置及大小信息，进而判断是否产生了背景突变，若发生背景突变则需要重新进行背景初始化，否则将前景作为图像掩模板进行相应的背景更新过程。同时根据目标和阴影不同的光学和颜色特征来分离目标和阴影，让检测的目标更加准确，并且通过前景图像的累积以连接分裂的目标，使目标更加饱满匀称，使目标更加完整。同时建立目标链对目标进行匹配追踪，能够记录目标的运动轨迹，追踪效果好。本发明实现了在摄像机前下视监控下对稀疏人体的检测跟踪，算法实时性和鲁棒性强，准确率高。

权利要求

1.一种室内实时人体跟踪方法，其特征在于，包括以下步骤：

S100、从视频流中获取一帧图像；

S200、如果该帧图像为第一帧图像，将该帧图像作为背景，如果不是，则利用背景差分法提取前景图像；

S300、对提取的前景图像进行形态学滤波；

S400、对滤波后的图像进行轮廓检测，获知目标的个数、位置及大小信息；

S500、判断背景是否发生突变，如果发生突变，重新进行背景初始化，如果不是，进行背景更新过程，所述背景更新过程包括：对图像进行人目标识别；提取图像掩模板；进行背景更新，将更新后的图像作为背景；在步骤S500中，若背景未发生突变，将前景作为图像掩模板进行相应的背景更新过程，所述图像掩模板的作用是提取感兴趣区域，所述感兴趣区域为非0区域，并对感兴趣区域进行处理，提取感兴趣区域公式如下：式中： 为当前输入灰度图像， 为当前的掩模图像， 为当前背景灰度图像， 为前景图像二值化全局阈值，i，j为像素横纵坐标；

所述背景更新的公式如下：

式中： 为当前背景灰度图像， 为下一帧的背景估计， 、 为背景更新速率因子，背景更新速率因子越大，背景更新速度越快；

S600、根据目标和阴影不同的光学和颜色特征来分离目标和阴影，将阴影从前景图像中剔除；在步骤S600中，建立彩色背景，在RGB颜色空间中选取R分量和G分量作为色调参数，在满足亮度差要求的情况下，当颜色差异较小时，可认为该颜色差异较小的像素点为阴影，将其从前景中剔除；

将阴影去除的具体实现如下式：

式中： 为当前背景灰度图像， 为当前输入灰度图像， 仍为全局阈值， 为未进行阴影去除的二值化的前景图像，  为当前彩色图像的R分量， 为当前彩色背景的R分量， 为R分量阈值，  为当前彩色图像的G分量， 为当前彩色背景的G分量， 为G分量阈值， 为阴影去除后的二值化的前景图像；

S700、通过前景图像的累积以连接分裂的目标；

S800、建立目标链对目标进行匹配跟踪。

2.根据权利要求1所述的一种室内实时人体跟踪方法，其特征在于，在步骤S700中，通过前景图像的累积以连接分裂的目标，具体实现根据下式：式中： 表示当前运动历史图像， 表示前一帧的运动历史图像， 表示视频帧序号， 表示二值化前景图像， 表示运动累积的帧数， 表示运动累积图像，表征图像的运动历史信息，当像素点非前景点且其记录运动帧序号与当前帧序号间隔超过N时，运动历史信息清零，否则将保持不变；而当像素点为前景点时，运动历史信息为当前帧序号；合并分裂目标后，得到的运动累积图像是一个随目标运动灰度渐变的图像，距离当前帧越近灰度越大，反之越小。

3.根据权利要求1所述的一种室内实时人体跟踪方法，其特征在于，在步骤S800中，对提前后的运动目标进行目标匹配跟踪，实现目标的匹配跟踪的步骤包括：S810、记录各个目标的历史运动信息；

S820、建立一个目标链总表，其元素为各个不同的目标链，目标链的元素为每个目标在不同时刻的目标运动信息，目标运动信息包括目标形心、目标宽度、目标高度、目标前景点数个数以及目标所在帧序号。

4.根据权利要求3所述的一种室内实时人体跟踪方法，其特征在于，在步骤中，所述目标链的建立流程如下：S821、获取检测到的运动目标的运动信息，建立一个新的包含这些运动目标信息的元素；

S822、若目标链总表为空，则新建目标链表，在目标链的头部加入目标，在目标链总表的尾部加入目标链表，并返回步骤S1，否则进入下一步；

S823、在目标链总表中寻找与目标匹配的目标链，若找到则在目标链的头部加入目标，返回步骤S1，否则进入下一步；

S824、新建目标链，在目标链的头部加入目标，在目标链总表的尾部加入目标链表。

5.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求 1至4任意一项所述方法。

6.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求 1至4 任意一项所述方法。

说明书

一种室内实时人体跟踪方法、存储介质及设备

技术领域

[0001] 本发明涉及视频跟踪技术领域，特别是涉及一种室内实时人体跟踪方法、存储介质及设备。

背景技术

[0002] 当前，视频监控几乎无处不在，在室内视频监控中，使用者在获取监控视频的同时，还希望获得更多有用的统计信息，如进出人数等，而实时有效的人体检测跟踪是分析统计的前提和基础。在监控摄像机前下视布局的情况下，如何通过处理监控视频实时准确地进行人体检测跟踪是一个研究热点。

[0003] 在进行人体检测跟踪过程中，难点主要体现在以下几个方面：（1）前下视布局监控视场较大，运动目标的形变也大，因而难以进行稳定跟踪；（2）由于监控环境光线的影响，目标周围存在阴影，摄像机前下视布局情况下，阴影问题更为严重；（3）运用背景差法检测运动目标时，当目标运动到与背景灰度相近的位置时，目标可能发生分裂，目标的完整性遭到破坏；（4）目标遮挡严重，目标可能被背景中的静止物体遮挡也有可能被其他运动目标遮挡，在人流量较为稀疏的室内时，遮挡主要是指人被物遮挡的情况。因此需要一种能解决上述难点的人体检测跟踪方法。

[0004] 中国发明专利（CN115424207A） 公开了一种自适应监控系统及方法，系统包括监控视频输入模块、聚类模块、追踪模块、识别模块、合并分析模块，识别模块、追踪模块都与监控视频输入模块连接，聚类模块与合并分析模块连接，聚类模块通过追踪模块连接识别模块，识别模块连接合并分析模块。自适应监控方法，包括如下步骤：步骤一、监控视频输入模块进行视频图像的输入；步骤二、对视频图像通过两路并行处理；步骤三、两路对视频图像的处理结果进行合并分析并输出分析结果。该专利的追踪算法采用背景差分法，当目标运动到与背景灰度相近的位置时，目标可能发生分裂，导致目标的完整性遭到破坏，并且该专利未对阴影进行处理，导致目标丢失或是出现虚假目标，并且对目标的运动轨迹没有记录。

发明内容

[0005] 本发明的目的是提供一种目标完整且可实现稳定追踪的室内实时人体跟踪方法、存储介质及设备。

[0006] 为了实现上述目的，本发明提供了一种室内实时人体跟踪方法，包括以下步骤：

[0007] S100、从视频流中获取一帧图像；

[0008] S200、如果该帧图像为第一帧图像，将该帧图像作为背景，如果不是，则利用背景差分法提取前景图像；

[0009] S300、对提取的前景图像进行形态学滤波；

[0010] S400、对滤波后的图像进行轮廓检测，获知目标的个数、位置及大小信息；

[0011] S500、判断背景是否发生突变，如果发生突变，重新进行背景初始化，如果不是，进行背景更新过程，所述背景更新过程包括：对图像进行人目标识别；提取图像掩模板；进行背景更新，将更新后的图像作为背景；

[0012] S600、根据目标和阴影不同的光学和颜色特征来分离目标和阴影，将阴影从前景图像中剔除；

[0013] S700、通过前景图像的累积以连接分裂的目标；

[0014] S800、建立目标链对目标进行匹配跟踪。

[0015] 作为优选方案，在步骤S500中，若背景未发生突变，将前景作为图像掩模板进行相应的背景更新过程，所述图像掩模板的作用是提取感兴趣区域，所述感兴趣区域为非0区域，并对感兴趣区域进行处理，提取感兴趣区域公式如下：

[0016]

[0017] 式中： 为当前输入灰度图像， 为当前的掩模图像， 为当前背景灰度图像，为前景图像二值化全局阈值，i，j为像素横纵坐标。

[0018] 作为优选方案，所述背景更新的公式如下：

[0019]

[0020] 式中： 为当前背景灰度图像， 为下一帧的背景估计， 、 为背景更新速率因子，背景更新速率因子越大，背景更新速度越快。

[0021] 作为优选方案，在步骤S600中，建立彩色背景，在RGB颜色空间中选取R分量和G分量作为色调参数，在满足亮度差要求的情况下，当颜色差异较小时，可认为该颜色差异较小的像素点为阴影，将其从前景中剔除。

[0022] 作为优选方案，将阴影去除的具体实现如下式：

[0023]

[0024]

[0025] 式中： 为当前背景灰度图像， 为当前输入灰度图像， 仍为全局阈值，为未进行阴影去除的二值化的前景图像， 为当前彩色图像的R分量， 为当前彩色背景的R分量， 为R分量阈值， 为当前彩色图像的G分量， 为当前彩色背景的G分量，为G分量阈值， 为阴影去除后的二值化的前景图像。

[0026] 作为优选方案，在步骤S700中，通过前景图像的累积以连接分裂的目标，具体实现根据下式：

[0027]

[0028]

[0029] 式中： 表示当前运动历史图像， 表示前一帧的运动历史图像，表示视频帧序号， 表示二值化前景图像， 表示运动累积的帧数， 表示运动累积图像， 表征图像的运动历史信息，当像素点非前景点且其记录运动帧序号与当前帧序号间隔超过N时，运动历史信息清零，否则将保持不变；而当像素点为前景点时，运动历史信息为当前帧序号；合并分裂目标后，得到的运动累积图像是一个随目标运动灰度渐变的图像，距离当前帧越近灰度越大，反之越小。

[0030] 作为优选方案，在步骤S800中，对提前后的运动目标进行目标匹配跟踪，实现目标的匹配跟踪的步骤包括：

[0031] S810、记录各个目标的历史运动信息；

[0032] S820、建立一个目标链总表，其元素为各个不同的目标链，目标链的元素为每个目标在不同时刻的目标运动信息，目标运动信息包括目标形心、目标宽度、目标高度、目标前景点数个数以及目标所在帧序号。

[0033] 作为优选方案，在步骤中，所述目标链的建立流程如下：

[0034] S821、获取检测到的运动目标的运动信息，建立一个新的包含这些运动目标信息的元素；

[0035] S822、若目标链总表为空，则新建目标链表，在目标链的头部加入目标，在目标链总表的尾部加入目标链表，并返回步骤S1，否则进入下一步；

[0036] S823、在目标链总表中寻找与目标匹配的目标链，若找到则在目标链的头部加入目标，返回步骤S1，否则进入下一步；

[0037] S824、新建目标链，在目标链的头部加入目标，在目标链总表的尾部加入目标链表。

[0038] 本发明还提供一种计算机存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述方法。

[0039] 此外，本发明还提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述方法。

[0040] 与现有技术相比，其有益效果在于：

[0041] 本发明通过背景差分法进行检测，得到前景图像，并通过轮廓检测测可以获知目标的个数、位置及大小信息，进而判断是否产生了背景突变，若发生背景突变则需要重新进行背景初始化，否则将前景作为图像掩模板进行相应的背景更新过程，图像掩模板的引入可以让存在运动人体目标的地方背景更新慢一点，而不存在运动人体目标的地方，背景更新快一点，从而对运动目标进行持续稳定地检测。同时根据目标和阴影不同的光学和颜色特征来分离目标和阴影，让检测的目标更加准确，并且通过前景图像的累积以连接分裂的目标，使目标更加饱满匀称，使目标更加完整。而且本发明建立目标链对目标进行匹配追踪，能够记录目标的运动轨迹，追踪效果好。

附图说明

[0042] 图1是本发明实施例的室内实时人体跟踪方法的流程图。

[0043] 图2是本发明实施例的步骤S100至S500检测运动目标的流程图。

[0044] 图3是本发明实施例的阴影去除前的二值化前景。

[0045] 图4是本发明实施例的阴影去除后的二值化前景。

[0046] 图5是本发明实施例的分裂目标的合并结果图。

[0047] 图6是本发明实施例步骤S800目标跟踪的流程图。

具体实施方式

[0048] 下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

[0049] 实施例一

[0050] 如图1至图6所示，本发明优选实施例的一种室内实时人体跟踪方法，包括以下步骤：

[0051] S100、从视频流中获取一帧图像；

[0052] S200、如果该帧图像为第一帧图像，将该帧图像作为背景，如果不是，则利用背景差分法提取前景图像；

[0053] S300、对提取的前景图像进行形态学滤波；

[0054] S400、对滤波后的图像进行轮廓检测，获知目标的个数、位置及大小信息；

[0055] S500、判断背景是否发生突变，如果发生突变，重新进行背景初始化，如果不是，进行背景更新过程，所述背景更新过程包括：对图像进行人目标识别；提取图像掩模板；进行背景更新，将更新后的图像作为背景；

[0056] S600、根据目标和阴影不同的光学和颜色特征来分离目标和阴影，将阴影从前景图像中剔除；

[0057] S700、通过前景图像的累积以连接分裂的目标；

[0058] S800、建立目标链对目标进行匹配跟踪。

[0059] 本实施例通过背景差分法进行检测，得到前景图像，并通过轮廓检测测可以获知目标的个数、位置及大小信息，进而判断是否产生了背景突变，若发生背景突变则需要重新进行背景初始化，否则将前景作为图像掩模板进行相应的背景更新过程，图像掩模板的引入可以让存在运动人体目标的地方背景更新慢一点，而不存在运动人体目标的地方，背景更新快一点，从而对运动目标进行持续稳定地检测。同时根据目标和阴影不同的光学和颜色特征来分离目标和阴影，让检测的目标更加准确，并且通过前景图像的累积以连接分裂的目标，使目标更加饱满匀称，使目标更加完整。而且本实施例建立目标链对目标进行匹配追踪，能够记录目标的运动轨迹，追踪效果好。

[0060] 在构建监控摄像机前下视布局条件下的人体跟踪方法时，首先，考虑到摄像机是固定的，且应用环境在室内，因而可以建立一种鲁棒的背景模型，利用背景差分法进行运动人体检测，得到前景图像，然后，对前景图像进行二值化，并去除噪声和阴影，再对分裂的目标进行合并，匹配跟踪运动目标并绘制运动轨迹，最后显示处理结果。目前常用的运动目标检测方法主要有：背景差分法、帧间差法和光流法。考虑到监控摄像机是前下视固定架设的，且背景较为简单，因此本实施例采用背景差分方法进行运动目标检测。通常背景差分方法主要包括背景模型建立、背景模型更新、背景差和后处理等步骤。对于输入图像首先需要进行预处理，预处理主要是进行下采样或图像配准或去噪等操作，将预处理得到的输入图像与背景作差即可得到前景图像，同时进行背景更新，前景图像即为视频中的运动信息，但是运动信息可能包含有噪声和阴影影响并有可能发生目标分裂。因此本实施例对检测到的前景进行去噪、去阴影及目标合并等处理。为了准确地更新背景并稳定检测出运动人体目标，系统将运动目标检测及人目标的识别结果反馈回背景差模块来避免在背景差时将人错误的融入背景模型，这就提高了整个系统的鲁棒性。

[0061] 本实施例利用背景差法检测运动目标的具体流程如图2所示。在获取前景图像进行后进行形态学滤波，对滤波后的图像进行轮廓检测，获知目标的个数、位置及大小信息，进而判断是否产生了背景突变。因此，在步骤S500中，若发生背景突变则需要重新进行背景初始化，若背景未发生突变，则将前景作为图像掩模板进行相应的背景更新过程，图像掩模板的作用是提取“感兴趣”区域（非0区域为感兴趣区域），并对“感兴趣”区域进行处理，其获取公式及背景更新公式如下：

[0062] （1）

[0063] （2）

[0064] 式中： 为当前背景灰度图像， 为当前输入灰度图像， 为下一帧的背景估计， 为当前的掩模图像， 为前景图像二值化全局阈值，i，j为像素横纵坐标。 、 为背景更新速率因子，背景更新速率因子越大，背景更新速度越快。 、 控制背景更新速率，背景更新速率越大，背景更新速度越快。为了对运动目标进行持续稳定地检测，希望存在运动人体目标的地方背景更新慢一点，而不存在运动人体目标的地方，背景更新快一点，掩模板图像的引入很好地解决了上述问题。优选地本实施例中 、 分别取为0.05和0.005。实验中，直接采用了全局阈值法进行前景二值化，提高了算法的实时性，为尽量完整地检测出运动目标，本实施例中全局阈值 取为10，全局阈值较小使得阴影影响较为严重，这将在阴影去除部分进行讨论。

[0065] 由于灯光和外界光线的作用，运动目标伴随有运动阴影，为了尽量完整地检测出运动目标，全局阈值取得较小，这在较完整检测运动目标的同时也将更多的阴影误检测为前景目标，这会带来很严重的后果：a) 场景内目标的融合（阴影可能连接若干独立目标）；b)目标几何特征的扭曲（光照等外部条件引起的阴影变化将影响目标形状）；c) 目标的丢失（阴影遮住了其他目标）；d)虚假目标的出现（目标与其阴影分离时，阴影被检测为目标）。

[0066] 当前，有关阴影检测方面的研究很多，本实施例在步骤S600中，根据目标和阴影不同的光学和颜色特征来分离目标和阴影，由于阴影点与对应的背景点相比，亮度要低，而色调是近似一致的。具体地，本实施例建立彩色背景，在RGB颜色空间中选取R分量和G分量作为色调参数，在满足亮度差要求的情况下，当颜色差异较小时，可认为该颜色差异较小的像素点为阴影，将其从前景中剔除。将阴影去除的具体实现如下式：

[0067] （3）

[0068] （4）

[0069] 式中： 为当前背景灰度图像， 为当前输入灰度图像， 仍为全局阈值，为未进行阴影去除的二值化的前景图像， 为当前彩色图像的R分量， 为当前彩色背景的R分量， 为R分量阈值， 为当前彩色图像的G分量， 为当前彩色背景的G分量，为G分量阈值， 为阴影去除后的二值化的前景图像。本实施例的颜色阈值 及 均取30，可以得到很好的阴影去除效果。

[0070] 阴影去除前后的结果对比如图3和图4所示，从图中可以看出阴影去除结果是令人满意的，去除阴影之后，检测的目标更加准确。

[0071] 当目标运动到光线较暗或者其灰度与背景灰度较为接近的位置时，将发生分裂，即一个目标分裂为多个小目标，目标分裂将严重影响跟踪结果及计数的准确性，因此必须设法将分裂的目标“连接”起来。本实施例在步骤S700中，通过前景图像的累积以连接分裂的目标，具体实现根据下式：

[0072] （5）

[0073] （6）

[0074] 式中： 表示当前运动历史图像， 表示前一帧的运动历史图像，表示视频帧序号， 表示二值化前景图像， 表示运动累积的帧数， 表示运动累积图像， 表征图像的运动历史信息，当像素点非前景点且其记录运动帧序号与当前帧序号间隔超过N时，运动历史信息清零，否则将保持不变；而当像素点为前景点时，运动历史信息为当前帧序号；合并分裂目标后，得到的运动累积图像是一个随目标运动灰度渐变的图像，距离当前帧越近灰度越大，反之越小。通过这种处理，得到的运动累积图像将是一个随目标运动灰度渐变的图像，距离当前帧越近灰度越大，反之越小。

[0075] 运用上述方法得到分裂目标的合并结果如图5所示，由于背景中存在与目标灰度相近的区域，当目标运动到该区域时，与背景灰度相近的目标部分将融入背景，变得难以检测，此时目标将发生分裂，在此情况下，传统的目标合并方法及形态学方法已经无效，而采用上述方法很好地合并了分裂的目标，使目标更加饱满匀称，且算法简单能够满足实时性要求。运动前景的累积克服了目标分裂的影响，却也无形中增大了目标的尺寸，在N取值不太大的情况下，结果是可以接受的。

[0076] 通过运动目标检测，可得到二值化的运动前景图，而后通过轮廓检测，得到运动目标的个数、位置和大小信息。但仅获取上述信息是无法进行进出人数统计的，因此有必要对目标进行匹配跟踪并对其运动轨迹进行分析。

[0077] 运动目标跟踪的流程如图6所示， 要实现目标的匹配跟踪，需要记录各个目标的历史运动信息，首先建立一个目标链总表，其元素为各个不同的目标链，目标链的元素为每个目标在不同时刻的目标运动信息，目标运动信息包括目标形心、目标宽度、目标高度、目标前景点数个数以及目标所在帧序号。本实施例在步骤S800中，对提前后的运动目标进行目标匹配跟踪，实现目标的匹配跟踪的步骤包括：

[0078] S810、记录各个目标的历史运动信息；

[0079] S820、建立一个目标链总表，其元素为各个不同的目标链，目标链的元素为每个目标在不同时刻的目标运动信息，目标运动信息包括目标形心、目标宽度、目标高度、目标前景点数个数以及目标所在帧序号。

[0080] 在步骤820中，所述目标链的建立流程如下：

[0081] S821、获取检测到的运动目标的运动信息，建立一个新的包含这些运动目标信息的元素；

[0082] S822、若目标链总表为空，则新建目标链表，在目标链的头部加入目标，在目标链总表的尾部加入目标链表，并返回步骤S1，否则进入下一步；

[0083] S823、在目标链总表中寻找与目标匹配的目标链，若找到则在目标链的头部加入目标，返回步骤S1，否则进入下一步；

[0084] S824、新建目标链，在目标链的头部加入目标，在目标链总表的尾部加入目标链表。

[0085] 在目标链的建立过程中，目标匹配是关键，由于目标运动的连续性，在人流稀疏的假设前提下，目标匹配是利用目标的质心距离及目标大小进行加权判断的，对于每一个新检测到的运动目标都将其加入到匹配或新建目标链的头部作为整个目标链的运动参数，实验结果表明该方法是准确可靠的。

[0086] 实验结果：本实施例的程序使用VC语言编程实现，程序中调用了OpenCV库函数，所处理视频为前下视布局的监控摄像机在实验室拍摄到的AVI文件，视频中包含有多个运动目标，但进出实验室人流稀疏，少有多人同时进入或同时出去的情形，经时间测试，算法处理速度达到28帧/s，可以满足实时性要求。实验中，将本发明应用于人数统计系统，可以实现运动人体的稳定检测和跟踪。实验中取消失时间阈值T为10，运动人体在监控区域内大范围运动和长时间停留，算法仍能对其稳定跟踪；运动人体在消失一段时间后运动，可以重新被检测跟踪。

[0087] 实施例二

[0088] 本发明实施例提供一种计算机存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行实施例一所述方法。

[0089] 实施例三

[0090] 本发明实施例提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行实施例一所述方法。

[0091] 综上，本发明实施例提供一种室内实时人体跟踪方法，其通过背景差分法进行检测，得到前景图像，并通过轮廓检测测可以获知目标的个数、位置及大小信息，进而判断是否产生了背景突变，若发生背景突变则需要重新进行背景初始化，否则将前景作为图像掩模板进行相应的背景更新过程，图像掩模板的引入可以让存在运动人体目标的地方背景更新慢一点，而不存在运动人体目标的地方，背景更新快一点，从而对运动目标进行持续稳定地检测。同时根据目标和阴影不同的光学和颜色特征来分离目标和阴影，让检测的目标更加准确，并且通过前景图像的累积以连接分裂的目标，使目标更加饱满匀称，使目标更加完整。而且本发明建立目标链对目标进行匹配追踪，能够记录目标的运动轨迹，追踪效果好。本发明实施例在固定摄像机前下视布局的情况下，构建视频处理系统，完成对人体的实时跟踪。利用改进的背景差方法检测运动人体目标，在去除噪声和目标阴影后，对分裂的目标进行合并，而后检测目标轮廓以获取目标位置和大小，最后，稳定跟踪运动目标并确定运动轨迹。实验结果表明，在人流稀疏情况下，本发明可以实时有效完成人体检测和跟踪。因此，本发明实现了在摄像机前下视监控下对稀疏人体的检测跟踪，算法实时性和鲁棒性强，准确率高。本发明实施例还提供实现上述方法的存储介质及设备。

[0092] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

[0093] 本发明所使用的词语“优选的”意指用作实例、示例或例证。本发明描述为“优选的”任意方面或设计不必被解释为比其他方面或设计更有利。相反，词语“优选的”的使用旨在以具体方式提出概念。如本申请中所使用的术语“或”旨在意指包含的“或”而非排除的“或”。即，除非另外指定或从上下文中清楚，“X使用A或B”意指自然包括排列的任意一个。即，如果X使用A；X使用B；或X使用A和B二者，则“X使用A或B”在前述任一示例中得到满足。

[0094] 而且，尽管已经相对于一个或实现方式示出并描述了本公开，但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件等)执行的各种功能，用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示)，即使在结构上与执行本发明所示的本公开的示范性实现方式中的功能的公开结构不等同。此外，尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开，但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或其他特征组合。而且，就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言，这样的术语旨在以与术语“包含”相似的方式包括。

[0095] 本发明实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以多个或多个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。上述的各装置或系统，可以执行相应方法实施例中的存储方法。

[0096] 综上所述，上述实施例为本发明的一种实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何背离本发明的精神实质与原理下所做的改变、修饰、代替、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。