[发明专利]一种基于轮廓梯度的目标跟踪方法

说明书

本发明具体公开一种基于轮廓梯度的目标跟踪方法,通过从输入的视频或图像序列的初始帧中分割候选目标，并提取出参考图像；提取参考图像轮廓作为标准特征模板，并进行尺度、角度变换，得到多尺度多角度模板序列；输入视频或图像序列的下一帧，提取该目标图像的梯度特征；将多尺度多角度模板序列在目标图像的特征图像上进行步长为1的滑动窗口扫描，并计算两者匹配的相似度；根据匹配位置、尺度因子、角度因子等信息，在目标图像中分割出目标所在的子区域作为下一次检测的参考图像进行更新；直至视频或图像序列所有帧检测完毕。本发明目的是：在于提供一种基于轮廓梯度的目标跟踪方法，以适应目标的尺度变化和/或角度变化，提高目标跟踪的准确度。

技术领域

本发明属于计算机图像处理技术领域，具体公开一种基于轮廓梯度的目标跟踪方法。

背景技术

在安防监控任务中，为了实现目标自动跟踪的需求，常常需要在视频或者连续图像序列中确定出感兴趣区域的目标位置，并将每一帧图像中的目标位置对应起来。

目标跟踪技术的研究内容，主要分为以下两个方面：一，对所捕获的视频序列中的运动目标进行检测、跟踪、识别和提取所需信息，如目标的轨迹及相关运动参数如速度、加速度、位置等。二，利用获取的各项运动参数对目标进行预测和估计以辅助决策。因此，精确提取运动目标的特征是提高目标跟踪、识别与分类精度的前提；而跟踪的精确度又影响到高层决策的精确与困难程度。

传统的目标跟踪技术方案可以描述如下：

(1)在采集的图像序列中上确定一个模板，通常称为参考图像，参考图像中记载有需要被跟踪的目标；

(2)将参考图像的每个像素点作为特征点，形成原始特征点集；或者，为了提高运算的效率，从参考图像内相隔等间距把像素点均匀提取出来(该过程可被称为等间距采样)，形成原始特征点集；

(3)对原始特征点集及其邻域作运算，得到新的特征点集，根据新的特征点集在待匹配图像上确定匹配区域；

(4)计算匹配区域和参考模板之间的灰度或纹理信息，利用最小化误差的方法，通过迭代，得到匹配区域与参考图像之间的匹配系数矩阵，其中匹配系数最大值对应的区域即为被跟踪的目标。

(5)对采集到的图像序列重复步骤(3)-(4)，通过图像帧与帧之间的模板匹配，最终实现了目标连续的跟踪。

传统的目标跟踪方法，存在以下缺点：

(1)得到参考图像后，将其作为标准模板，对此不再更新。但实际的跟踪系统中，随着摄像机等图像采集设备的运动、目标发生运动、尺度或旋转时，可能确定的参考图像会部分移出摄像机的画面采集范围，从而参考图像的部分区域并不在后续图像序列的图像中，若采用初始参考图像，则会导致跟踪失败，出现丢失目标的情况。因此，设计一种具有较强抗干扰能力的跟踪方法具有很好的应用价值。

(2)获得的参考图像的特征点随意性大，通常包含的图像信息较少，不能很好的表征图像特征，可靠性、稳定性不高，使得跟踪算法不具备良好的鲁棒性。

(3)特征匹配计算难以达到实时，影响了目标跟踪的响应速度。

发明内容

本发明的目的是：在于提供一种基于轮廓梯度的目标跟踪方法，以适应目标的尺度变化和/或角度变化，提高目标跟踪的准确度；首先通过sobel算子提取指定目标的轮廓及其梯度向量作为标准尺度模板，然后通过尺度和角度采样得到多尺度多角度的模板序列；其次，通过模板匹配方法得到最优匹配信息，包括位置、尺度因子和角度因子；最后，根据最优匹配信息切割出目标图像上的最优匹配区域，并将其轮廓及其梯度向量作为更新的标准尺度模板。

本发明的目的是通过以下技术方案实现的：

一种基于轮廓梯度的目标跟踪方法，包括以下步骤；