本发明专利技术涉及数字图像目标检测与跟踪，提供一种快速、易于实现的基于ＤＳＰ的目标检测与跟踪方法，以及实现方法的数字图像处理系统，针对图像的Ｙ分量进行图像边缘提取从而确定目标窗口；通过目标窗口的Ｙ分量、Ｕ分量、Ｖ分量提取目标窗口的特征值：计算初始帧中目标窗口的特征值的概率与预测帧中目标窗口的特征值的概率，通过初始帧中目标窗口的特征值的概率与预测帧中目标窗口的特征值的概率匹配，得到最优的预测帧中目标窗口的像素坐标。ＹＵＶ空间具有很好的聚类特性，ＤＳＰ视频采集模块输出的图像信息无需格式转换；且采用ＹＵＶ空间进行Ｍｅａｎ？ｓｈｉｆｔ的目标跟踪，使得结果更加精确，降低了运算复杂度。
【技术实现步骤摘要】
本专利技术涉及DSP(数字信号处理)技术，特别涉及数字图像目标检测与跟踪。
技术介绍
在数字视频处理和计算机视觉领域的各种应用中，目标检测和跟踪是一个重要 的，也是最基本的任务。 一些较流行的应用领域，自治车辆导航、机器人控制、基于运动的识 别、视频压縮、基于视觉的控制、人机接口、医学成像、增强现实、视频场景监控都需用到图 像目标检测与跟踪技术。尽管在计算机视觉领域，目标的检测和跟踪技术已经研究了十多 年，但仍然是一个活跃的研究领域。目前还没有一个通用的、精确的、高性能的和实时的目 标检测和跟踪算法。 Mean shift算法最早提出时，是指一个迭代步骤，计算当前点的偏移均值，再移动 该点到其偏移均值，然后以此为新的起点继续移动，直到满足设定条件后结束。Comaniciu 首先将mean shift算法应用到目标跟踪领域中来，利用Bhattacharrya系数(巴氏系数) 作为初始帧中目标窗口与预测帧中目标窗口之间的相似性量度标准，用mean shift算法来 搜索预测帧中最优目标窗口，取得了较好的跟踪效果(Real-Time tracking of non-rigid objectsusing mean shift, Proc. Of the IEEE Conf. on Computer Vision and Pattern Recognition, 2000 :142-149 ;Kernel_based object tracking. IEEE Trans. On pattern analysis andmachine intelligence. 200325 (5) :564-577)。针对Mean shift算法的不 足，后续又做了不少改进。 由于人体固有的一些特性，应用场景的复杂性，人与人或人与环境之间的相互影 响，使得人体的检测和跟踪是计算机视觉研究领域中最难的一项挑战。《基于Mean Shift 算法的嵌入式实时彩色目标跟踪》(参见孙中森，张怀柱，宋建中.基于Mean Shift算法的 嵌入式实时彩色目标跟踪.电子器件，2007，30(5) :1611-1617)采用嵌入式目标跟踪平 台，选用RGB空间彩色特征Mean Shift跟踪算法实时应用，实现彩色目标的跟踪。该方案中 采用目标位置附近椭圆形图像区域的加权彩色直方图来表示目标，这无疑增加了算法的复 杂度，并且由于DSP视频采集模块输出信息是YUV图像，需先对图像转换为RGB颜色空间。 YUV至RGB格式的转换也增加了该方案实现的复杂度。并且在实现过程中还需要对该算法 的相关参数进行经验设置。可见，该方案对于彩色目标的检测和跟踪在算法复杂性和实时 性方面还可以有所改进。
技术实现思路
本专利技术所要解决的技术问题是，提供一种快速、易于实现的基于DSP的目标检测 与跟踪方法，以及实现方法的数字图像处理系统。 本专利技术为解决上述技术问题所采用的技术方案是，一种基于DSP的目标检测与跟 踪方法，包括以下步骤4 a、读取视频图像序列； b、针对图像的Y分量进行图像边缘提取从而确定目标窗口 ； c、通过目标窗口的Y分量、U分量、V分量提取目标窗口的特征值 d、计算初始帧中目标窗口的特征值的概率与预测帧中目标窗口的特征值的概率，通过初始帧中目标窗口的特征值的概率与预测帧中目标窗口的特征值的概率匹配，得到最优的预测帧中目标窗口的像素坐标。 YUV空间实现亮度与色度的分离，且是一种离散的空间，具有很好的聚类特性，DSP 视频采集模块输出的图像信息无需格式转换既能直接进行目标检测处理；且采用YUV空间 进行Mean shift的目标跟踪和采用单分量进行直方图统计相比较，跟踪结果更加精确，降 低了运算复杂度。 进一步的，由于连续两帧之间提取的时间差很短，同一目标物体移动距离有限，所 以对于连续两帧之间检测到的目标窗口的中心点的距离在某个允许范围内，才对这两个目 标窗口进行Mean Shift计算。即，在步骤b之后，步骤c之前，还进行目标跟踪的初始判断； 判断连续两帧中的目标窗口的中心像素的距离在设定阈值内，如是，进入步骤c ;否则，表 示这两帧中的目标窗口并非为同一 目标物体，不对这两个目标窗口进行Mean Shift计算。 具体的步骤c中，特征值提取通过以下方式实现Wy ——… l —… M,:M, +厂:(J —y . ) "r (" —" . ) (7 —r .)\ maxmm / \max mm / \ maxmm / 其中，u表示目标窗口的特征值，Y、 U、 V分别对应目标窗口的Y分量、U分量、V分 量，NY、 Nu、 Nv分别对应Y分量、U分量、V分量的量化级数，Ymax与Ymin、 Umax与Umin、 Vmax与Vmin 分别对应Y分量、U分量、V分量的最大值与最小值。这样计算特征值相当于把YUV分量的 信息投射到三维空间，NY、 Nu、 Nv的大小将直接影响Y、 U、 V分量对特征值的贡献力度。 具体的，步骤b中包括以下步骤 bl、分别提取背景图像和当前图像的Y分量图像边缘信息； b2、将背景图像和当前图像的Y分量图像边缘信息做差，得到前景边缘区域； b3、对前景边缘区域进行降噪处理； b4、根据前景边缘区域在当前图像中标记目标窗口 。 具体的，步骤d中，初始帧中目标窗口的特征值的概率为 4 = C Z A广x0 —2 、V7 其中，^表示初始帧中目标窗口的特征值的概率；x。为初始帧中目标窗口的中心 像素坐标；Xi为初始帧中目标窗口的第i个像素的坐标，i = 1，…，nh;k(| |g| |2)为一个 凸的单调下降的核函数，考虑距离的影响，给目标窗口中的像素点Xi分配权值；h表示核函 数的带宽；S (g)为Kronecker delta函数(克罗内克函数)；b(g)为像素点Xi到像素特 征值u的映射，即像素点Xi对应的直方图中的颜色索引值；C为归一化常数。 步骤d中，预测帧中目标窗口的特征值的概率为 》力)=Cj A卩少_义；、V乂5 其中，A(力表示预测帧中目标窗口的特征值的概率；y为预测帧中目标窗口的中 心像素坐标；Xi为初始帧中目标窗口的第i个像素的坐标，i = 1，， nh;k(| |g| |2)为一 个凸的单调下降的核函数，考虑距离的影响，给目标窗口中的像素点Xi分配权值；h表示核 函数的带宽；S (g)为Kronecker delta函数；b (g)为像素点Xi到像素特征值u的映射，即 像素点Xi对应的直方图中的颜色索引值；Ch为归一化常数。 步骤中，使得初始帧中目标窗口的特征值的概率与预测帧中目标窗口的特征值的 概率匹配为 其中，》Cy)为Bhattacharrya系数；么表示初始帧中目标窗口的特征值的概率；A(力表示预测帧中目标窗口的特征值的概率；即A与A(力的相似性用》(力来度量分别，u =1，…，m，m表示特征值总个数。每帧用N次迭代，》(力取最大的迭代结果，当》(力大于匹 配阈值表示匹配成功，此时得到最优的预测帧中目标窗口的中心像素坐标y以实现目标跟踪o 本专利技术还提供一种数字图像处理系统，包括视频图像采集模块、目标检测模块、目 标跟踪模块，其特征在于， 视频图像采集本文档来自技高网...
【技术保护点】
一种基于ＤＳＰ的目标检测与跟踪方法，其特征在于，包括以下步骤：ａ、读取视频图像序列；ｂ、针对图像的Ｙ分量进行图像边缘提取从而确定目标窗口；ｃ、通过目标窗口的Ｙ分量、Ｕ分量、Ｖ分量提取目标窗口的特征值；ｄ、计算初始帧中目标窗口的特征值的概率与预测帧中目标窗口的特征值的概率，通过初始帧中目标窗口的特征值的概率与预测帧中目标窗口的特征值的概率匹配，得到最优的预测帧中目标窗口的像素坐标。
【技术特征摘要】
【专利技术属性】
技术研发人员：路璐，白云，邹建华，胡入幻，杨云，
申请(专利权)人：成都三泰电子实业股份有限公司，
类型：发明
国别省市：90[中国|成都]
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。