[发明专利]一种基于块匹配的目标跟踪算法

说明书

本发明涉及一种基于块匹配的鲁棒性极强的目标跟踪算法，该算法在追踪目标物体的同时还可以提供目标物体各个部分的详细运动信息。该算法将由摄像头获取的视频图像以及目标物体的模板图像分割为像素块。然后计算输入图像以及特定物体的模版图像的各个像素块之间的颜色差异值并建立一个效益矩阵。然后该算法建立对全局颜色差异值和形状结构差异值同时最优化的目的函数。最后用遗传算法计算能得到最优解的匹配结果，从而得到目标物体的各个部分在视频图像中的位置。由于在最优化时加入了形状结构差异约束，使该算法与传统算法相比具有更强的鲁棒性。此外由该算法得到的各个部分的详细运动信息对进一步的运动分析非常有效。

技术领域

本发明涉及计算机视觉的技术领域，特别涉及一种基于块匹配并可以提供目标物体各个部分的详细运动信息的目标物体的追踪方法。

背景技术

在摄像头获取的视频中的特定物体的追踪是计算机视觉研究领域的一个热点，在机器人视觉，视频监控等系统中有着广阔的应用前景。传统方法如背景差分法，连续帧间差分法在摄像头固定的情况下可以实现较为良好的追踪效果，但是在移动摄像头的情况下却无法应用。

许多研究人员提出可以应用于移动摄像头的追踪方法。如光流法，基于SIFT特征点的匹配法，Mean-Shift法和粒子滤波法。然后在实际的移动摄像头的视频追踪中，上述方法任不能解决以下一些问题。

(1)当目标物体受到光照，阴影，摄像头视角变化，目标物体尺寸变化，噪音等环境因素影响时，上述方法往往会追踪失败。

(2)上述方法中SIFT特征点法，Mean-Shift法和粒子滤波法在追踪中无法提供目标物体各个部分的对应关系。如在目标物体中，颜色平滑变化的部分SIFT特征点无法被提取，特征点匹配无法实现。而Mean-Shift法和粒子滤波法只能实现对目标物体的整体追踪，而无法提供目标物体各个部分的运动信息。而目标物体的各部分的详细运动信息对物体的运动分析与识别是十分有用的。

发明内容

本发明的目的在于，提供一种可以应用于移动摄像头视频的对环境因素变化鲁棒性极强的目标物体追踪方法。该方法可以在光照，阴影，摄像头视角变化，目标物体尺寸变化，噪音等影响下顺利追踪目标物体。此外，该方法在追踪目标物体的同时还可以提供目标物体各个部分的详细运动信息，这一特点使本方法对进一步目标物体行为分析非常有用。

为了实现上述发明目的，本发明提供了一种基于块匹配的新的目标物体跟踪方法，该方法首先将由移动摄像头获得的视频图像和目标物体的模板图像按如下方法分割为像素块：

假设像素块的尺寸为n×n(单位：像素)，

由移动摄像头获得的视频图像的尺寸为h×w(单位：像素)，

则由视频图像得到像素块的个数为N＝w/n×h/n。

之后对目标物体的模板图像经行蒙板处理。如果一个像素块中背景像素超过全像素数的百分之五十，这个像素块将被除去。在此，假设得到的像素块的个数为M。

由此可以建立一个大小为M×N的效益矩阵。

效益矩阵的元素为视频图像的像素块和模板图像的像素块之间的色彩相似度。

模板图像在视频图像中的定位追踪问题可由此转化为视频图像的像素块和模板图像的像素块之间的1对1的匹配问题。匹配结果即模板图像的各个部位在视频图像中的位置。

视频图像的像素块于模板图像的像素块之间的匹配应该满足以下条件：

相匹配的像素块之间的相似度的累加总值最大，即该1对1的匹配问题可以视为一个全局色彩相似度最大化的最优化问题。