[发明专利]基于最大稳定极值区域特征的扩展目标跟踪方法

说明书

技术领域

本发明涉及一种扩展目标跟踪方法，具体地说，是涉及一种基于最大稳定极值区域特征的扩展目标跟踪方法。

背景技术

众所周知，目标跟踪在军事以及安防领域有着十分广泛的应用，从目标的类别来分，可以分为微小目标、小目标、大目标以及扩展目标。其中，的扩展目标就是当目标在摄像机的视场中占据比例较大的时候甚至仅有目标的一部分出现在视场中的情况。一般情况下，每种目标都有它不同的应用场景，微小目标通常用于远距离光电探测与跟踪的环境；小目标和大目标用于安防监控轨迹跟踪环境；扩展目标一般用于对小目标或大目标已经粗略跟踪上后，进一步对目标放大并精确跟踪的需求。

虽然目前目标跟踪的算法有很多，例如：均值漂移跟踪算法、粒子滤波跟踪算法以及模板匹配跟踪算法，但是真正适用于扩展目标的跟踪算法却不多，其不适应性主要表现在以下两个方面：

1、各种目标的特性不一样，小目标缺少局部特征，更多的使用滤波等预测的方法；而扩展目标在视场中面积较大，细节丰富，因此可以更多的利用其细节特征进行跟踪。

2、以上提到的各种算法精度通常都不高，一般都大于两个像素。

因此，需要一种更能适用于扩展目标的跟踪方法，在《The template update problem》（IEEE Transactions on PAMI, 2004, 26(6): 810-815）中提到的基于刷新的模板匹配跟踪算法在目标变化不大的情况下能够较好的跟踪扩展目标，但是目标如果发生旋转、缩放、仿射等较大变化的时候，该方法就会发生累积误差，从而导致模板漂移，最终跟踪失败。为了提高扩展目标跟踪的稳定性和精度，如何寻求一种更适合于扩展目标的跟踪方法已经称为该领域研究的重要课题。

发明内容

本发明的目的在于提供一种基于最大稳定极值区域特征的扩展目标跟踪方法，主要解决现有技术中存在的现有扩展目标跟踪方法稳定性和精度均十分有限，不能满足技术发展需求的问题。

为了实现上述目的，本发明采用的技术方案如下：

基于最大稳定极值区域特征的扩展目标跟踪方法，包括以下步骤：

（1）在扩展目标内选取边长为a（a＞0）的正方形图像区域；

（2）设定灰度图像的二值化分割阈值范围，在该范围内分别对选取的正方形图像区域进行二值化分割，并在每次分割后计算连通域且进一步检测是否存在最大稳定极值区域，若存在则进行步骤（3），否则返回步骤（1）；

（3）计算最大稳定极值区域的质心和面积；

（4）以质心为中心取m×m（m＞0）的模板对该最大稳定极值区域进行连续帧的匹配跟踪；

（5）设定最大稳定极值区域的面积变化阈值，当匹配跟踪得出最大稳定极值区域的面积变化超过设定的面积变化阈值时，使用以当前帧的质心为中心的模板替换原模板进行匹配跟踪，否则继续使用原模板进行匹配跟踪。

进一步地，所述步骤（2）中，二值化分割阈值范围为20~230。

作为优选，所述步骤（2）中，通过区域增长法计算连通域得到是否存在最大稳定极值区域。

具体地说，所述步骤（4）和步骤（5）中，通过计算以质心为中心取m×m的模板进行连续帧的绝对差值和法SAD实现匹配跟踪。

步骤（5）中，若匹配跟踪得出最大稳定极值区域的面积变化超过10%，则使用当前帧该区域质心为中心的模板进行模板刷新。

与现有技术相比，本发明具有以下有益效果：

（1）本发明通过对扩展目标的巧妙分割，采用区域增长法进行最大稳定极值区域确定，采用绝对差值和法SAD进行匹配跟踪，并针对不同的情形巧妙设置模板，使得在实现稳定跟踪扩展目标的同时还提高了跟踪的精度，符合技术发展需求，具有突出的实质性特点和显著进步，适合大规模推广应用。

附图说明

图1为本发明的流程示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。

实施例

为了解决现有技术中存在的现有扩展目标跟踪方法稳定性和精度均十分有限，不能满足技术发展需求的问题，如图1所示，本发明公开了一种稳定性和精度均较高的基于最大稳定极值区域特征的扩展目标跟踪方法，通过以下步骤实现：