实时动态目标跟踪方法及装置制造方法及图纸

本发明专利技术提供了一种实时动态目标跟踪方法及装置，涉及图像处理的技术领域，其中，一种实时动态目标跟踪方法，包括：采集目标的三维图像；对三维图像进行图像通道分割处理，生成二维图像和图像深度矩阵；对二维图像进行图像预处理；对预处理后的二维图像和图像深度矩阵进行帧差分处理；对帧差分处理后的二维图像进行凸包检测并计算凸包的质心；对帧差分处理后的图像深度矩阵进行滤波；将帧差分处理后的二维图像和滤波后的图像深度矩阵进行坐标融合生成目标团块矫正矩阵；根据凸包的质心对目标团块矫正矩阵进行目标标记和路径跟踪。解决了现有动态目标追踪在鲁棒性或实时性存在不足的技术问题，达到了提高动态目标追踪的鲁棒性或实时性的技术效果。

Method and device for real-time dynamic target tracking

The present invention provides a real-time dynamic target tracking method and device, and relates to the technical field of image processing, including a tracking method, real-time dynamic target include 3D image acquisition targets; on the 3D image channel segmentation, two-dimensional image generation and image depth of two-dimensional image matrix; image preprocessing; frame differential processing of the 2D image and depth image after preprocessing matrix of frame difference; two-dimensional image processing of convex hull detection and centroid calculation of the convex hull; the frame difference image depth matrix processed to filter; frame difference image depth matrix 2D image and filtering processing after coordinate fusion to generate the target mass correction matrix; according to the convex hull of the centroid of target mass matrix correction mark the target and path tracking. The invention solves the technical problems of the existing dynamic target tracking in the lack of robustness or real time performance, and achieves the technical effect of improving the robustness or the real-time performance of the dynamic target tracking.

【技术实现步骤摘要】
实时动态目标跟踪方法及装置
本专利技术涉及图像处理
，尤其是涉及一种实时动态目标跟踪方法及装置。
技术介绍
现有技术的目标跟踪主要通过两种方式实现，一种方式是运用生成的模型描述子描述目标的特征，通过搜索待定目标的特征实现目标的跟踪，有代表性的算法有稀疏编码，在线密度估计等。稀疏编码和在线密度估计等算法着眼于对目标本身的描述，忽略了背景信息，在目标为非刚体或被遮挡的情况下会产生漂移；另一种方式是通过训练分类器来实现跟踪目标。代表性的算法有MeanShift和典型的DLT深度学习算法。MeanShift采用目标的颜色直方图作为搜索特征，不断迭代MeanShift向量使得算法收敛于目标的真实位置，从而达到区分目标和跟踪的目的，MeanShift算法对边缘遮挡、目标旋转、变形和背景运动不敏感。典型的DLT深度学习算法采用辅助训练数据进行预训练，获取目标初略特征，实际跟踪时微调整预训练模型，增强其分类性能。这些算法在鲁棒性和实时性方面都或多或少存在不尽人意的地方。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种实时动态目标跟踪方法及装置，以缓解现有技术的目标跟踪在鲁棒性和实时性较差的技术问题。第一方面，本专利技术实施例提供了一种实时动态目标跟踪方法，包括以下步骤：采集目标的三维图像；对三维图像进行图像通道分割处理，生成二维图像和图像深度矩阵；对二维图像进行图像预处理，生成预处理后的二维图像；对预处理后的二维图像和图像深度矩阵分别进行帧差分处理，得到帧差分处理后的二维图像和帧差分处理后的图像深度矩阵；对帧差分处理后的二维图像进行凸包检测并计算凸包的质心；对帧差分处理后的图像深度矩阵进行滤波，得到滤波后的图像深度矩阵；将帧差分处理后的二维图像和滤波后的图像深度矩阵进行坐标融合，得到目标团块矫正矩阵；根据质心对目标团块矫正矩阵进行目标标记和路径跟踪。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，在图像通道分割处理前或帧差分处理前还包括帧分割处理，具体方法为：在图像通道分割处理之前对三维图像进行等帧数分组；或在帧差分处理前对二维图像或预处理后的二维图像进行等帧数分组。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，帧差分处理为三帧差分处理。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，三帧差分处理为帧间差分法、索贝尔算子或背景差分算法。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，预处理方法包括全局阈值化、局部自适应阈值化、高斯模糊、高斯金字塔和拉普拉斯金字塔中的一种或多种。结合第一方面，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，将帧差分处理后的二维图像和滤波后的图像深度矩阵进行坐标融合，生成目标团块矫正矩阵，具体为：对帧差分后的二维图像进行形态学处理生成目标轮廓矩阵，将目标轮廓矩阵和滤波后的图像深度矩阵进行坐标融合生成目标团块矫正矩阵。结合第一方面，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，对帧差分处理后的二维图像进行凸包检测并计算凸包的质心，具体为：对帧差分处理后的二维图像进行形态学处理生成目标轮廓矩阵，对目标轮廓矩阵进行凸包检测并计算凸包的质心。结合第一方面，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，滤波处理为低通滤波处理。第二方面，本专利技术实施例还提供一种实时动态目标跟踪装置，包括：图像采集模块，用于采集目标的三维图像；分割模块，用于对三维图像进行通道分割处理，生成二维图像和图像深度矩阵；图像预处理模块，用于对二维图像进行图像预处理，得到预处理后的二维图像；帧差分处理模块，用于对预处理后的二维图像和图像深度矩阵分别进行帧差分处理，得到帧差分后的二维图像和帧差分后的图像深度矩阵；凸包检测模块，用于对所述帧差分处理后的二维图像进行凸包检测并计算所述凸包的质心；滤波模块，用于对帧差分后的图像深度矩阵进行滤波，得到滤波后的图像深度矩阵；融合模块，用于将帧差分处理后的二维图像和滤波后的图像深度矩阵进行坐标融合生成目标团块矫正矩阵；目标标记和跟踪模块，用于根据质心对目标团块矫正矩阵进行目标标记和路径跟踪。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中，还包括帧分组模块；用于在图像通道分割处理之前对三维图像进行等帧数分组；或用于在帧差分处理前对二维图像或预处理后的二维图像进行等帧数分组。本专利技术实施例带来了以下有益效果：本专利技术提供了一种实时动态目标跟踪方法，将采集的目标的三维图像进行通道分割生成二维图像和图像深度矩阵；对二维图像进行图像预处理，对预处理后的二维图像和图像深度矩阵分别进行帧差分处理，然后对帧差分后的二维图像进行凸包检测，并计算凸包的质心；将帧差分后的图像深度矩阵进行滤波后与帧差分处理后的二维图像进行坐标融合生成目标团块矫正矩阵，因为帧差分后的图像深度矩阵也包含轮廓信息，因此滤波后的深度矩阵和帧差分处理后的二维图像融合后实现了对目标轮廓的双重定位，根据质心对目标团块矫正矩阵进行目标标记和路径跟踪，提高了对柔性目标实时跟踪的准确率。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例1提供的实时动态目标跟踪方法的第一种实施方式的流程图；图2为本专利技术实施例1提供的实时动态目标跟踪方法的第二种实施方式的流程图；图3为本专利技术实施例1提供的实时动态目标跟踪方法的第三种实施方式的流程图；图4为本专利技术实施例1提供的实时动态目标跟踪方法的第四种实施方式的流程图；图5为本专利技术实施例2提供的实时动态目标跟踪装置的第一种实施方式的示意图；图6为本专利技术实施例2提供的实时动态目标跟踪装置的第二种实施方式的示意图；图7为本专利技术实施例2提供的实时动态目标跟踪装置的第三种实施方式的示意图；图8为本专利技术实施例2提供的实时动态目标跟踪装置的第四种实施方式的示意图。图标：101-图像采集模块；102-分割模块；103-图像预处理模块；104-帧差分处理模块；105-凸包检测模块；106-滤波模块；107-融合模块；108-目标标记和跟踪模块；110-帧分组模块；111-形态学处理模块。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。目前的实时动态目标跟踪方法在鲁棒性或实时性存在不足，基于此，本专利技术实施例提供的一种实时动态目标跟踪方法及本文档来自技高网...

【技术保护点】
一种实时动态目标跟踪方法，其特征在于，包括以下步骤：采集所述目标的三维图像；对所述三维图像进行图像通道分割处理，生成二维图像和图像深度矩阵；对所述二维图像进行图像预处理，生成预处理后的二维图像；对所述预处理后的二维图像和所述图像深度矩阵分别进行帧差分处理，得到帧差分处理后的二维图像和帧差分处理后的图像深度矩阵；对所述帧差分处理后的二维图像进行凸包检测并计算所述凸包的质心；对所述帧差分处理后的图像深度矩阵进行滤波，得到滤波后的图像深度矩阵；将所述帧差分处理后的二维图像和所述滤波后的图像深度矩阵进行坐标融合，生成目标团块矫正矩阵；根据所述质心对所述目标团块矫正矩阵进行目标标记和路径跟踪。

【技术特征摘要】
1.一种实时动态目标跟踪方法，其特征在于，包括以下步骤：采集所述目标的三维图像；对所述三维图像进行图像通道分割处理，生成二维图像和图像深度矩阵；对所述二维图像进行图像预处理，生成预处理后的二维图像；对所述预处理后的二维图像和所述图像深度矩阵分别进行帧差分处理，得到帧差分处理后的二维图像和帧差分处理后的图像深度矩阵；对所述帧差分处理后的二维图像进行凸包检测并计算所述凸包的质心；对所述帧差分处理后的图像深度矩阵进行滤波，得到滤波后的图像深度矩阵；将所述帧差分处理后的二维图像和所述滤波后的图像深度矩阵进行坐标融合，生成目标团块矫正矩阵；根据所述质心对所述目标团块矫正矩阵进行目标标记和路径跟踪。2.根据权利要求1所述的方法，其特征在于，在所述图像通道分割处理前或所述帧差分处理前还包括帧分割处理，具体为：在所述图像通道分割处理之前对所述三维图像进行等帧数分组；或在所述帧差分处理前对所述二维图像或所述预处理后的二维图像进行等帧数分组。3.根据权利要求1所述的方法，其特征在于，所述帧差分处理为三帧差分处理。4.根据权利要求3所述的方法，其特征在于，所述三帧差分处理为帧间差分法、索贝尔算子或背景差分算法。5.根据权利要求1所述的方法，其特征在于，所述预处理包括全局阈值化、局部自适应阈值化、高斯模糊、高斯金字塔和拉普拉斯金字塔中的一种或多种。6.根据权利要求1所述的方法，其特征在于，所述将所述帧差分处理后的二维图像和所述滤波后的图像深度矩阵进行坐标融合生成目标团块矫正矩阵，具体为：对所述帧差分后的二维图像进行形态学处...

【专利技术属性】
技术研发人员：肖志勇，陈照军，
申请(专利权)人：深圳市石代科技有限公司，
类型：发明
国别省市：广东,44