【技术实现步骤摘要】
一种运动模型的优化系统及方法
本专利技术涉及模型优化
,特别是一种运动模型的优化系统及方法。
技术介绍
运动目标检测与跟踪是图像处理与计算机视觉的一个分支,在理论和实践上都有重大意义。运动目标检测与跟踪技术的研究正是为了从图像数据中提取出运动目标并持续追踪。为进一步的视频序列图像提供基础元素和分析依据。目标检测是指把与背景存在相对运动的前景目标提取出来,目标跟踪则是确定同一目标在视频序列不同帧中相应位置。运动目标的检测与跟踪是计算机视觉、图像处理与主动监视等研究领域的关键技术和热点问题,应用于视频监控、智能交通、自主导航与精确制导、人机交互感知接口等方面。目前,在使用KCF算法跟踪运动目标的过程中,被跟踪目标的快速运动和剧烈运动会导致原KCF算法搜索区域不能完整覆盖被跟踪目标,进而引起跟踪漂移甚至跟踪失败。现有技术中,通过扩大搜索区域的面积来保证搜索区域覆盖目标,但这会导致计算量增加并降低跟踪效率。
技术实现思路
本专利技术的目的是提供了一种运动模型的优化系统及方法,能在减小搜索区域的范围的同时准确预测被跟踪目标中心的位置,提高目标跟踪的效率。为实现上述目的,本专利技术提供了如下方案:一种运动模型的优化方法,包括:获取相机中的N帧图像信息;获取第k帧图像中被跟踪目标中心在像素坐标系下的状态向量;所述1≤k≤N;采用二阶自回归运动模型根据所述第k帧图像中被跟踪目标中心在像素坐标系下的状态向量预测第k+1帧图像中被跟踪目标中心在像素坐标系下的状态向量;建立连续相邻两帧图像中被跟踪目标中心的急动度约束条件;利用所述急动度约束条件对所述第k+1帧图像中被跟踪目标 ...
【技术保护点】
1.一种运动模型的优化方法,其特征在于,包括:获取相机中的N帧图像信息;获取第k帧图像中被跟踪目标中心在像素坐标系下的状态向量;所述k满足1≤k≤N;采用二阶自回归运动模型根据所述第k帧图像中被跟踪目标中心在像素坐标系下的状态向量预测第k+1帧图像中被跟踪目标中心在像素坐标系下的状态向量;建立连续相邻两帧图像中被跟踪目标中心的急动度约束条件;利用所述急动度约束条件对所述第k+1帧图像中被跟踪目标中心在像素坐标系下的状态向量进行约束,得到被跟踪目标中心在坐标系下的预测状态向量;根据被跟踪目标中心在坐标系下的预测状态向量得到被跟踪目标中心的预测位置;采用所述被跟踪目标中心的预测位置对搜索区域的目标位置进行修正,得到准确的中心位置。
【技术特征摘要】
1.一种运动模型的优化方法,其特征在于,包括:获取相机中的N帧图像信息;获取第k帧图像中被跟踪目标中心在像素坐标系下的状态向量;所述k满足1≤k≤N;采用二阶自回归运动模型根据所述第k帧图像中被跟踪目标中心在像素坐标系下的状态向量预测第k+1帧图像中被跟踪目标中心在像素坐标系下的状态向量;建立连续相邻两帧图像中被跟踪目标中心的急动度约束条件;利用所述急动度约束条件对所述第k+1帧图像中被跟踪目标中心在像素坐标系下的状态向量进行约束,得到被跟踪目标中心在坐标系下的预测状态向量;根据被跟踪目标中心在坐标系下的预测状态向量得到被跟踪目标中心的预测位置;采用所述被跟踪目标中心的预测位置对搜索区域的目标位置进行修正,得到准确的中心位置。2.根据权利要求1所述的一种运动模型的优化方法,其特征在于,所述获取第k帧图像中被跟踪目标中心在像素坐标系下的状态向量,具体包括:采用以下6个变量:来表示第k帧图像中被跟踪目标中心在像素坐标系下的状态向量,所述状态向量包括位置、速度和加速度;其中,Xk表示跟踪目标中心在像素坐标系下的状态向量,T为连续相邻两帧之间的步长。3.根据权利要求1所述的一种运动模型的优化方法,其特征在于,所述采用二阶自回归运动模型根据所述第k帧图像中被跟踪目标中心在像素坐标系下的状态向量预测第k+1帧图像中被跟踪目标中心在像素坐标系下的状态向量,具体包括:采用公式:表示第k+1帧图像中被跟踪目标中心在像素坐标系下的状态向量;其中,G(σ)为方差为σ2的零均值白噪声,在第1帧图像中,被跟踪目标的位置即为选取的搜索区域被跟踪目标的中心,此时,所述搜索区域被跟踪目标的中心速度和加速度初始化为零。4.根据权利要求1所述的一种运动模型的优化方法,其特征在于,所述建立连续相邻两帧图像中被跟踪目标中心的急动度约束条件,具体包括:采用公式:得到所述连续相邻两帧图像中被跟踪目标中心的急动度;其中,T是连续相邻两帧之间的步长,size是被跟踪目标的尺寸;采用公式:建立所述连续相邻两帧图像中被跟踪目标中心的急动度的约束条件;其中,exp()表示以e为底的幂运算,c指常数,γk表示连续相邻两帧图像中被跟踪目标中心的急动度。5.根据权利要求1所述的一种运动模型的优化方法,其特征在于,所述利用所述急动度约束条件对所述第k+1帧图像中被跟踪目标中心在像素坐标系下的状态向量进行约束,得到被跟踪目标中心在坐标系下的预测状态向量,具体包括:采用公式:得到被跟踪目标中心在坐标系下的预测状态向量;其中,ΔX=Xk+1-Xk,ΔX表示被跟踪目标中心在连续两帧图像之间预估的状态变化量,Xk+1表示第k+1帧图像中被跟...
【专利技术属性】
技术研发人员:马越,裴鹏,阮书敏,林露,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。