[发明专利]一种基于轮廓梯度的目标跟踪方法

摘要

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。

主权项

1.一种基于轮廓梯度的目标跟踪方法，其特征在于：包括以下步骤；步骤1：从输入的视频或图像序列的初始帧中分割候选目标，提取出包含候选目标的参考图像；步骤2：提取目标参考图像的轮廓，得到参考图像各像素点坐标序列pi＝(xi,yi)T及其对应的水平、竖直方向的梯度序列di＝(ti,ui)T，作为标准特征模板；若目标参考图像的尺寸为m×n，根据预设阈值条件T检测到边缘点的个数为L，则i＝1,2,3,...,m×n，其中仅L个点为sobel边缘点，而其他的非边缘点所对应的梯度定义为(0,0)；sobel边缘检测的过程，就是利用sobel算子与参考图像的所有像素点及其邻域作卷积，然后根据预设阈值条件T确定出边缘点的过程；经过sobel边缘检测，可以得到点pi＝(xi,yi)T及其对应的梯度方向di＝(ti,ui)T；步骤3：对标准特征模板进行尺度、角度di＝(ti,ui)T变换，得到多尺度多角度模板序列(Pi1',di)T，(Pi2',di)T，(Pi3',di)T，......,(PiM',di)T，以增强匹配的鲁棒性；步骤4：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gr＝(vr,wr)T；对尺寸为M×N目标图像使用与步骤2相同的方法及预设阈值条件进行sobel边缘检测，得到目标图像的梯度特征gr＝(vr,wr)T，其中，r＝1,2,3,...,M×N，L'为检测到的目标图像中边缘点的个数，当且仅当像素点为边缘时对应的梯度有值，否则为(0,0)；步骤5：将步骤3中得到的M组多尺度多角度模板图(Pi1',di)T，(Pi2',di)T，(Pi3',di)T，......,(PiM',di)T分别与目标图像的特征图像进行步长为定值的滑动窗口扫描，并计算两者匹配的相似度，比较所有模板、所有窗口位置下得到的相似度，则相似度取得最大值所对应的窗口位置，即为最佳匹配位置，是当前帧实现目标跟踪的最终结果；步骤6：根据最佳匹配位置、尺度因子和角度因子在目标图像中分割出目标所在的子区域，并将该子区域作为下一次检测的参考图像进行更新；步骤7：重复步骤2至步骤6的内容，直至视频或图像序列所有帧检测完毕。