一种基于LabVIEW的目标跟踪方法技术

一种基于LabVIEW的目标跟踪方法，在目标未被遮挡时，目标跟踪采用区域模板匹配，通过LabVIEW内置的视觉与运动函数库中的机器视觉模块实现模板的学习和匹配，当目标被遮挡时，提取目标某个或某些具有不变性的特征，进行特征模板匹配，完成跟踪，在跟踪过程中引入搜索算法对下一时刻目标的位置状态进行估计假设，从而实现快速实时准确的跟踪，使得被遮挡目标能够准确、稳定地被跟踪，保证跟踪过程中目标不被丢失，提高跟踪速度，从而提高跟踪的实时性和鲁棒性。

【技术实现步骤摘要】
【专利摘要】，在目标未被遮挡时，目标跟踪采用区域模板匹配，通过LabVIEW内置的视觉与运动函数库中的机器视觉模块实现模板的学习和匹配，当目标被遮挡时，提取目标某个或某些具有不变性的特征，进行特征模板匹配，完成跟踪，在跟踪过程中引入搜索算法对下一时刻目标的位置状态进行估计假设，从而实现快速实时准确的跟踪，使得被遮挡目标能够准确、稳定地被跟踪，保证跟踪过程中目标不被丢失，提高跟踪速度，从而提高跟踪的实时性和鲁棒性。【专利说明】—种基于LabV IEW的目标跟踪方法
本专利技术涉及一种目标跟踪方法，属于机器视觉与图像处理
，特别涉及。
技术介绍
目前，运动目标跟踪技术是计算机视觉领域的核心课题，也是智能视频监控系统的关键底层技术。在安全监测、交通管理等方面具有实用价值，具有灵活性和可视化的特点。在智能交通领域，通过对车辆目标的跟踪，智能交通信息分析系统可以使用架设在城市道路或高速公路上的固定摄像设备获取道路上的车辆信息，从而为系统终端提供必要的信息，自动地获取、记录、分析交通事故并进行报警，记录违章车辆的信息，进行交通流量的控制等。但是，在实际应用中，由于有许多不可预知的外界条件，如光照、遮挡和噪声，影响了目标跟踪的稳定性、准确性。尤其是在目标被遮挡时，目标容易丢失，容易造成目标跟踪失败。基于区域跟踪在目标发生较小形变、未被遮挡情况下可以准确跟踪，鲁棒性也很好。但该方法需要对整个图像区域进行搜索，要求获取的信息较多，因此会比较耗时，当目标出现太大遮挡时容易导致跟踪目标丢失。
技术实现思路
为了克服上述现有技术的不足，本专利技术的目的在于提出，能够利用目标特征跟踪方法，使得被遮挡目标能够准确、稳定地被跟踪，同时提闻跟踪速度，提闻跟踪的实时性和鲁棒性。为了实现上述目的，本专利技术采取的技术方案为:，其步骤如下:步骤1，模板匹配:当目标未被遮挡时，目标跟踪采用区域模板匹配；先将初始帧制成模板，采用LabVIEW内置的视觉开发工具包IMAQVision中的IMAQLearnPatter4函数进行模板的学习训练，然后用模板在目标区域内进行像素匹配搜索，用IMAQMatchPatter4函数完成模板匹配过程，记录匹配像素数目，根据预先设定的阈值Ta判断是否匹配成功:若未匹配数小于或等于阈值Ta，则匹配成功，进行下一帧匹配搜索，然后进行步骤4卡尔曼预测；若未匹配数大于阈值Ta，则匹配失败，进行步骤2遮挡检测；步骤2，遮挡检测:根据模板匹配效果即目标区域大小变化判断目标是否被遮挡，以像素点匹配流失情况作为判断条件，根据预先设定的阈值Ta判断是否被遮挡:当目标像素流失数目a大于阈值Ta时，目标被遮挡，进行步骤3特征提取和特征匹配；当目标像素流失数目a小于或等于阈值Ta时，目标无遮挡，则进行步骤I重新设置阈值Ta1,Ta,Ta，继续当前帧的模板匹配；步骤3，特征提取和特征匹配:当目标被遮挡时，根据运动物体提取目标某个或某些具有不变性的参数特征，然后用LabVIEW内置的视觉开发工具包IMAQVision中的相关函数进行特征模板的学习和匹配，完成跟踪；步骤4，卡尔曼预测:在LabVIEW的控制与仿真模块中调用卡尔曼滤波器，利用前一帧的最佳匹配位置信息，预测当前帧目标的位置，当前帧匹配完成后，更新卡尔曼滤波器参数，缩小目标范围，预测目标下一帧可能出现的位置，实现快速实时准确的跟踪。 所述阈值Ta为未匹配像素允许的最大误差，不超过目标匹配像素数目的10%。所述步骤3中具有不变性的参数特征包括几何特征、颜色特征、图像边缘、轮廓、形状、纹理和直方图。所述步骤4中最佳匹配位置信息包括目标坐标、速度和方向。由于本专利技术跟踪以训练学习过的模板与视频序列帧匹配，在运动目标被遮挡时，将卡尔曼滤波器引入位置预测，对下一时刻目标的位置状态进行估计假设，从而缩小目标搜索范围，提高跟踪速度；在运动目标被遮挡的情况下，目标本身的特征不会改变，同时，在准确选取特征点的前提下，采用特征匹配还可以克服由于光照改变及目标发生几何形变带来的跟踪障碍，使得被遮挡目标能够准确、稳定地被跟踪，保证跟踪过程中目标不被丢失，提闻跟踪速度，从而提闻跟踪的实时性和鲁棒性。【专利附图】【附图说明】图1为本专利技术模板示意图。图2为本专利技术目标匹配示意图。图3为本专利技术目标跟踪基本流程图。【具体实施方式】下面结合附图及实施例对本专利技术作进一步详细说明。参见图l，m为模板高度，η为模板宽度，T为包含运动目标的模板，大小为nXm，即nXm个像素。参见图2，T为模板，s为目标图像高度，t表示目标图像宽度，F为包含运动目标的搜索图像，大小为tXs。目标搜索图像一般大于目标模板。其匹配过程为:将目标模板置于搜索图像上，从左上角进行像素匹配，然后平移模板，搜索整个目标图像，直至匹配成功，即搜索到目标为止。参见图3，首先获取运动目标的视频序列，然后用卡尔曼滤波器预测下一帧目标位置的范围进行模板匹配，并根据设定的阈值Ta判断匹配结果。阈值Ta并非一个既定的值，根据不同的应用环境可适当调整。若匹配成功则继续跟踪；若匹配失败，则进行遮挡检测，如果目标被遮挡，采用特征模板匹配方法跟踪；如果目标没有被遮挡，则重置阈值Ta，当前帧的区域模板匹配直至搜索到目标，最后更新滤波器参数预测下一帧目标位置。实施例一:步骤1，模板匹配:首先选取车辆为运动目标，目标未被遮挡，目标跟踪采用区域模板匹配；获取包含目标车辆的视频序列，将初始帧制成模板，采用LabVIEW内置的视觉开发工具包IMAQVision中的IMAQLearnPatter4函数进行模板的学习训练，然后用模板在目标区域内进行像素匹配搜索，用IMAQMatchPatter4函数完成模板匹配过程，记录匹配像素数目为3000，阈值Ta预先设定为90，即3000的3%，若未匹配数小于或等于90，则匹配成功，进行下一帧匹配搜索，然后进行步骤4卡尔曼预测；若未匹配数大于90，则匹配失败，进行步骤2遮挡检测；步骤2，遮挡检测:根据模板匹配效果即目标区域大小变化判断目标是否被遮挡，以像素点匹配流失情况作为判断条件，根据预先设定的阈值90判断是否被遮挡:当目标像素流失数目a大于90时，目标被遮挡，进行步骤3特征提取和特征匹配；当a小于或等于90时，目标无遮挡，在判定目标车辆无遮挡的情况下，进行步骤I重新设置阈值Ta1, Ta1CTa,继续当前帧的模板匹配，此时，Ta1为像素匹配数目的2%，即此时的阈值为60 ；步骤3，特征提取和特征匹配:当目标车辆被遮挡时，根据运动物体提取目标的几何特征，然后用LabVIEW内置的视觉开发工具包IMAQVision中的相关函数进行特征模板的学习和匹配，完成跟踪；步骤4，卡尔曼预测:在LabVIEW的控制与仿真模块中调用卡尔曼滤波器，利用前一帧的最佳匹配位置信息:目标坐标、速度和方向，预测当前帧目标的位置，当前帧匹配完成后，更新卡尔曼滤波器参数，缩小目标范围，预测目标下一帧可能出现的位置，实现快速实时准确的跟踪。【权利要求】1.，其特征在于，包括如下步骤: 步骤1，模板匹配:当目标未被遮挡时，目标跟踪采用区域模板匹配；先将初始帧制成模板，采用LabVIEW内置的视觉开发工具包IMAQVision中的IMAQLearnPatter4函数本文档来自技高网...

【技术保护点】
一种基于LabVIEW的目标跟踪方法，其特征在于，包括如下步骤：步骤1，模板匹配：当目标未被遮挡时，目标跟踪采用区域模板匹配；先将初始帧制成模板，采用LabVIEW内置的视觉开发工具包IMAQVision中的IMAQLearnPatter4函数进行模板的学习训练，然后用模板在目标区域内进行像素匹配搜索，用IMAQMatchPatter4函数完成模板匹配过程，记录匹配像素数目，根据预先设定的阈值Ta判断是否匹配成功：若未匹配数小于或等于阈值Ta，则匹配成功，进行下一帧匹配搜索，然后进行步骤4卡尔曼预测；若未匹配数大于阈值Ta，则匹配失败，进行步骤2遮挡检测；步骤2，遮挡检测：根据模板匹配效果即目标区域大小变化判断目标是否被遮挡，以像素点匹配流失情况作为判断条件，根据预先设定的阈值Ta判断是否被遮挡：当目标像素流失数目a大于阈值Ta时，目标被遮挡，进行步骤3特征提取和特征匹配；当目标像素流失数目a小于或等于阈值Ta时，目标无遮挡，则进行步骤1重新设置阈值Ta1，Ta1<Ta，继续当前帧的模板匹配；步骤3，特征提取和特征匹配：当目标被遮挡时，根据运动物体提取目标某个或某些具有不变性的参数特征，然后用LabVIEW内置的视觉开发工具包IMAQVision中的相关函数进行特征模板的学习和匹配，完成跟踪；步骤4，卡尔曼预测：在LabVIEW的控制与仿真模块中调用卡尔曼滤波器，利用前一帧的最佳匹配位置信息，预测当前帧目标的位置，当前帧匹配完成后，更新卡尔曼滤波器参数，缩小目标范围，预测目标下一帧可能出现的位置，实现快速实时准确的跟踪。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李光明，张巧丽，张涛，殷波，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：陕西;61