[发明专利]基于特征匹配和MeanShift算法的目标跟踪方法有效
| 申请号: | 201510573979.6 | 申请日: | 2015-09-10 |
| 公开(公告)号: | CN105335986B | 公开(公告)日: | 2018-11-30 |
| 发明(设计)人: | 王炳健;李敏;牛卫;易翔;郝静雅;吴飞红;赖睿;周慧鑫 | 申请(专利权)人: | 西安电子科技大学 |
| 主分类号: | G06T7/246 | 分类号: | G06T7/246 |
| 代理公司: | 广东朗乾律师事务所 44291 | 代理人: | 杨焕军 |
| 地址: | 710068*** | 国省代码: | 陕西;61 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | 基于特征匹配和Mean Shift算法的目标跟踪方法,步骤如下:输入图像序列,对图像序列进行背景重构,获得初始时刻的目标区域,并采用MeanShift算法进行建模;对初始时刻的目标区域模型进行SIFT特征提取,将初始时刻的目标区域模型的SIFT特征点作为特征库的初始特征点;通过SIFT特征匹配计算当前帧目标的初始位置、尺度参数和旋转参数;采用Mean Shift算法对目标进行精确定位;计算目标的遮挡因子,判断目标的遮挡程度,确定目标的跟踪模式;图像序列中的所有图像跟踪完毕,结束目标跟踪。本发明将Mean Shift算法和SIFT特征匹配算法结合起来,充分发挥二者的优势,实现目标的稳定跟踪。 | ||
| 搜索关键词: | 基于 特征 匹配 meanshift 算法 目标 跟踪 方法 | ||
【主权项】:
1.基于特征匹配和Mean Shift算法的目标跟踪方法,其特征在于,包括以下步骤:输入图像序列,步骤1、采用基于RGB颜色模型的方法对图像序列进行背景重构,然后采用背景差分法获得初始时刻的目标区域,并对初始时刻的目标区域采用MeanShift算法进行建模,得到初始时刻的目标区域模型;目标区域建模的步骤如下:将初始时刻的目标区域的颜色直方图划分为m个子区间,计算目标区域模型的颜色特征概率密度分布,进行初始时刻的目标区域建模;目标区域模型的颜色特征概率密度分布q={qu}u=1…m,
其中,u为颜色直方图的颜色索引,qu表示目标区域模型在颜色特征值为u时的概率密度;步骤2、对初始时刻的目标区域模型进行SIFT特征提取,将初始时刻的目标区域模型的SIFT特征点作为特征库的初始特征点;步骤3、从图像序列中输入单帧图像,通过SIFT特征匹配计算当前帧目标的初始位置、尺度参数和旋转参数,步骤如下:步骤3‑1、在当前帧的候选目标搜索区域提取SIFT特征点,所述当前帧的候选目标搜索区域为一个用Kalman滤波法预测出当前帧的目标区域后,再以该目标区域的中心为中心、长宽按比例扩大后得到的矩形区域;步骤3‑2、将SIFT特征点与特征库中的特征点进行匹配,并消除误匹配对,获得正确匹配对;步骤3‑3、采用仿射变换模型,通过正确匹配对计算当前帧的候选目标搜索区域与前一帧初始时刻的目标区域模型之间的变换参数;仿射变换矩阵
目标区域与候选目标搜索区域间的点坐标变换关系
其中,[x,y]T和
分别表示前一帧和当前帧匹配的点的坐标,H2和H5为前一帧初始时刻的目标区域模型相对当前帧候选目标搜索区域的平移量,H2为水平平移量,H5为垂直平移量,H0、H1、H3、H4为尺度参数和旋转参数,H0、H1、H3、H4分别是s*cosθ、‑s*sinθ、s*sinθ、s*cosθ,s表示图像尺度,θ表示图像旋转角度;步骤3‑4、利用目标区域和候选目标搜索区域间的点坐标关系计算当前帧目标的初始位置以及相对于前一帧目标的尺度参数和旋转参数,进行目标初步定位;步骤4、对当前帧目标进行精确定位;步骤4‑1、在步骤3‑4获得的当前帧目标的初始位置处采用Mean Shift算法建立候选目标区域模型;步骤4‑2、计算初始时刻的目标区域模型与候选目标区域模型的相似性系数ρ(xcen,ycen):
其中,p(xcen,ycen)为候选目标区域模型的颜色特征概率密度分布,q为目标区域模型的颜色特征概率密度分布,pu(xcen,ycen)为候选目标区域模型在颜色特征值为u时的概率密度,qu表示目标区域模型在颜色特征值为u时的概率密度,p(x0,y0)为中心坐标在点(x0,y0)处的目标区域模型的颜色特征概率密度分布,Ch为候选目标区域模型在颜色特征值为u时的概率密度中的归一化常数,wi是权值系数,u为颜色直方图的颜色索引,(xcen,ycen)为候选目标区域模型的中心坐标,(x′i,y′i)为候选目标区域模型中第i个像素的坐标,(x0,y0)为初始时刻的目标区域模型的中心坐标,nh为候选目标区域模型的总像素点数;步骤4‑3、采用Mean Shift算法对目标进行精确定位;步骤5、计算当前帧目标的遮挡因子,判断目标的遮挡程度,确定目标的跟踪模式;步骤5‑1、计算目标的遮挡因子
其中,
λ为遮挡程度参量;步骤5‑2、根据目标的遮挡因子occ判断目标的遮挡程度,当occ≤阈值th1时执行步骤5‑2‑1,否则执行步骤5‑2‑2;步骤5‑2‑1、当occ≤阈值th1时,认为目标没有被遮挡,对特征库和目标模板进行更新;更新后,如果图像序列中还有图像要继续跟踪,则读入下一帧图像,返回执行步骤3;步骤5‑2‑2、当occ>阈值th1时,认为目标被遮挡,进入遮挡跟踪模式,当跳出遮挡跟踪模式时,对特征库和目标模板进行更新;更新后,如果图像序列中还有图像要继续跟踪时,读入下一帧图像,返回执行步骤3;遮挡跟踪步骤如下:采用Kalman滤波估计目标被遮挡时在当前帧的位置,得到候选目标区域;计算Kalman滤波预测的候选目标区域与进入遮挡模式时的前一帧的目标区域的归一化互相关系数;当归一化互相关系数的最大值大于设定阈值时,认为目标离开遮挡区域,跳出遮挡跟踪模式,以归一化互相关系数的最大值对应的目标位置为当前帧目标位置,对特征库和目标模板进行更新,进入下一帧的跟踪;步骤6、图像序列中的所有图像跟踪完毕,结束目标跟踪。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201510573979.6/,转载请声明来源钻瓜专利网。
- 上一篇:一种电子锁设备及相应的控制方法
- 下一篇:图像边缘的检测方法及系统





