基于部件的对象跟踪方法技术

一种图像处理技术领域的基于部件的对象跟踪方法，包括如下步骤：首先对出现的跟踪对象，使用加速区域角点检测的方法对跟踪对象的跟踪部件进行定位，然后通过灰度直方图描述跟踪部件，在后续的帧中通过卡尔曼滤波对跟踪部件进行跟踪，在每帧中通过观测值的测量来修正卡尔曼滤波的参数，并且进行部件的更新，最后将跟踪对象标识出来。本发明专利技术能够较准确地跟踪目标并具有非常快的跟踪速度，本发明专利技术使用对象角点为中心的小窗口作为跟踪部件，能够有效地克服遮挡等问题。

【技术实现步骤摘要】

本专利技术涉及一种图像处理
的方法，具体是一种基于部件的对象跟踪 方法。
技术介绍
对象跟踪问题是计算机视觉中一个重要的研究领域，它在视频监控、图像压 縮和三维重建等领域中都具有广泛的应用。运动对象在运动的过程中难免要遇到 遮挡的问题，遮挡是影响跟踪稳定性的主要因素，克服遮挡是跟踪算法的难点之经对现有技术文献的检索发现，Amit Adam等在Computer Vision and Pattern Recognition(计算机视觉与模型识别)(2006年1月798- 805)发 表的Robust Fragments-based Tracking using the Integral Histogram (基 于部件和直方图的跟踪)提出将跟踪窗口分成若干个子窗口，对于被遮挡的子窗 口直方图给予补偿，但其不足在于采用穷搜索的方法匹配两窗口降低了跟踪的实 时性，并且结果不能体现出跟踪对象的运动角度。
技术实现思路
本专利技术的目的在于克服上述现有技术的不足，提出了一种基于部件的跟踪方 法，将目标中的多个部件作为跟踪对象，使其采用基于核的灰度直方图来描述跟 踪对象中的各个部件，通过卡尔曼滤波器预测部件的参数，继而利用基于核的灰 度直方图进行修正，以完成跟踪，不但有效地克服遮挡问题，而且克服对象内部 存在的相对运动以及非刚体变形等问题，具有良好的实时性和很好的跟踪效果。本专利技术是通过以下技术方案实现的，包括如下步骤首先对出现的跟踪对象，使用FAST(加速区域)角点检测的方法对跟踪对象 的跟踪部件进行定位；然后通过灰度直方图描述跟踪部件，在后续的帧中通过卡尔曼滤波对跟踪部 件进行跟踪，在每帧中通过观测值的测量来修正卡尔曼滤波的参数，并且进行部 件的更新；最后将跟踪对象标识出来。所述对跟踪对象的跟踪部件进行定位，是指采用FAST角点检测的方法检 测运动对象中的角点，将以角点为中心的矩形窗口作为跟踪部件，FAST角点检 测的方法具体为为检査待检测点C周围的圆，寻找其中最长的圆弧，如果圆弧 中所有的点的灰度值都大于c点的灰度值t个灰度值以上，t由用户根据需要设 定，或者都小于c点的灰度值t个灰度值以上，则被判定为角点。所述通过灰度直方图描述跟踪部件，是指采用基于核的灰度直方图来描述 跟踪部件，直方图为n维向量，n由用户根据需要设定，首先将颜色空间由256 维映射到n维，然后采用Biweight (双权重)核函数对每个点加权，使距离中 心较远的像素的权值较小，这样可以降低背景噪声的影响，提高直方图的稳定性。所述的通过卡尔曼滤波对跟踪部件进行跟踪，具体为卡尔曼滤波包括预测 和修正两部分预测部分采用预测方程组，利用前一时刻的状态值和预测误差做出预测，得到各个跟踪部件在当前时刻的位置，由于预测结果会存在一定误差， 修改部分采用修正方程组，利用获得的当前时刻的观测值来修正预测结果。所述通过观测值的测量来修正卡尔曼滤波器的参数，是指在预测方程组 预测出的跟踪部件位置周围采用螺旋式搜索的方法，找到一点，以该点为邻域的 窗口的直方图和原部件直方图的欧氏距离小于设定的阈值，该点的位置就作为当 前帧的观测值，修正方程组通过此观测值来修正当前的卡尔曼滤波器的预测值， 得到修正后的状态估计值和噪声方差估计值。所述进行部件的更新，具体为如果在预测点周围无法找到符合条件的点， 采用判决方法将对象标识，保留位于标识区域之内的部件，即保留由于对象旋转 或由于遮挡而导致的部件消失但仍在跟踪对象之内的部件，淘汰因跟踪失败处在 跟踪对象之外的部件，并将原部件的灰度直方图与当前时刻部件所处位置的灰度 直方图加权相加的方法对灰度直方图进行更新。所述将跟踪对象标识出来，是指确定出跟踪对象的各个部件之后，用能够 包含所有跟踪部件中心点的面积最小的矩形将跟踪对象标识出来，使得各个部件 统一到一个对象，具体为采用格雷厄姆方法确定出对象角点集合的凸壳，得到 点集的凸壳之后，以凸壳上的一条边的延长线为矩形的一边，找出包含点集中所 有点的矩形，依次旋转找出面积最小的矩形区域。与现有技术相比，本专利技术具有如下有益效果本专利技术能够较准确地跟踪目标以及具有非常快的跟踪速度，使用对象角点为中心的小窗口作为跟踪部件，能够 有效地克服遮挡等问题。对象描述采用基于核的灰度直方图，以适应对象大小变 化和旋转的情况，并且降低背景噪声的影响。通过卡尔曼滤波预测部件在下一帧 的参数，以及采用直方图修正滤波器参数，保证了部件跟踪的准确性。最后用格 雷厄姆方法确定对象中心所在的矩形，使得矩形倾角和大小都较为符合目标的形 状特点。并且，本专利技术具有良好的实时性和稳定的跟踪效果，并且能够有效地克 服遮挡、对象中速度不统一等问题。 附图说明图1是本专利技术的实施例中FAST角点检测方法示意图；図乙牛汰h力T卜/J、艾W芯収B、J力IL矛王图；图3是本专利技术确定最小矩形面积示意图；图4位本专利技术的实施例实验中部件的初始位置和在后续帧中的位置图；图5是本专利技术的实施例中实验一的结果图；图6是本专利技术的实施例中实验二的结果图；图7是本专利技术的实施例中遮挡实验的结果图；图8是本专利技术与均值平移跟踪方法的效果比较图。具体实施方式下面结合附图对本专利技术的实施例作详细说明本实施例在以本专利技术技术方案 为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护 范围不限于下述的实施例。本实施例采用的是跟踪一段视频序列中的运动物体，包括如下具体步骤 1、部件定位本实施例中的跟踪部件选取跟踪对象中以角点为中心的矩形区域，角点检测采用FAST角点检测方法，FAST是一种运算简单直观的角点检测 方法，可以保证跟踪系统实时性的要求。FAST角点检测方法检测的角点为在该点周围有足够的点与该点处于不同的区域，具体为检查待检测点C周围的圆，寻找其中最长的圆弧，如果圆弧中所有的点的灰度值都大于c点的灰度值t个灰 度值以上(t45)，或者都小于c点的灰度值t个灰度值以上，则被判定为角点。 如图1所示，如果圆周上相对的两点(比如象素点1和9)的灰度值都与c 点的灰度值相近，那么显然不需要检测12个点来判断c是否是角点，因此可以 对上述方法进行优化，先检测像素点l， 9，然后检测5和13。通过实验统计，经过优化之后，对于图像中待检测的一个点，平均只需要检测其周围的3.8个 点就可以判断出是否为角点。2、用基于核的灰度直方图向量^J"."来描述跟踪部件，假设{《},=, 表 示部件中心角点c周围以半径为r的圆内所有像素相对于c的归一化坐标，将目 标颜色的分布由原来的256维化为n维，本实施例中n设定为16，由函数b(x) 将位置为x的像素映射到它所在的n维颜色空间中的一维，则灰度直方图&的 计算公式为-|>(11《1|2)其中b(x)-I(x)/n， I(x)表示位置为x的像素的灰度值；k(x)为核函数，Uf)2 ,尸《i在本实施例中，采用Biweight核函数，其表达式为^>) = &使距离中心较远的像素的权值较小，降低背景噪声的影响，提高了直方图的稳定 性。3、如图2所示，采用卡尔曼滤波对跟踪部件进行跟踪，卡尔曼滤波的跟踪 步骤分为预测和修正两个部分预测部分为预测方程组利用前一时刻的状态值和预测误差得到当前时刻的 预本文档来自技高网...

【技术保护点】
一种基于部件的对象跟踪方法，其特征在于，包括如下步骤：首先对出现的跟踪对象，使用加速区域角点检测方法对跟踪对象的跟踪部件进行定位，然后通过灰度直方图描述跟踪部件，在后续的帧中通过卡尔曼滤波对跟踪部件进行跟踪，在每帧中通过观测值的测量来修正卡尔曼滤波的参数，并且进行部件的更新，最后将跟踪对象标识出来。

【技术特征摘要】

【专利技术属性】
技术研发人员：张玉冰，罗青山，曾贵华，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]