[发明专利]一种基于深度图像的自适应调整目标跟踪算法

说明书

本发明公开了一种基于深度图像的自适应调整目标跟踪算法，包括中央处理器、客户端和摄像采集模块，所述中央处理器的输入端与摄像采集模块的输出端连接，所述摄像采集模块的输出端与扫描系统的输入端连接，所述扫描系统包括照明扫描模块、局部扫描模块、灰度处理模块、识别模块、角度处理模块和距离传感模块，本发明涉及计算机视觉技术领域。该基于深度图像的自适应调整目标跟踪算法，通过摄像采集模块的输出端与扫描系统的输入端连接，使得在基于深度图像的目标跟踪中，不会受到光照条件变化、障碍物遮挡和目标尺度多变等问题的干扰，对目标跟踪的效果更好，提高了对目标跟踪的准确率、稳定性和实时性。

技术领域

本发明涉及计算机视觉技术领域，具体为一种基于深度图像的自适应调整目标跟踪算法。

背景技术

深度图像是指存储每个像素所用的位数，也用于量度图像的色彩分辨率，深度图像确定彩色图像的每个像素可能有的颜色数，或者确定灰度图像的每个像素可能有的灰度级数，它决定了彩色图像中可出现的最多颜色数，或灰度图像中的最大灰度等级，国内外图像深度估计的方法主要分为单目深度估计的方法和双目深度估计的方法，单目是基于一个镜头，而双目是基于两个镜头，单目是基于一幅图像来估计它的深度信息，相对于双目深度估计的方法，有一定的难度，基于单目来深度估计的方法，有基于图像内容理解，基于聚焦，基于散焦，基于明暗变化等，国内外比较成熟且应用广泛的双目深度估计的方法是用两个摄像头成像，因为两个摄像头之间存在一定的距离，所以同一景物通过两个镜头所成的像有一定的差别，既视差，因为视差信息的存在，可以由于来估计出景物的大体深度信息。

目前在基于深度图像的目标跟踪中，由于图像经常存在光照条件变化、障碍物遮挡和目标尺度多变等问题，导致目标跟踪的效果不佳，从而使得对目标跟踪的准确率、稳定性和实时性较低。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于深度图像的自适应调整目标跟踪算法，解决了目标跟踪的效果不佳，从而使得对目标跟踪的准确率、稳定性和实时性较低的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于深度图像的自适应调整目标跟踪算法,包括中央处理器、客户端和摄像采集模块，所述中央处理器的输入端与摄像采集模块的输出端连接，所述摄像采集模块的输出端与扫描系统的输入端连接，所述扫描系统包括照明扫描模块、局部扫描模块、灰度处理模块、识别模块、角度处理模块和距离传感模块，所述扫描系统的输出端与深度图像处理单元的输入端连接，所述深度图像处理单元包括计算模块，所述计算模块的输出端与坐标生成模块的输入端连接，且坐标生成模块的输出端与数据库的输入端连接。

优选的，所述深度图像处理单元的输出端与接收单元的输入端连接，且接收单元的输出端与储存单元的输入端连接，所述储存单元的输出端与中央处理器的输入端连接。

优选的，所述中央处理器的输入端与发送模块的输出端连接，且发送模块的输入端与输入模块的输出端连接。

优选的，所述输入模块的输入端与客户端的输出端连接，所述中央处理器的输入端与信息提取模块的输出端连接。

优选的，所述中央处理器的输入端与数据输出模块的输出端连接，且数据输出模块通过无线与无线收发单元实现双向连接。

优选的，所述无线收发单元的输出端与移动终端的输入端连接。

优选的，所述摄像采集模块的每个像素点都用一个高斯混合模型来建模，是由K个高斯分布构成，这样可将某一像素点像素值的概率表示为:Nη(xn；θj,N),在公式中，xn为该点在N时刻(即第N帧)的像素值，由三通道(R,G,B)构成，K取值为3-5，wj,N代表第j个高斯分布的权重系数，η(xn；θf,N)满足一个正态分布，定义如下：,其中μ_j,N为第j部分的均值，∑_j,N为其协方差。