基于边缘信息的灰度目标自动跟踪方法技术

一种基于边缘信息的灰度目标自动跟踪方法，步骤为：(1)对灰度目标图像进行预处理，包括图像去噪和Sobel微分算子滤波；(2)利用预处理后的灰度目标图像建立边缘信息特征空间；(3)提取目标边缘信息作为特征模版；(4)利用目标直方图计算候选目标的反向投影，并以此描述候选目标；(5)利用Kalman滤波器预测当前帧中目标的起始搜索位置；(6)利用Mean?Shift方法在Kalman滤波器预测的目标起始位置附近搜索目标的最优位置；(7)结合Canny算子对目标区域进行更新。本方法充分利用目标的边缘信息，在目标形状、尺寸、灰度分布以及背景发生变化的情况下，实现了对灰度目标快速、稳健的跟踪。

【技术实现步骤摘要】

本专利技术涉及一种灰度目标自动跟踪方法，特别适用于解决灰度图像序列中目标自动跟踪的问题。属于图像处理

技术介绍
目标跟踪已经被广泛地应用于计算机视觉、监控系统、民用安检和精确制导等领域。目标跟踪的本质是确定目标在图像序列中的位置和几何信息。目前，国内外对于彩色目标的跟踪方法已经做了很多工作，提出了不少有效的跟踪方法，例如模版匹配方法、信任域方法、Mean Shift方法及粒子滤波方法等。其中，Mean Shift方法作为一种性能出色的跟踪方法，在彩色目标跟踪领域已经得到了较为广泛的应用。但与彩色目标相比，灰度目标所包含的信息较少，当采用灰度直方信息作为目标的特征空间时，Mean Shift方法的跟踪效果并不好，当目标的纹理、形状或尺寸发生改变时，往往会导致跟踪失败，并且跟踪过程很容易受到背景灰度变化的影响；此外，Mean Shift方法只在目标的邻域内有效，当目标运动速度较快时，无法进行有效跟踪。为了解决上述问题，可考虑先采用Kalman滤波器对目标位置进行预测，再在Mean Shift方法中用灰度目标的边缘信息作为描述目标的特征，从而增强跟踪方法的稳健性，并提高跟踪方法的效率。
技术实现思路
本专利技术的目的在于提出一种，该方法在Mean Shift跟踪算法的基础上，摒弃采用目标灰度信息作为特征空间的方法，而是充分利用目标的边缘信息，并结合Kalman滤波器对目标位置进行预测，实现了对形状、纹理、尺寸及背景均有变化的灰度目标的快速、稳健跟踪。本专利技术不涉及目标检测部分，假设在初始帧图像中，已确定目标区域的大小和位置，为一个包含目标像素的最小矩形框。若将图像序列中第k帧图像称为当前巾贞，则k-Ι帧图像称为前一帧。本专利技术提出了一种，通过以下技术方案实现步骤1、对灰度目标图像进行预处理，包括图像去噪和微分算子滤波处理；步骤2、利用预处理后的灰度目标图像建立边缘信息特征空间；步骤3、基于灰度目标图像特征空间，提取目标边缘信息作为特征模版；步骤4、利用目标直方图计算候选目标的反向投影，并以此描述候选目标；步骤5、当第k-Ι帧跟踪结束后，利用Kalman滤波器预测第k帧目标的起始搜索位置；步骤6、利用Mean Shift方法在Kalman滤波器预测的目标起始位置附近搜索第k帧目标的最优位置；步骤7、结合Canny算子对目标区域进行更新。本专利技术提出了一种，具体实现步骤如下:步骤1、对灰度目标图像进行预处理，包括图像去噪和微分算子滤波处理。针对灰度目标图像噪声强、背景杂波大等特点，本专利技术首先对每一帧灰度目标图像进行预处理，以减少噪声和背景的干扰。预处理过程的实现方法如下:(I)灰度目标图像中最常见的噪声是高斯噪声和椒盐噪声。根据噪声种类的不同，采用不同的平滑方法。对于高斯噪声，选择高斯平滑方法处理；而对于椒盐噪声，选择中值滤波方法处理。(2)利用一阶Sobel微分算子对去噪后的灰度目标图像x、y方向进行滤波处理，x方向选取的滤波器掩模为[-1 O I], y方向选取的滤波器掩模为[-1 O 1]τ，得到I幅X方向滤波灰度图像和I幅y方向滤波灰度图像。步骤2、利用预处理后的灰度目标图像建立边缘信息特征空间。本专利技术选择边缘信息作为灰度目标的特征空间，其构建方法如下:将每一帧目标图像经过预处理后得到的目标图像X方向滤波灰度图像和y方向滤波灰度图像作为RGB彩色图像的两个通道图像，再将X方向滤波灰度图像重复利用一次作为RGB彩色图像的第三个通道图像，合成一幅RGB彩色图像；将该RGB图像变换为HSV图像，限制其H、S及V通道的像素值范围分别为[O, 180)、[30，256)和[10，256)，超出此范围的像素被剔除；提取HSV图像的H通道得到H色度图像，将该H色度图像作为灰度目标的特征空间。步骤3、基于灰度目标图像特征空间，提取目标边缘信息作为特征模版。步骤2中得到的灰度目标图像`的特征空间包含了实现跟踪需要的边缘信息，基于此特征空间计算目标区域的直方图，作为灰度目标的特征模板。步骤4、利用目标直方图计算候选目标的反向投影，并以此描述候选目标。基于步骤3所得目标区域的直方图计算候选目标的反向投影图像。反向投影图像的像素值是观测数组在目标区域直方图下的概率。步骤5、当第k-Ι帧跟踪结束后，利用Kalman滤波器预测第k帧目标的起始搜索位置。目标在每一帧图像中的位置构成了目标运动的轨迹。Kalman滤波器作为一种有效的运动估计手段，可以对快速运动目标的位置进行预测。当第k-Ι帧跟踪结束后，本专利技术利用第k帧目标的起始搜索位置，实现方法如下:对于第k巾贞图像，Kalman滤波器的状态向量选取为X(k) = [x(k)y(k)x' (k)I' (k)]T，其中x(k)和y(k)分别表示目标中心的横坐标和纵坐标，X' (k)和y' (k)则分别表示目标中心在横坐标轴和纵坐标轴上的速度；测量向量为Y(k) = [X。GOyJk)]τ，其中xjk)和yjk)分别表示目标中心在横坐标轴和纵坐标轴上的观测值。于是，状态模型可用下式表示X(k) = A(k-l)X(k-l) (I)观测模型为Y (k) =C (k) X (k)(2)则Kalman滤波器可以由以下两式表示本文档来自技高网...

【技术保护点】
本专利技术提出了一种基于边缘信息的灰度目标自动跟踪方法，该方法不涉及目标检测部分，并假设在初始帧图像中已确定目标区域的大小和位置，为一个包含目标像素的最小矩形框；若将图像序列中第k帧图像称为当前帧，则k?1帧图像称为前一帧；该方法的实现步骤如下：步骤1、对灰度目标图像进行预处理，包括图像去噪和微分算子滤波处理；步骤2、利用预处理后的灰度目标图像建立边缘信息特征空间；步骤3、基于灰度目标图像特征空间，提取目标边缘信息作为特征模版；步骤4、利用目标直方图计算候选目标的反向投影，并以此描述候选目标；步骤5、当第k?1帧跟踪结束后，利用Kalman滤波器预测第k帧目标的起始搜索位置；步骤6、利用Mean?Shift方法在Kalman滤波器预测的目标起始位置附近搜索第k帧目标的最优位置；步骤7、结合Canny算子对目标区域进行更新。

【技术特征摘要】
1.本发明提出了一种基于边缘信息的灰度目标自动跟踪方法，该方法不涉及目标检测部分，并假设在初始帧图像中已确定目标区域的大小和位置，为一个包含目标像素的最小矩形框；若将图像序列中第k帧图像称为当前帧，则k-Ι帧图像称为前一帧；该方法的实现步骤如下: 步骤1、对灰度目标图像进行预处理，包括图像去噪和微分算子滤波处理； 步骤2、利用预处理后的灰度目标图像建立边缘信息特征空间； 步骤3、基于灰度目标图像特征空间，提取目标边缘信息作为特征模版； 步骤4、利用目标直方图计算候选目标的反向投影，并以此描述候选目标； 步骤5、当第k-Ι帧跟踪结束后，利用Kalman滤波器预测第k帧目标的起始搜索位置；步骤6、利用Mean Shift方法在Kalman滤波器预测的目标起始位置附近搜索第k帧目标的最优位置； 步骤7、结合Canny算子对目标区域进行更新。2.根据权利要求1所述方法，其步骤I中的特征在于:利用一阶Sobel微分算子对去噪后的灰度目标图像x、y方向进行滤波处理，X方向选取的滤波器掩模为[-1 O l]，y方向选取的滤波器掩模为[-1 O 1]...

【专利技术属性】
技术研发人员：毛峡，郑海超，薛雨丽，陈立江，梁晓庚，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：