智能多目标主动跟踪监控方法及系统

1.智能多目标主动跟踪监控方法，其特征在于，所述方法包括以下步骤：
S1、通过第一摄像机采集监控区域内的全景图像，在全景图像中自动抓取多个具备预设特征的目标和具备指定特征的目标作为被跟踪目标，并锁定被跟踪目标；
S2、根据该多个被跟踪目标的运动行径和运动速度矢量及图像识别算法分别对其进行实时地持续跟踪拍摄，计算出每个被跟踪目标在全景图像中的实时坐标信息，并存储至数据库；
S3、根据被跟踪目标在全景图像中的实时坐标信息确定第二摄像机的云台的第一角度控制值以及第二摄像机的第一聚焦值，计算出每一个被跟踪目标的实时坐标信息所对应的实时的第一角度控制值和第一聚焦值，并存储至数据库，第一角度控制值和第一聚焦值随被跟踪目标位置在全景图像中的动态变换而实时更新；
S4、当需要采集某一个被跟踪目标的特写图像时，根据该选定的被跟踪目标当前所对应的第一角度控制值控制第二摄像机的云台的转动角度，根据该选定的被跟踪目标当前所对应的第一聚焦值控制第二摄像机的焦距，第二摄像机对该被跟踪目标进行瞬时定位，采集其特写图像，使第二摄像机始终聚焦于被跟踪目标，对该被跟踪目标进行实时地持续跟踪拍摄；
所述方法还包括接力跟踪步骤和通路告警步骤中的一种或多种组合；
所述接力跟踪步骤包括：对所有监控区域的全景图像坐标化处理，将所有相邻或相应的监控区域的边缘坐标进行匹配处理，并存储至数据库；当该被跟踪目标处于该监控区域的边缘，并消失在该监控区域中时，则根据该被跟踪目标在该监控区域中的坐标信息，确定与其相邻或相应的另一个监控区域，并在该另一个监控区域中，识别锁定该该被跟踪目标，并继续对其进行持续跟踪拍摄；
所述通路告警步骤包括：在监控区域中划分告警区域，并根据预设条件对告警区域进行监控，若检测出该告警区域内存在符合预设条件的目标时，锁定该目标，并发出相应的告警信息；
所述方法还包括复杂环境下的预处理步骤：
S001、采集当前时刻的视频流数据，依次对视频流数据中的每一帧视频图像进行分析，判断是否有异常帧图像，若存在则进行异常类型检测；
S002、启动混合高斯模型，对视频流数据中的每帧视频图像的每个像素点建立X个高斯模型；
S003、根据高斯模型的权重对该X个高斯模型进行排序，并对权重进行累计求和，若前N个高斯模型的权重和大于预设阈值，则将该前N个高斯模型设为背景像素点，建立背景高斯模型，将后X-N个高斯模型设为前景像素点，建立前景高斯模型；
S004、根据当前时刻像素点以及该像素点的历史像素点的均值和方差为每个像素点匹配相应的高斯模型，计算当前时刻像素点与其历史像素点的均值之差的绝对值，若该绝对值与该像素点的历史像素点的方差的比值小于预设匹配阈值，则将该当前时刻像素点与背景像素点的高斯模型进行匹配，若该比值不小于预设匹配阈值，则将当前时刻像素点与前景像素点的高斯模型进行匹配；
S005、根据视频流数据中的背景变化和S4中特写图像的比较后的结果，混合高斯模型自适应更新模型参数，更新X个高斯模型的权值，得出匹配度最高的背景高斯模型参数，完成复杂背景建模；
S006、将前景高斯模型的所匹配的前景图像进行小波正变换处理，若前景图像为彩色图像，则通过R、G、B三通道分别对其进行小波分析处理，得到前景图像的近似图LL、水平方向细节图HL、垂直方向细节图LH和对角线方向细节图HH，提取垂直方向细节图，对垂直方向细节图进行傅里叶正变换，并删除其预设频段的高频部分完成高频过滤；
S007、高频过滤处理后通过傅里叶反变换还原得到新的垂直方向细节图，再通过小波反变换重构前景图像，若原前景图像为彩色图像，则再通过R、G、B三通道合并得到过滤后的前景图像；
S008、通过形态学处理，提取出独立的运动目标区域，锁定目标，开始执行跟踪操作，在目标跟踪的过程中，重复执行步骤S001 S007。
~
2.根据权利要求1所述的智能多目标主动跟踪监控方法，其特征在于：所述方法还包括主动对焦处理步骤：在全景图像中根据被跟踪目标的运动行径和运动速度矢量信息对被跟踪目标的轨迹进行预测，预测其下一时刻的坐标位置，并计算出其下一时刻相应的第一角度控制值和第一聚焦值传送至第二摄像机，控制第二摄像机对被跟踪目标进行快速地主动定位和主动对焦，对被跟踪目标进行平滑跟踪拍摄。
3.根据权利要求1所述的智能多目标主动跟踪监控方法，其特征在于：所述方法还包括目标切换步骤：当在已锁定的多个被跟踪目标中进行特征图像显示切换时，第二摄像机直接调用数据库中该重新选定的被跟踪目标所对应的第一角度控制值和第一聚焦值，对其进行定位采集其特写图像。
4.根据权利要求1所述的智能多目标主动跟踪监控方法，其特征在于：在第一摄像机锁定被跟踪目标后，计算出该被跟踪目标的第一中心坐标值，第二摄像机根据该第一中心坐标值所转换的第一角度控制值和第一聚焦值对被跟踪目标进行粗定位，并在特写图像中对该被跟踪目标进行重新识别定位，计算出该被跟踪目标在特写图像中的第二中心坐标值，并判断该第二中心坐标值是否为特写图像的中心位置；
若是，则锁定被跟踪目标，第二摄像机跟随被跟踪目标的移动而动态调整，使得被跟踪目标始终锁定在特写图像的中央；
若不是，则根据该第二中心坐标位置计算第二摄像机的云台的第二角度控制值以及第二摄像机的第二聚焦值，第二摄像机根据该第二角度控制值和第二聚焦值对特写图像面进行微调，将被跟踪目标锁定在特写图像的中央。
5.根据权利要求4所述的智能多目标主动跟踪监控方法，其特征在于：第二摄像机根据该第二角度控制值和第二聚焦值对特写图像面进行微调后，同步更新第一摄像机的参数，将第二角度控制值和第二聚焦值与第一中心坐标值进行匹配，并存储至数据库，便于再次计算时的调用。
6.根据权利要求4所述的智能多目标主动跟踪监控方法，其特征在于：在判断第二中心坐标值是否为特写图像的中心位置时，增加一个误差阈值，若第二中心坐标值与特写图像的中心位置的误差大于该误差阈值，则第二摄像机对该被跟踪目标的特写图像进行微调。
7.智能多目标主动跟踪监控系统，其特征在于：所述系统包括多个监控区域，每个监控区域均设有第一摄像机、第二摄像机、视频处理机和数据库，第一摄像机、第二摄像机和数据库均分别与视频处理机连接，各个监控区域的视频处理机均通过通信单元相互连接，所述视频处理机中集成有执行如权利要求1 6任一项所述的智能多目标主动跟踪监控方法的~
功能模块。

智能多目标主动跟踪监控方法及系统\n技术领域\n[0001] 本发明涉及视频监控领域，特别是涉及智能多目标主动跟踪监控方法及系统。\n背景技术\n[0002] 随着计算机、网络、通信、流媒体等技术的日趋成熟与完善，视频在社会生产生活中的应用日益广泛。在智能视频监控、导航、遥感、车牌识别等计算机视觉系统中，视频是最主要的信息来源，视频监控是安全防范系统的重要组成部分。\n[0003] 在大型监控环境中，前端设备提供图像采集、云台控制等基础监控功能，用户可以在显示器上观看实时图像，并通过云台控制键盘操作跟踪实体。目前采用的跟踪监控方式中，管理人员手动控制云台转动，并依赖于摄像机的自动聚焦技术对目标进行对焦，这种跟踪监控方式至少存在两个弊端，1）云台的控制不能根据目标的坐标信息进行自动控制，自动化强度低，过于依赖人工操控；2）依赖于摄像机的自动聚焦技术，对焦延时高，导致监控图像不清楚；3）当目标从一监控区域步入至另一监控区域后，只能通过人工切换监控画图，重新锁定监控目标，系统无法自动完成接力跟踪。\n[0004] 另外这些视频监控系统一般都是基于正常的天气条件考虑设计的，尽管户外视频监控系统的应用领域非常广泛，但是在雨、雪等恶劣天气中不能很好地发挥其应有的作用。\n为了保证户外监控系统能够适应各种天气情况，在雨雪等恶劣条件下也能正常地工作，所以非常有必要对大气中的雨雪进行去除研究，对获取的图像进行修复，消除天气因素的干扰，提高系统的稳定性。\n发明内容\n[0005] 本发明的目的在于克服现有技术的不足，提供智能多目标主动跟踪监控方法及系统，有效解决了视频监控及多目标跟踪中所存在的云台控制问题和聚焦问题。\n[0006] 本发明的目的是通过以下技术方案来实现的：\n[0007] （1）本发明提出了一种智能多目标主动跟踪监控方法，所述方法包括以下步骤：\n[0008] S1、通过第一摄像机采集监控区域内的全景图像，在全景图像中自动抓取多个具备预设特征的目标和具备指定特征的目标作为被跟踪目标，并锁定被跟踪目标。\n[0009] S2、根据该多个被跟踪目标的运动行径和运动速度矢量及图像识别算法分别对其进行实时地持续跟踪拍摄，计算出每个被跟踪目标在全景图像中的实时坐标信息，并存储至数据库。\n[0010] S3、根据被跟踪目标在全景图像中的实时坐标信息确定第二摄像机的云台的第一角度控制值以及第二摄像机的第一聚焦值，计算出每一个被跟踪目标的实时坐标信息所对应的实时的第一角度控制值和第一聚焦值，并存储至数据库，第一角度控制值和第一聚焦值随被跟踪目标位置在全景图像中的动态变换而实时更新。\n[0011] S4、当需要采集某一个被跟踪目标的特写图像时，根据该选定的被跟踪目标当前所对应的第一角度控制值控制第二摄像机的云台的转动角度，根据该选定的被跟踪目标当前所对应的第一聚焦值控制第二摄像机的焦距，第二摄像机对该被跟踪目标进行瞬时定位，采集其特写图像，使第二摄像机始终聚焦于被跟踪目标，对该被跟踪目标进行实时地持续跟踪拍摄。\n[0012] 所述方法还包括接力跟踪步骤和通路告警步骤中的一种或多种组合。\n[0013] 所述接力跟踪步骤包括：对所有监控区域的全景图像坐标化处理，将所有相邻或相应的监控区域的边缘坐标进行匹配处理，并存储至数据库。当该被跟踪目标处于该监控区域的边缘，并消失在该监控区域中时，则根据该被跟踪目标在该监控区域中的坐标信息，确定与其相邻或相应的另一个监控区域，并在该另一个监控区域中，识别锁定该该被跟踪目标，并继续对其进行持续跟踪拍摄。\n[0014] 所述通路告警步骤包括：在监控区域中划分告警区域，并根据预设条件对告警区域进行监控，若检测出该告警区域内存在符合预设条件的目标时，锁定该目标，并发出相应的告警信息。\n[0015] 进一步的，所述方法还包括主动对焦处理步骤：在全景图像中根据被跟踪目标的运动行径和运动速度矢量信息对被跟踪目标的轨迹进行预测，预测其下一时刻的坐标位置，并计算出其下一时刻相应的第一角度控制值和第一聚焦值传送至第二摄像机，控制第二摄像机对被跟踪目标进行快速地主动定位和主动对焦，对被跟踪目标进行平滑跟踪拍摄。\n[0016] 进一步的，所述方法还包括目标切换步骤：当在已锁定的多个被跟踪目标中进行特征图像显示切换时，第二摄像机直接调用数据库中该重新选定的被跟踪目标所对应的第一角度控制值和第一聚焦值，对其进行定位采集其特写图像。\n[0017] 进一步的，在第一摄像机锁定被跟踪目标后，计算出该被跟踪目标的第一中心坐标值，第二摄像机根据该第一中心坐标值所转换的第一角度控制值和第一聚焦值对被跟踪目标进行粗定位，并在特写图像中对该被跟踪目标进行重新识别定位，计算出该被跟踪目标在特写图像中的第二中心坐标值，并判断该第二中心坐标值是否为特写图像的中心位置。\n[0018] 若是，则锁定被跟踪目标，第二摄像机跟随被跟踪目标的移动而动态调整，使得被跟踪目标始终锁定在特写图像的中央。\n[0019] 若不是，则根据该第二中心坐标位置计算第二摄像机的云台的第二角度控制值以及第二摄像机的第二聚焦值，第二摄像机根据该第二角度控制值和第二聚焦值对特写图像面进行微调，将被跟踪目标锁定在特写图像的中央。\n[0020] 进一步的，第二摄像机根据该第二角度控制值和第二聚焦值对特写图像面进行微调后，同步更新第一摄像机的参数，将第二角度控制值和第二聚焦值与第一中心坐标值进行匹配，并存储至数据库，便于再次计算时的调用。\n[0021] 进一步的，在判断第二中心坐标值是否为特写图像的中心位置时，增加一个误差阈值，若第二中心坐标值与特写图像的中心位置的误差大于该误差阈值，则第二摄像机对该被跟踪目标的特写图像进行微调。\n[0022] 进一步的，所述方法还包括复杂环境下的预处理步骤：\n[0023] S001、采集当前时刻的视频流数据，依次对视频流数据中的每一帧视频图像进行分析，判断是否有异常帧图像，若存在则进行异常类型检测。\n[0024] S002、启动混合高斯模型，对视频流数据中的每帧视频图像的每个像素点建立X个高斯模型。\n[0025] S003、根据高斯模型的权重对该X个高斯模型进行排序，并对权重进行累计求和，若前N个高斯模型的权重和大于预设阈值，则将该前N个高斯模型设为背景像素点，建立背景高斯模型，将后X-N个高斯模型设为前景像素点，建立前景高斯模型。\n[0026] S004、根据当前时刻像素点以及该像素点的历史像素点的均值和方差为每个像素点匹配相应的高斯模型，计算当前时刻像素点与其历史像素点的均值之差的绝对值，若该绝对值与该像素点的历史像素点的方差的比值小于预设匹配阈值，则将该当前时刻像素点与背景像素点的高斯模型进行匹配，若该比值不小于预设匹配阈值，则将当前时刻像素点与前景像素点的高斯模型进行匹配。\n[0027] S005、根据视频流数据中的背景变化和S4中的比较结果，混合高斯模型自适应更新模型参数，更新X个高斯模型的权值，得出匹配度最高的背景高斯模型参数，完成复杂背景建模。\n[0028] S006、将前景高斯模型的所匹配的前景图像进行小波正变换处理，若前景图像为彩色图像，则通过R、G、B三通道分别对其进行小波分析处理，得到前景图像的近似图LL、水平方向细节图HL、垂直方向细节图LH和对角线方向细节图HH，提取垂直方向细节图，对垂直方向细节图进行傅里叶正变换，并删除其预设频段的高频部分完成高频过滤。\n[0029] S007、高频过滤处理后通过傅里叶反变换还原得到新的垂直方向细节图，再通过小波反变换重构前景图像，若原前景图像为彩色图像，则再通过R、G、B三通道合并得到过滤后的前景图像。\n[0030] S008、通过形态学处理，提取出独立的运动目标区域，锁定目标，开始执行跟踪操作，在目标跟踪的过程中，重复执行步骤S001 S007。\n~\n[0031] （2）本发明还提出了一种智能多目标主动跟踪监控系统，所述系统包括多个监控区域，每个监控区域均设有第一摄像机、第二摄像机、视频处理机和数据库，第一摄像机、第二摄像机和数据库均分别与视频处理机连接，各个监控区域的视频处理机均通过通信单元相互连接，所述视频处理机中集成有执行如权利要求1 7任一项所述的智能多目标主动跟~\n踪监控方法的功能模块。\n[0032] 本发明的有益效果是：本发明所提出的一种智能多目标主动跟踪监控方法及系统，具有多目标主动跟踪、主动对焦处理、目标切换、接力跟踪、通路告警和复杂环境预处理等多种功能，能有效的解决视频监控及多目标跟踪中所存在的如云台控制问题、聚焦问题和接力跟踪问题等多个问题。\n[0033] 1）本发明第二摄像机完成对被跟踪目标的持续跟踪拍摄，始终首先依赖于该被跟踪目标在全景图像中的坐标信息，以及根据坐标信息所计算出的第一角度控制值和第一聚焦值，根据第一角度控制值控制第二摄像机的云台的转动角度，根据第一聚焦值控制第二摄像机的焦距，如此设计可实现以下功能。\n[0034] ① 保证当被跟踪目标出现异常动作时，如急停、急转等，第二摄像机的特写图像始终保持对目标的锁定，不会丢失目标的特写图像。\n[0035] ② 实现对运动目标进行主动对焦，根据运动目标的运动行径和运动速度矢量信息，对运动目标的轨迹进行预测，预测其下一时刻的坐标位置，并计算出其下一时刻相应的第一角度控制值和第一聚焦值，以便第二摄像机能对目标进行快速地主动对焦，能对高速运动的目标进行平滑跟踪拍摄，保证目标细节不因高速运动而模糊；通过预测处理，还可以在目标被遮挡的情况下，对其进行模拟跟踪拍摄。\n[0036] ③ 当特写图像在多个目标之间进行瞬时切换时，第二摄像机能根据切换目标的第一角度控制值和第一聚焦值对其进行快速定位和对焦，保证特写图像的清晰度，完成目标的平滑切换操作。\n[0037] ④ 实现目标在遮挡的情况下，第二摄像机不会对前景遮挡物进行自动聚焦，避免在重新获得锁定目标时，由于聚焦的问题，使得特写图像出现模糊不清的状况。\n[0038] 2）本发明第二摄像机还将判断特写图像中的目标是否在特写图像的中央，并更新其在全景图像中的坐标信息所对应的第二摄像机的云台角度控制值和聚焦值的数据值，在一定工作时长后，即可保证第一摄像机所锁定的目标始终在第二摄像机的特写图像的中央。\n[0039] 3）本发明具有接力跟踪功能，基于坐标化处理，可通过多个摄像机对同一目标进行接力跟踪。\n[0040] 4）本发明还具有通路告警功能，根据预设条件对告警区域进行监控，若检测出该告警区域内存在符合预设条件的目标时，锁定该目标，并发出相应的告警信息。如移动目标的行径方向告警，还可根据其不同的行径方向和不同的角度进行相应的告警。\n[0041] 5）本发明还可基于通过混合高斯模型自适应分析算法，有效过滤复杂环境中画面的各种运动干扰，如刮风造成的树叶摇动等，结合小波变换和傅里叶变换可有效滤除画面中的雨雪噪声及其他噪声，并通过形态学处理，提取出独立的运动目标区域，锁定目标，开始执行跟踪操作。\n附图说明\n[0042] 图1为本发明智能多目标主动跟踪监控方法的流程示意图；\n[0043] 图2为本发明复杂环境下的预处理步骤的流程示意图；\n[0044] 图3为本发明智能多目标主动跟踪监控系统的结构示意图。\n具体实施方式\n[0045] 下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。\n[0046] （一）智能多目标主动跟踪监控方法\n[0047] 如图1所示，该实施例描述了一种智能多目标主动跟踪监控方法，所述方法包括以下步骤：\n[0048] S1、通过第一摄像机采集监控区域内的全景图像，在全景图像中自动抓取多个具备预设特征的目标和具备指定特征的目标作为被跟踪目标，并锁定被跟踪目标。\n[0049] 预设特征是指，预先在数据库中录入有价值目标的特征数据，以便于第一摄像机在全局图像中进行图像识别时，同数据库中的预设特征进行匹配比对，若发现与预设特征相同或相似的目标，则将其锁定。\n[0050] 指定特征是指，手动输入待跟踪目标的特征数据，第一摄像机在全局图像中进行图像识别时，搜索与该指定特征相同或相似的目标，并将其锁定。如需要定位白色轿车，则手动输入白色轿车，让系统自动锁定全景图像中所有的白色轿车。当然也可在系统中集成语音识别模块，以支持语音输入。\n[0051] S2、当锁定被跟踪目标后，根据该多个被跟踪目标的运动行径和运动速度矢量及图像识别算法分别对其进行实时地持续跟踪拍摄，计算出每个被跟踪目标在全景图像中的实时坐标信息，并存储至数据库。\n[0052] S3、根据被跟踪目标在全景图像中的实时坐标信息确定第二摄像机的云台的第一角度控制值以及第二摄像机的第一聚焦值，计算出每一个被跟踪目标的实时坐标信息所对应的实时的第一角度控制值和第一聚焦值，并存储至数据库，第一角度控制值和第一聚焦值随被跟踪目标位置在全景图像中的动态变换而实时更新。\n[0053] S4、当需要采集某一个被跟踪目标的特写图像时，根据该选定的被跟踪目标当前所对应的第一角度控制值控制第二摄像机的云台的转动角度，根据该选定的被跟踪目标当前所对应的第一聚焦值控制第二摄像机的焦距，第二摄像机对该被跟踪目标进行瞬时定位，采集其特写图像，使第二摄像机始终聚焦于被跟踪目标，对该被跟踪目标进行实时地持续跟踪拍摄。\n[0054] 进一步的，在第一摄像机锁定被跟踪目标后，计算出该被跟踪目标的第一中心坐标值，第二摄像机根据该第一中心坐标值所转换的第一角度控制值和第一聚焦值对被跟踪目标进行粗定位，并在特写图像中对该被跟踪目标进行重新识别定位，计算出该被跟踪目标在特写图像中的第二中心坐标值，并判断该第二中心坐标值是否为特写图像的中心位置。\n[0055] 若是，则锁定被跟踪目标，第二摄像机跟随被跟踪目标的移动而动态调整，使得被跟踪目标始终锁定在特写图像的中央。\n[0056] 若不是，则根据该第二中心坐标位置计算第二摄像机的云台的第二角度控制值以及第二摄像机的第二聚焦值，第二摄像机根据该第二角度控制值和第二聚焦值对特写图像面进行微调，将被跟踪目标锁定在特写图像的中央。\n[0057] 进一步的，第二摄像机根据该第二角度控制值和第二聚焦值对特写图像面进行微调后，同步更新第一摄像机的参数，将第二角度控制值和第二聚焦值与第一中心坐标值进行匹配，并存储至数据库，便于再次计算时的调用。\n[0058] 进一步的，在判断第二中心坐标值是否为特写图像的中心位置时，增加一个误差阈值，若第二中心坐标值与特写图像的中心位置的误差大于该误差阈值，则第二摄像机对该被跟踪目标的特写图像进行微调。\n[0059] 进一步的，当被跟踪目标出现异常动作，第二摄像机的特写图像中不能识别定位出被跟踪目标后，第二摄像机重新调用第一摄像机的实时第一角度控制值和第一聚焦值，重新采集被跟踪目标的特写图像。\n[0060] 进一步的，所述方法还包括主动对焦处理步骤、目标切换步骤、接力跟踪步骤和通路告警步骤中的一种或多种组合。\n[0061] （1）主动对焦处理步骤：在全景图像中根据被跟踪目标的运动行径和运动速度矢量信息对被跟踪目标的轨迹进行预测，预测其下一时刻的坐标位置，并计算出其下一时刻相应的第一角度控制值和第一聚焦值传送至第二摄像机，控制第二摄像机对被跟踪目标进行快速地主动定位和主动对焦，对被跟踪目标进行平滑跟踪拍摄。\n[0062] 基于预测处理，当被跟踪目标在监控区域内被遮挡而无法被跟踪时，根据该被跟踪目标的运动行径和运动速度矢量信息及其历史记录信息，以及遮挡物信息，对被跟踪目标进行预测处理和模拟跟踪拍摄。\n[0063] 通过预测处理计算出被跟踪目标可能进行的多个预测运动行径及其相应的概率，第二摄像机按概率最大的预测运动行径进行模拟跟踪拍摄，第一摄像机根据多个预测运动行径在全景图像中对遮挡物附近进行目标识别检测，当第一摄像机检测到该被跟踪目标时，第二摄像机结束模拟跟踪拍摄，根据其坐标信息对该被跟踪目标进行定位识别，采集其特写图像。\n[0064] 进一步的，在预测处理时，需判断该遮挡物当前处于静止状态还是运动状态，若该遮挡物处于运动状态，则第一摄像机需跟踪定位遮挡物，结合遮挡物的运动行径和运动速度矢量，对该被跟踪目标进行预测处理，第一摄像机还需在该遮挡物的附近以及遮挡物的行径路段上，对被跟踪目标进行识别检测。\n[0065] （2）目标切换步骤：当在已锁定的多个被跟踪目标中进行特征图像显示切换时，第二摄像机直接调用数据库中该重新选定的被跟踪目标所对应的第一角度控制值和第一聚焦值，对其进行定位采集其特写图像。\n[0066] （3）接力跟踪步骤：对所有监控区域的全景图像坐标化处理，将所有相邻或相应的监控区域的边缘坐标进行匹配处理，并存储至数据库。当该被跟踪目标处于该监控区域的边缘，并消失在该监控区域中时，则根据该被跟踪目标在该监控区域中的坐标信息，确定与其相邻或相应的另一个监控区域，并在该另一个监控区域中，识别锁定该该被跟踪目标，并继续对其进行持续跟踪拍摄。\n[0067] （4）通路告警步骤：在监控区域中划分告警区域，并根据预设条件对告警区域进行监控，若检测出该告警区域内存在符合预设条件的目标时，锁定该目标，并发出相应的告警信息。\n[0068] 进一步的，如图2所示，本发明所述方法还包括复杂环境下的预处理步骤：\n[0069] S001、采集当前时刻的视频流数据，依次对视频流数据中的每一帧视频图像进行分析，判断是否有异常帧图像，若存在则进行异常类型检测。\n[0070] S002、启动混合高斯模型，对视频流数据中的每帧视频图像的每个像素点建立X个高斯模型。\n[0071] S003、根据高斯模型的权重对该X个高斯模型进行排序，并对权重进行累计求和，若前N个高斯模型的权重和大于预设阈值，则将该前N个高斯模型设为背景像素点，建立背景高斯模型，将后X-N个高斯模型设为前景像素点，建立前景高斯模型。\n[0072] S004、根据当前时刻像素点以及该像素点的历史像素点的均值和方差为每个像素点匹配相应的高斯模型，计算当前时刻像素点与其历史像素点的均值之差的绝对值，若该绝对值与该像素点的历史像素点的方差的比值小于预设匹配阈值，则将该当前时刻像素点与背景像素点的高斯模型进行匹配，若该比值不小于预设匹配阈值，则将当前时刻像素点与前景像素点的高斯模型进行匹配。\n[0073] S005、根据视频流数据中的背景变化和S4中的比较结果，混合高斯模型自适应更新模型参数，更新X个高斯模型的权值，得出匹配度最高的背景高斯模型参数，完成复杂背景建模，可有效过滤复杂环境中画面的各种运动干扰，如刮风造成的树叶摇动等。\n[0074] 进一步的，由于雨雪天气的视频画面中，雨雪一般表现为竖条纹形式，因此，本发明通过结合小波变换和傅里叶变换处理，可有效滤除画面中的雨雪噪声及其他噪声。\n[0075] S006、将前景高斯模型的所匹配的前景图像进行小波正变换处理，若前景图像为彩色图像，则通过R、G、B三通道分别对其进行小波分析处理，得到前景图像的近似图LL、水平方向细节图HL、垂直方向细节图LH和对角线方向细节图HH，提取垂直方向细节图，对垂直方向细节图进行傅里叶正变换，并删除其预设频段的高频部分完成高频过滤。\n[0076] S007、高频过滤处理后通过傅里叶反变换还原得到新的垂直方向细节图，再通过小波反变换重构前景图像，若原前景图像为彩色图像，则再通过R、G、B三通道合并得到过滤后的前景图像，去除复杂环境中画面的雨雪条纹噪声及其他条纹噪声。\n[0077] S008、通过形态学处理，提取出独立的运动目标区域，锁定目标，开始执行跟踪操作，在目标跟踪的过程中，重复执行步骤S1-S7，实现在去除运动干扰和雨雪噪声后的画面中继续跟踪目标。\n[0078] 优选的，所述的小波正变换可采用提升小波变换。\n[0079] 优选的，所述的预设频段根据雨雪大小自适应调整，以滤除不同雨势情况下的雨雪噪声。\n[0080] （二）智能多目标主动跟踪监控系统\n[0081] 如图3所示，该实施例了一种智能多目标主动跟踪监控系统，所述系统包括多个监控区域，每个监控区域均设有第一摄像机、第二摄像机、视频处理机和数据库，第一摄像机、第二摄像机和数据库均分别与视频处理机连接，各个监控区域的视频处理机均通过通信单元相互连接，所述视频处理机中集成有执行如权利要求1 7任一项所述的智能多目标主动~\n跟踪监控方法的功能模块。\n[0082] 优选的，所述第一摄像机可采用广角摄像机，所述第二摄像机可采用超高速专用跟踪PTZ摄像机。\n[0083] 如上参照附图以示例的方式描述了根据本发明的智能多目标主动跟踪监控方法及系统。但是，本领域技术人员应当理解，对于上述本发明所提出的智能多目标主动跟踪监控方法及系统，还可以在不脱离本发明内容的基础上做出各种改进，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。因此，本发明的保护范围应当由所附的权利要求书的内容确定。