[发明专利]一种基于视觉特征点的自动跟踪方法及装置

说明书

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于视觉特征点的自动跟踪方法及装置。

背景技术

目前，随着科学技术的发展，跟踪技术越来越受人们的重视，也是当下热门研究的技术之一。各个领域都竞相提出应用需求，例如，军事上协助导弹跟踪目标，无人机实时跟踪指定目标，公共安全场所可以通过摄像头，对目标人物进行跟踪，交通干线跟踪车辆、行人以及掌握交通流量和动向。

基于视觉特征点的跟踪技术是一种通过图像处理与分析的方法，从图像信号中实时自动识别目标，再获取目标的位置信息，然后精确跟踪运动目标的技术。通常采用传感器传回图像，再采用图像特征点或者图像表面的方法，获得目标在图像中的位置，从而实现用户对指定跟随目标的跟踪工作。

但是，现有技术需要对图像进行大规模处理，数据较大，难以保证实时性以及准确度。尤其，在进行目标追踪时，若跟踪目标的形变较大，容易产生目标跟踪丢失，跟踪方式不便捷，用户无法准确获得目标的具体位置。

发明内容

本发明旨在提供一种基于视觉特征点的自动跟踪方法及装置，能够实现在大形变时跟踪目标不丢失，及时回馈跟踪目标的位置。

第一方面，本发明提供一种基于视觉特征点的自动跟踪方法，具体步骤如下：

步骤S1：分别采集图像信息和深度信息，图像信息和深度信息的采集时刻是一一对应的；

步骤S2：锐化处理图像信息，得到图像的特征点；

步骤S3：加权平均化处理深度信息，得到物体的深度距离分布；

步骤S4：扫描第一帧图像的特征点，从第一帧图像的特征点中提取跟踪目标的特征点，确定为前景特征点；根据第一帧图像的特征点，估算前景特征点在第二帧时刻可能出现的估计位置；

步骤S5：扫描第二帧图像的特征点，匹配融合第二帧图像的特征点与估计位置的前景特征点，以得到确定位置的前景特征点；根据确定位置的前景特征点，估算第二帧图像的特征点放大和/或旋转系数，并进行阈值判断，得到有效特征点；

步骤S6：将有效特征点更新至前景特征点，以进行下一轮图像匹配融合；检测深度距离分布，得到有效特征点的具体位置信息。

进一步地，在步骤S1之后，步骤S2之前，该方法还包括：加权处理图像信息，得到对比度增强的图像信息。步骤S2具体包括：锐化处理对比度增强的图像信息，得到图像的特征点。

进一步地，在步骤S4中，提取跟踪目标的特征点之前，该方法还包括：接收用户输入的指定的跟踪目标信息，从第一帧图像的特征点中提取跟踪目标的特征点的具体步骤包括：根据跟踪目标信息，从第一帧图像的特征点中提取跟踪目标的特征点。

进一步地，在步骤S5中，根据确定位置的前景特征点，估算第二帧图像的特征点放大和/或旋转系数，具体方法包括：对比确定位置的前景特征点和第二帧图像的特征点，得到第二帧图像的特征点的变化量，再对变化量进行加权处理，得到第二帧图像的特征点放大和/或旋转系数。

进一步地，在步骤S6中，检测深度距离分布的具体方法包括：根据深度距离分布，设置最大范围，在最大范围内，根据有效特征点在图像信息中的位置，检测深度距离分布。

本发明提供的基于视觉特征点的自动跟踪方法，通过锐化处理图像信息，以增加图像的特征点稳定性和数量。对深度部分进行加权平均化，得到物体分布的合理距离。采用估算位置的前景特征点和第二帧图像的特征点进行匹配融合，再通过估算的放大和/或旋转系数，进行阈值判断，获得第二帧图像的有效特征点，实时更新前景特征点，缩减了跟踪计算量，提高了运行速度及准确度，最终从深度距离分布中检测出有效特征点的具体位置信息。

第二方面，本发明提供一种基于视觉特征点的自动跟踪装置，该装置具体说明如下：