一种对快速运动目标的特征点准确跟踪的方法技术

本发明专利技术属于视频以及图像处理技术，具体涉及一种对快速运动目标的特征点准确跟踪的方法。该方法在ｔ－１时刻在跟踪目标选择矩形区域中根据特征矩阵选择Ｍ个特征点，在ｔ时刻对Ｍ个特征点使用ＫＬＴ光流矢量公式迭代求得最优解，得到所有特征点在当前帧的新位置；如果无法求得最优解，则在跟踪目标搜索矩形区域内，使用棋盘格对所有特征点进行近似位置估计，得到新位置。本发明专利技术所提供的方法可以先找到近似位置，再通过光流矢量计算公式求解最佳位置；使用棋盘格划分搜索区域，既能大大提高节省搜索时间，又能搜索到与跟踪目标灰度变化接近的近似位置。该方法不会出现特征点跟踪丢失的情况，非常适用于快速运动目标的特征点跟踪。

【技术实现步骤摘要】

本专利技术属于视频以及图像处理技术，具体涉及一种对快速运动目标的特征点准确 跟踪的方法。
技术介绍
在图像/视频后期处理软件中，对运动图像的像素特征区域进行跟踪，跟踪数 据可以用来控制其它物体的运动和稳定运动物体，这有广泛的需求。使用KLT光流特 征点跟踪方法可以对特征点进行跟踪，KLT光流特征点跟踪算法通常在参考帧中选择 一组特征点，假设特征点纹理在帧间保持不变，然后通过局部匹配搜索完成跟踪任务。 Kanade-Lucas-Tomasi (KLT)算法采用图像灰度差的平方和(SSD)作为特征点的匹配准 则。具体的KLT特征点跟踪算法可以参阅B_D_Lucasand T_Kanade_Aniterative image registration technique withan application tostereo vision_IJCAI_1981。但是，使用现有的KLT光流特征点跟踪算法对快速目标进行跟踪时，很容易由于 亮度变化的不连续，导致特征点跟踪丢失。因此，有必要对现有的快速运动目标的特征点跟 踪方法进行改进。
技术实现思路
本专利技术的目的在于针对现有技术的缺陷，提供一种对快速运动目标的特征点准确 跟踪的方法，从而实现对高速运动目标特征点的正确跟踪。本专利技术的技术方案如下，包括如 下步骤 (l)t-l时刻在跟踪目标选择矩形区域中根据特征矩阵SxS y [^2 V选择M个特征点，矩阵中gx表示图像在X方向的灰度梯度，gy表示图像在Y方向的灰度梯度，f f v 表示在跟踪目标选择矩形区域离散数据的和。(2)在t时刻对M个特征点使用KLT光流矢量公式迭代求得最优解，得到所有特征 点在当前帧的新位置；(3)如果在步骤(2)中求得了最优解，则转入步骤(5)；否则，表示有某个特征点丢 失，进入步骤⑷；(4)在跟踪目标搜索矩形区域内，使用棋盘格对所有特征点进行近似位置估计，得 到新位置；(5)在t+Ι时刻返回步骤(2)，进行循环操作。进一步，如上所述的对快速运动目标的特征点准确跟踪的方法，其中，特征点的个 数M取40。进一步，如上所述的对快速运动目标的特征点准确跟踪的方法，其中，步骤(2)中3所述的KLT光流矢量公式为Zd = e,其中，Z=辽e= J ,d=T，J、I分别表示t_l和t时刻的两幅图像的亮度函数，(1)表示特征运动参数，d表示 特征点的位移。进一步，如上所述的对快速运动目标的特征点准确跟踪的方法，其中，步骤(4)中 使用棋盘格对所有特征点进行近似位置估计的方法如下将跟踪目标搜索矩形区域进行棋 盘格划分，每个格与特征点区域大小相同，这样具有K个图像区域，求取这K个区域中与t-i 时刻特征点区域图像灰度差的平方和(SSD)最小的一个区域，以这个区域的中心位置作为 光流矢量公式的迭代初始位置重新进入步骤(2)进行计算。更进一步，如上所述的对快速运动目标的特征点准确跟踪的方法，如果步骤(4) 中所使用的划分棋盘格对所有特征点进行近似位置估计的方法仍然没有找到特征点，则说 明这个特征点不存在，丢弃这个特征点。本专利技术的有益效果如下本专利技术所提供的特征点跟踪方法是现有KLT光流特征点 跟踪方法的改进，如果特征点存在于当前图像中，本专利技术所提供的方法可以先找到近似位 置，再通过光流矢量计算公式求解最佳位置；使用棋盘格划分搜索区域，既能大大提高节省 搜索时间，又能搜索到与跟踪目标灰度变化接近的近似位置。该方法不会因为图像亮度变 化的不连续而出现特征点跟踪丢失的情况，非常适用于快速运动目标的特征点跟踪。附图说明 图1为本专利技术的方法流程图。具体实施例方式下面结合附图和具体实施例对本专利技术进行详细的描述。本专利技术所提供的对快速运动目标的特征点准确跟踪的方法涉及两个区域的确定， 一个为跟踪目标选择矩形区域用来确定在图像的哪个范围中产生特征点，跟踪目标选择矩 形区域是用户选择的，比如一个人脸区域；另一个为跟踪目标搜索矩形区域用来确定在哪 个范围中预搜索丢失的特征点，跟踪目标搜索矩形区域一般是整个图像区域。该方法的具 体流程如图1所示，包括以下步骤 个特征点。gx表示图像在X方向的灰度梯度，gy表示图像在Y方向的灰度梯度。f ,表 示在跟踪目标选择矩形区域离散数据的和。根据特征矩阵得出的特征值选出最优的M个特 (l)t-l时刻在跟踪目标选择矩形区域中根据特征矩阵 征点(特征值越大越优)，本专利技术中特征点个数M取40。(2)在t时刻对M个特征点使用KLT光流矢量公式迭代求得最优解，得到所有特征 点在当前帧的新位置。KLT光流矢量公式为Zd = e，其中，Z=辽e= Jl [/(l)- j{x\{x)v{x)dx ,g= — ^-,— ^- ,_SxV 22 )_d = T,J、I分别表示t_l和t时刻的两幅图像的亮度函数，(！)表示特征运动参数，比如二维运动是(X，y)，d表示特征点的位移。通过Newton迭代法进行逼近求得最优解。(3)如果在步骤(2)无法求得最优解，表示有某个特征点丢失，如果这个特征点区 域有可能还存在当前图像中，只是由于物体运动快使灰度梯度不连续了而造成光流矢量公 式无法收敛到最优解，这时候可以尝试在跟踪目标搜索矩形区域内搜索跟踪目标的近似位置。将跟踪目标搜索矩形区域进行棋盘格划分，每个格与特征点区域大小相同，这样 具有K个图像区域，求取这K个区域中与t-Ι时刻特征点区域图像灰度差的平方和(SSD) 最小的一个区域，以这个区域的中心位置作为光流矢量公式的迭代初始位置重新进入步骤 (2)进行计算。如此划分棋盘格，理论在于如果跟踪特征点存在这个时刻图像中，我们总能 找到一个区域与t-Ι时刻特征点区域在灰度变化上有相似性，这样以这个区域进行矢量跟 踪必定能迭代到最佳匹配位置。用具体的公式表示如下S(x,y) = ( f f JJ(X)-I(X)))(χ, ,yj= min(5Xx, y)), (χ,少)c searchregion上述公式中S表示这个位置的亮度与模板的亮度差，J、I分别表示t-Ι和t时刻 的两幅图像的亮度函数。(4)如果仍然没有找到特征点，说明特征点不存在，就丢弃这个特征点，否则将特 征点在t时刻的新位置记录下来，返回给用户。(5)在t+Ι时刻返回步骤(2)，进行循环操作。本专利技术所述的方法并不限于具体实施方式中所述的实施例，本领域技术人员根据 本专利技术的技术方案得出其他的实施方式，同样属于本专利技术的创新范围。权利要求，包括如下步骤(1)t 1时刻在跟踪目标选择矩形区域中根据特征矩阵选择M个特征点，矩阵中gx表示图像在X方向的灰度梯度，gy表示图像在Y方向的灰度梯度，∫∫w表示在跟踪目标选择矩形区域离散数据的和。(2)在t时刻对M个特征点使用KLT光流矢量公式迭代求得最优解，得到所有特征点在当前帧的新位置；(3)如果在步骤(2)中求得了最优解，则转入步骤(5)；否则，表示有某个特征点丢失，进入步骤(4)；(4)在跟踪目标搜索矩形区域内，使用棋盘格对所有特征点进行近似位置估计，得到新位置；(5)在t+1时刻返回步骤(2)，进行循环操作。F2009100863274C0000011.tif2.如权利要求1所述的对快速运动目标的特征点准确跟踪的方法，其特征在于特征 点的个数M取40。3.如权利要本文档来自技高网...

【技术保护点】
一种对快速运动目标的特征点准确跟踪的方法，包括如下步骤：（１）ｔ－１时刻在跟踪目标选择矩形区域中根据特征矩阵［＊＊＊］选择Ｍ个特征点，矩阵中ｇ↓［ｘ］表示图像在Ｘ方向的灰度梯度，ｇ↓［ｙ］表示图像在Ｙ方向的灰度梯度，∫∫↓［ｗ］表示在跟踪目标选择矩形区域离散数据的和。（２）在ｔ时刻对Ｍ个特征点使用ＫＬＴ光流矢量公式迭代求得最优解，得到所有特征点在当前帧的新位置；（３）如果在步骤（２）中求得了最优解，则转入步骤（５）；否则，表示有某个特征点丢失，进入步骤（４）；（４）在跟踪目标搜索矩形区域内，使用棋盘格对所有特征点进行近似位置估计，得到新位置；（５）在ｔ＋１时刻返回步骤（２），进行循环操作。

【技术特征摘要】

【专利技术属性】
技术研发人员：见良，郑鹏程，刘铁华，孙季川，
申请(专利权)人：新奥特北京视频技术有限公司，
类型：发明
国别省市：11[中国|北京]