一种基于ORB特征点匹配的目标跟踪方法技术

本发明专利技术涉及一种基于ORB特征点匹配的目标跟踪方法。采用ORB(Oriented FAST and Rotated BRIEF)特征点集表示目标物体的图像特征，在目标物体跟踪过程中，采用不断加入新的特征点和裁剪离群值的方法来迭代更新ORB特征点集。并在连续两帧间采用最邻近搜索算法找出匹配的特征点对，接下来根据特征点对采用随机抽样一致和多重变换模型相结合的方法计算出跟踪目标的运动变换模型。本发明专利技术技术方案处理复杂的外观形态变化、背景混乱、光照变化和目标物体遮挡等场景的鲁棒性更好，效率更高。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种基于ORB特征点匹配的目标跟踪方法。采用ORB(Oriented?FAST?and?Rotated?BRIEF)特征点集表示目标物体的图像特征，在目标物体跟踪过程中，采用不断加入新的特征点和裁剪离群值的方法来迭代更新ORB特征点集。并在连续两帧间采用最邻近搜索算法找出匹配的特征点对，接下来根据特征点对采用随机抽样一致和多重变换模型相结合的方法计算出跟踪目标的运动变换模型。本专利技术技术方案处理复杂的外观形态变化、背景混乱、光照变化和目标物体遮挡等场景的鲁棒性更好，效率更高。【专利说明】—种基于ORB特征点匹配的目标跟踪方法
本专利技术涉及计算机视觉跟踪
，具体涉及基于ORB特征点匹配的目标跟踪方法。
技术介绍
目标跟踪是计算机视觉领域的重要研究课题，基于高性能计算机的飞速发展、物美价廉的摄影机的便利性及日益增长的自动化视频分析需求，人类对视觉目标跟踪算法的探究产生了极大兴趣。近年来，视觉跟踪在很多领域都有非常广泛的应用，包括运动手势识另IJ、行人跟踪、智能监控、人机交互、智能交通检测以及车辆导航等。伴随着数字家庭产业的发展及数字家庭产业链的完善，视频跟踪在智能家居监控的应用逐步深入，在面向数字家庭的多业务应用集成支撑平台的基础上，为数字家庭用户提供家居和社区安防等具有特色的数字家庭互动服务。 尽管国内外学者已经研究发现多种目标跟踪方法，但是面临几个重要问题。第一，目标物体的外观变化。在实际的场景中，目标的外观受到诸如光照变化、姿势形态改变、镜头抖动、目标大小改变等因素的影响而不断变化。第二，复杂的背景干扰。在交通检测、车辆导航、行人跟踪等场景下，目标跟踪因受复杂的背景干扰而具有巨大的挑战性。实际的复杂环境中存在大量噪声，而且背景杂乱，目标物体的颜色也容易和背景的颜色相混淆。第三，遮挡问题。在实际的视频场景中，目标物体被部分遮挡甚至完全遮挡是最普通常见的情况，考察一种目标跟踪方法的鲁棒性，就必须要测试该方法对遮挡问题的处理能力。第四，实时性问题。前面三种问题都是在考察目标跟踪算法的鲁棒性，而目标跟踪能够满足实时处理的需求也是目标跟踪领域的难点问题。 在对此方法的研究和实践过程中，本专利技术的专利技术人发现:由于特征点描述子对处理噪声、检测误差和几何光学的形变都具有较好的鲁棒性，本专利技术提出一种基于ORB特征点匹配的目标跟踪方法，从而实现有效的目标跟踪。
技术实现思路
本专利技术提供一种基于ORB特征点匹配的目标跟踪方法，处理复杂的外观形态变化、背景混乱、光照变化和目标物体遮挡等场景的鲁棒性好，效率高。 本专利技术提供一种基于ORB特征点匹配的目标跟踪方法，包括以下步骤: (I)对输入的原始图像帧首先提取0RB(OFAST and rBRIEF)特征点集； (2)在描述子空间内与上一帧时刻的目标物体的ORB特征点集相匹配产生当前帧的特征集； (3)根据上一帧目标所在的位置运用随机抽样一致和多重变换模型相结合的方法计算出跟踪目标的运动变换； (4)最后通过不断加入新的特征点和裁剪离群值来更新产生最终当前帧时刻合适的目标特征集。 所述的ORB特征点描述子由一个二进制字符串表示，字符串的每一位由特征点附近随机选取两个大小为SXS的图像块组成一对相互比较大小产生，这里取η = 256位长度的二进制字符串。更具体地说，我们把一个大小为SXS的图像块P用二进制字符串定义，定义如公式(I)所示: 【权利要求】1.一种基于ORB特征点匹配的目标跟踪方法，其特征在于，该方法包含以下步骤: 对输入的原始图像帧首先提取ORB特征点集； 在描述子空间内与上一帧时刻的目标物体的ORB特征点集相匹配产生当前帧的特征集; 根据上一帧目标所在的位置运用随机抽样一致和多重变换模型相结合的方法计算出跟踪目标的运动变换； 最后通过不断加入新的特征点和裁剪离群值来更新产生最终当前帧时刻合适的目标特征集。2.根据权利要求1所述的基于ORB特征点匹配的目标跟踪方法，其特征在于:所述的ORB特征点描述子由一个二进制字符串表示，字符串的每一位由特征点附近随机选取两个大小为SXS的图像块组成一对相互比较大小产生，这里取η = 256位长度的二进制字符串，将一个大小为SXS的图像块P用二进制字符串定义，定义如公式(I)所示:.其中，P (X)和P (y)分别是P在像素点X和y的灰度值；通过选取一组特定的<χ, y>点对作为集合，这样便产生了一个η位的字符串作为BRIEF描述子，定义如公式(2):3.根据权利要求1所述的基于ORB特征点匹配的W标跟踪方法，其特征在于:所述的给定两个长度为η位的ORB特征点描述子DjP Dj，两者之间的相似性P (Di, Dj)由计算机非常高效的海明距来表示，其相似性度量定义如下:其中，Di (k)和Dj (k)分别为ORB特征点描述子Di和Dj的第k位，而函数δ 的值当X为O时等于1，否则等于O; 当新的ORB特征点集St在当前帧t被提取出来后，我们尝试找出它的子集i，S属于St并且它的每一个元素都与上一帧t-1的目标物体的特征点集57—f匹配度高； 设定Z)丨e St，根据上一帧t-ι的目标物体的特征点集,并在整个描述子空间内运用最邻近搜索算法找出最优匹配U(A)，定义如下:4.根据权利要求1所述的基于ORB特征点匹配的目标跟踪方法，其特征在于:所述的评价一个根据模型M e {Mt，Ms, Ma, MJ估计得候选变换T对于描述目标物体的运动是否合适，用跟前一帧目标物体位置的比较规定了一种距离度量和一种条件概率，评价一个模型M其中，Ne(M)表示一致的特征点的个数，Pr(M)表示候选模型的概率，而Cp (M)则表示模型M的复杂度。这三个影响因子的具体情况将在下面描述；给定一个特定的模型M和从特征点集合5:随机选取的最少满足要求的数目iV=个的匹配特征点，然后特征点集合S的所有数据都被用于测试，那些能够很好地适用于变换模型M的形成了一个一致的点集C (M)，而点集C (M)的大小即N。(M);这里我设置模型M的复杂度Cp (M)；根据上一帧目标物体的位置定义了一个距离度量，定义如公式(6):其中，Y (u): —R2为上一帧t-1目标物体的标准化边界，而MU (u))是在模型M下的目标物体边界；如果被跟踪的目标物体的边界是离散的，那么其边界可以用多边形Q= 表示，距离度量为:定义某个特定运动变换模型M的概率Pr (M)如公式(8):其中，λ是表示衰减率的恒定参数。5.根据权利要求1所述的基于ORB特征点匹配的目标跟踪方法，其特征在于:所述的ORB特征点集通过动态地加入新的特征点和裁剪离群值的方法反复迭代更新，特征点匹配和变换模型估计之后，目标物体的特征点集里的第i个特征点的第t帧师的能量值K得到更新，定义如公式(9):公式(9)表示一个特征点如果用估计的变换模型能与上一帧t-1的目标物体特征点集中的一点相匹配，那么说明这个特征点是一致的，而它的能量值被赋值为上一帧t-Ι该点能量值加上一个增量α ;同理相反的情况，如果不能被估计的变换模型相匹配，那么说明这个特征点是离群的、异常的，它的能量值将被赋予一个减量β，而未匹配的点，其能量本文档来自技高网...

【技术保护点】
一种基于ORB特征点匹配的目标跟踪方法，其特征在于，该方法包含以下步骤： 对输入的原始图像帧首先提取ORB特征点集； 在描述子空间内与上一帧时刻的目标物体的ORB特征点集相匹配产生当前帧的特征集； 根据上一帧目标所在的位置运用随机抽样一致和多重变换模型相结合的方法计算出跟踪目标的运动变换； 最后通过不断加入新的特征点和裁剪离群值来更新产生最终当前帧时刻合适的目标特征集。

【技术特征摘要】

【专利技术属性】
技术研发人员：王若梅，韩冠亚，陈湘萍，谢雪峰，
申请(专利权)人：广州中大数字家庭工程技术研究中心有限公司，中山大学，
类型：发明
国别省市：广东;44