The present invention relates to a method to estimate the dynamic environment of the target state, different color space in the dynamic environment, extracted to identify the best color space, and then update the next frame of the center point and the next image recognition threshold range to achieve the adaptive target detection effect, can effectively reduce the threshold estimation the maximum, identify the target, and through the combination of HSV and YCbCr color space to update the center point correction and reduction to improve the accuracy of the algorithm, according to the Calman filter and Markoff model to predict target tracking, overcome discrete color features in complex environment and the interference of similar objects, narrow detector the scope of the search and improve the tracking accuracy of target partial occlusion, enhance the tracking accuracy.
【技术实现步骤摘要】
动态环境下的目标状态预估方法
本专利技术涉及图像处理与模式识别
,尤其是涉及动态环境下的目标状态预估方法。
技术介绍
如何从一副图像里提取出我们感兴趣的物体,并在图像序列中始终标定目标位置是目标跟踪的主要课题,也更是图像处理中的一个经久不衰的话题。在该领域研究较早的,应用较为广泛的适用于图像目标提取的是图像分割技术,它是图像处理与分析领域中的一个经典问题,也是该领域的难点之一。图像分割其实就是一个划分问题,按照特定的划分准则将图像中的像素点进行过滤与划分,通常划分的结果要么是区分背景与提取物,要么是突出提取物,要么是消除噪声,通过划分将图像归到具有实际意义的区域,我们便可以提取出我们感兴趣的目标。在图像分割领域中,利用颜色直方图的分布概率来提取目标是一类较为简单和实用的方法,其易于实现、分割效果良好,时间复杂度低,在简单背景下跟踪结果更精准并自动调节搜索窗口大小,是目前应用于机器视觉及其它各类图像处理与模式识别中较为常用的分割方法之一,并已广泛应用于工业产品缺陷提取、医疗图像处理、指纹识别、红外目标检测等实际应用领域,如何能够不受检测器检测范围的限制和对移动速度过快的目标跟踪效果较差的影响,并且由于主要处理颜色直方图反投影形成的二值图像,以获取图像颜色的概率分布信息的处理算法更是众多图像处理领域研究者努力探索的问题。本文的研究是在FIRA机器人比赛,投篮比赛项目的基础上发展而来,FIRA(FederationofInternationalRobot-SoccerAssociation)是在韩国创立,比赛更是涉及人工智能各个领域,包括智能机器人系统、多 ...
【技术保护点】
动态环境下的目标状态预估方法,其特征在于,所述方法包括下列步骤:(1)、从摄像头采集第一帧RGB图像作为先验图像;(2)、将上述提取的RGB图像转换为HSV图像与YCbCr图像;(3)、在HSV图像和YCbCr图像上分别检测一个目标范围,采用迭代法分别在提取的目标范围内求取中心点,即得到HSV图像中心点和YCbCr图像中心点;(4)、根据步骤(3)中得到的两个中心点,求取两个中心点的偏移量以及中心点的上下限;(5)、确定下一帧图像的识别上界和识别下界;(6)、根据步骤(5)中预测的识别上界和识别下界,确定出下一帧图像的阈值选取准则;(7)、更新步骤(3)中的HSV图像中心点和YCbCr图像中心点,来获取新的HSV图像中心点和新的YCbCr图像中心点,更新步骤(6)中的识别上界和识别下界来获取新的识别上界和新的识别下界,从而达到自适应检测目标的目的;(8)、对新的HSV图像中心点和新的YCbCr图像中心点进行检测,即根据分割出像素点集合的直方图histnew,如果任意一个新的中心点符合要求,则将获得的新中心点、新的识别上界和新的识别下界作为当前中心点和边界范围,如果存在不符合要求的新的中 ...
【技术特征摘要】
1.动态环境下的目标状态预估方法,其特征在于,所述方法包括下列步骤:(1)、从摄像头采集第一帧RGB图像作为先验图像;(2)、将上述提取的RGB图像转换为HSV图像与YCbCr图像;(3)、在HSV图像和YCbCr图像上分别检测一个目标范围,采用迭代法分别在提取的目标范围内求取中心点,即得到HSV图像中心点和YCbCr图像中心点;(4)、根据步骤(3)中得到的两个中心点,求取两个中心点的偏移量以及中心点的上下限;(5)、确定下一帧图像的识别上界和识别下界;(6)、根据步骤(5)中预测的识别上界和识别下界,确定出下一帧图像的阈值选取准则;(7)、更新步骤(3)中的HSV图像中心点和YCbCr图像中心点,来获取新的HSV图像中心点和新的YCbCr图像中心点,更新步骤(6)中的识别上界和识别下界来获取新的识别上界和新的识别下界,从而达到自适应检测目标的目的;(8)、对新的HSV图像中心点和新的YCbCr图像中心点进行检测,即根据分割出像素点集合的直方图histnew,如果任意一个新的中心点符合要求,则将获得的新中心点、新的识别上界和新的识别下界作为当前中心点和边界范围,如果存在不符合要求的新的中心点,则对该不符合要求的新的中心点进行还原,同时对其边界也还原,既保持更新前的值和更新前的便捷范围;(9)、利用Kalman预测器得出状态预测值,即在动态图像序列中,每相邻帧之间的时间间隔较小,可以近似认为目标在相邻帧之间为匀速运动,根据检测器搜索区域大小和位置,得出卡尔曼滤波器状态估计的状态变量Xk和预测变量Zk;(10)、由马尔科夫模型得出目标方向,通过设定马尔科夫模型当前预测状态只和上一时刻状态及状态转移矩阵相关,则根据目标在t时刻的运动方向状态量和转移矩阵,由此预测t+1时刻的目标方向。2.根据权利要求1所述的动态环境下的目标状态预估方法,其特征在于,步骤(2)中,将RGB图像转换为YCbCr图像,其转换公式为:。3.根据权利要求1所述的动态环境下的目标状态预估方法,其特征在于,步骤(3)中,采用迭代法提取YCbCr图像的中心点的方法为:在第一帧图像中,以聚类的方式将初始障碍物大致范围聚出来或者用手动方式选取目标物体,若选取的目标区域为矩形,设定其矩形的宽为w,高为h,中心点为p(y,u,v),其中y为y通道,u为c...
【专利技术属性】
技术研发人员:李迅,李宁,邓慧敏,刘仁军,汪利庆,
申请(专利权)人:武汉工程大学,
类型:发明
国别省市:湖北,42
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。