本发明专利技术公开了一种用于遮挡目标检测的多特征点跟踪方法。本发明专利技术的新颖之处在于提出一种基于特征光流分割和卡尔曼滤波估计的运动目标跟踪方法。这种方法在特征光流的计算中采用由粗到细的层级匹配算法，具有更好的匹配精度；并采用有效的遮挡判决算法，当特征点被遮挡和丢失时能估计它们的位置。这种方法能够有效地解决运动目标作大机动和经历遮挡时目标跟踪困难的问题。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种用于遮挡目标检测的多特征点跟踪方法。本专利技术的新颖之处在于提出一种基于特征光流分割和卡尔曼滤波估计的运动目标跟踪方法。这种方法在特征光流的计算中采用由粗到细的层级匹配算法，具有更好的匹配精度；并采用有效的遮挡判决算法，当特征点被遮挡和丢失时能估计它们的位置。这种方法能够有效地解决运动目标作大机动和经历遮挡时目标跟踪困难的问题。【专利说明】
本专利技术与计算机视觉、图像理解和计算机图形学有关，在目标被全遮挡和部分遮 挡的情况下，目标的检测与跟踪变得尤为困难，本专利技术涉及一种解决这种复杂条件下运动 目标的检测与分割方法，利用建立的特征点光流聚类算法和遮挡判决算法的实现对遮挡目 标的可靠检测。
技术介绍
复杂背景下的运动目标自动跟踪技术是图象处理、模式识别和计算机图形技术的 重要课题，在军事、国防和工业等领域有着广泛的应用前景，跟踪系统有两个基本运算，即 目标图象的分割和目标的追踪，但是当运动目标作大的机动、经历遮挡时，这些运算的稳定 性、适应性和计算效率将受到影响，而这些影响会直接改变系统的性能，因此，获得鲁棒性 的跟踪算法是迫切解决的问题. 利用运动估计进行分割与跟踪运动目标是一种重要的技术途径，基于特征点的光流算 法和基于连续光流场的算法是经常被采用的运动估计技术，特征光流是通过特征匹配来求 得特征点处的光流，同连续光流场算法相比较，这种算法具有可以处理大的帧间运动，对噪 声不敏感和计算量小的特点.但是由于得到的是稀疏的光流场，因而很难提取运动目标的 精确形状。此外，当运动目标被遮挡时，如何对遮挡情况进行判断是建立可靠抗遮挡跟踪算 法的关键. 不同于其它研究方法，本专利技术在获得目标特征点的基础上，建立一种新颖的目标描述 与遮挡判决方法，这种方法能够有效判断出目标进入遮挡和离开遮挡的情况，从而为后续 的抗遮挡跟踪奠定基础。
技术实现思路
本专利技术建立.这种方法包含以下过程： 首先利用角检测器检测特征点，并利用提出的由粗到细层级匹配算法计算特征光流；其次， 利用特征点光流聚类算法，完成目标的分割，并建立运动目标的描述子；最后，提出一种新 颖的遮挡判决方法，完成对目标被遮挡和脱离遮挡情况的判决，实现对运动目标的可靠跟 踪· 本专利技术的基本原理如下： 一、一种多尺度特征光流计算方法.假设图象序列中某特征点 另从? = 1时刻的图象^(X)运动到? = 2时刻的图象馬(Z + DX) , ￡ΜΓ=(成办)为 【权利要求】1. 一种多尺度特征光流计算方法.假设图象序列中某特征点 (X力从? = 1时刻的图象马(X)运动到1 = 2时刻的图象马(f+ DJT) , ￡)_Ζ =(成办)为 特征点分别沿^和^轴的偏移量，最佳偏移量的计算可以通过最小化灰度的差值平方和得 到(1) ?Τ为以Ζ为中心的窗，对馬(I + Μ)由一阶泰勒级数展开(2)其中 ，计算误差分别相对于?、+的偏导数，令它们为零，得到 ε(3) 由此可以解出(4) 馬、马分别为·Ει(^0、爲(工）的简写，上标Γ为矩阵的转置，-1为矩阵的逆。2. 为获得￡)if的估计，可以通过对DZ的初始化，由牛顿-拉富生迭代算法得到(5) 上标0)表示《次迭代，表示馬(ii+￡)Xw)。3. 当目标的运动在相对较小的范围时，利用这种方法不但可以降低匹配过程中的搜索 范围，减少匹配时间，而且具有很高的匹配精度，此外，本专利技术建立一种高斯金字塔多尺度 框架，在该框架下计算特征光流点，可以解决目标作大的运动时，在单一分辨率层上匹配精 度降低的问题。4. 特征光流场聚类，同一目标上特征点光流近似相同、不同目标上特征点光流不同，可 将光流进行聚类；根据同一目标上特征点分布具有一定规律，在光流聚类的基础上，再对目 标特征点进行一次空间聚类，衡量两个光流矢量(ft,η)和(a 2，v2)相似的测度函数为：(6) 式中，？代表误差的阶。5. 设定一个比较小的阈值As , -旦两个光流矢量间的测度函数β < 就将此二光流 合并为一类，并计算类的平均光流；当判断某一光流矢量能否归并到某类中时，需衡量该光 流与类的平均光流的测度函数.由上一步得到若干个类，同一类中的光流是相似的，但是， 由于各种噪声的影响，每类中可能存在噪声点，这些噪声点一般表现为"离群"，为去掉这些 离群的点，本专利技术假设同一类中的点到类中心的距离服从参数为(Α σ)的正态分布，把到 类中心的距离大于或等于(.W+2cr)的点从此类中删除.例如，假设某类中包括《个特征点 OUi), (?,…>(?）则对Α σ的估计值为(7) (8) (9) (10) 如果^?(" + 2σ),则从该类中删除点(心乃）。6. 目标描述与遮挡判决方法，对聚类后目标的描述，由每类中的特征点构成的最 小凸多边形来描述目标，根据最小凸多边形构成的面积发生变化的思想，建立判决算法，假 设由最小凸多边形构成的区域为$￠),其面积,本专利技术定义ω(?)为时刻.?时巩《)的 估计面积4同观测面积ΛΟ)之差，表示为(11)当目标没有被遮挡时，为零均值高斯白噪声序列，对ΔΑ>)的影响可以分阶段考 虑：当目标进入遮挡时，Mb)会明显地增加；当目标脱离遮挡时，会显著地减小，定 义 (12) (13) 则判决函数为 如果九 脱离遮挡 （14) 如果ΜΒ-￡：Μ>；? 进入遮挡 （15) 其中，为期望的变化幅值；为判决门限。【文档编号】G06T7/20GK104156976SQ201310174467【公开日】2014年11月19日 申请日期:2013年5月13日 优先权日:2013年5月13日 【专利技术者】张泽旭 申请人:哈尔滨点石仿真科技有限公司本文档来自技高网...
【技术保护点】
一种多尺度特征光流计算方法. 假设图象序列中某特征点从时刻的图象运动到时刻的图象，为特征点分别沿和轴的偏移量，最佳偏移量的计算可以通过最小化灰度的差值平方和得到(1)为以为中心的窗，对由一阶泰勒级数展开(2)其中，计算误差分别相对于、的偏导数，令它们为零，得到(3)由此可以解出(4)、分别为、的简写，上标为矩阵的转置，‑1为矩阵的逆。
【技术特征摘要】
【专利技术属性】
技术研发人员：张泽旭，
申请(专利权)人：哈尔滨点石仿真科技有限公司，
类型：发明
国别省市：黑龙江;23
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。