一种不受障碍物影响的运动物体跟踪及提取算法制造技术

本发明专利技术设计一种不受障碍物影响的运动物体提取及跟踪算法，同时该算法在追踪目标物体的同时还可以提供目标物体各个部分的详细运动信息。该算法对由摄像头获取的连续视频图像帧提取特征点，并将获得的特征点建立匹配矩阵，并将运动物体的提取及追踪转换为一次指派问题，通过求解一次指派问题获得特征点的匹配关系，并实现对移动物体的提取与追踪。由于该算法在匹配时同时处理多幅图像帧，因此在当运动物体被障碍物遮挡时，追踪不会受到影响。

【技术实现步骤摘要】
【专利摘要】本专利技术设计一种不受障碍物影响的运动物体提取及跟踪算法，同时该算法在追踪目标物体的同时还可以提供目标物体各个部分的详细运动信息。该算法对由摄像头获取的连续视频图像帧提取特征点，并将获得的特征点建立匹配矩阵，并将运动物体的提取及追踪转换为一次指派问题，通过求解一次指派问题获得特征点的匹配关系，并实现对移动物体的提取与追踪。由于该算法在匹配时同时处理多幅图像帧，因此在当运动物体被障碍物遮挡时，追踪不会受到影响。【专利说明】
本专利技术涉及计算机视觉的
，特别涉及一种不受障碍物影响的运动物体跟 踪及提取算法。
技术介绍
在摄像头获取的视频中的移动物体的追踪是计算机视觉研宄领域的一个热点，在 机器人视觉，视频监控等系统中有着广阔的应用前景。传统方法如背景差分法，连续帧间 差分法在摄像头固定的情况下可以实现较为良好的追踪效果，但是在受障碍物影响的情况 下，运动物体的跟踪通常会被中断。 目前许多研宄人员提出的用于追踪移动物体的方法，如光流法，基于SIFT特征点 的匹配法，Mean-Shift法和粒子滤波法，均不能解决在追踪中遇到障碍物体的问题。不受障 碍物影响的运动物体跟踪及提取算法在如安防，机器人视觉等应用领域却是必不可少的。
技术实现思路
本专利技术的目的在于，提供，该方 法在追踪目标物体的同时还可以提供目标物体各个部分的详细运动信息。因此，该算法不 仅在移动物体的追踪中相较传统的方法又更好的效果外，也可以被应用于人物的行为识别 领域中。 为了实现上述专利技术目的，本专利技术提供了一种基于多帧特征点同时匹配的新的移动 物体跟踪方法。该方法首先将由移动摄像头获得的视频图像的当前时刻的图像帧及之前时 刻的图像帧提取出来，并将图像中的特征点提取： 假设当前t时刻的图像帧为framet， t时刻之前的T帧被同时提取，该T帧为framet_h，h= {1，. . .T}， 对framet及framet_h，h= {1，· · ·T}提取特征点，并在每一帧所提取的特征点中 保留稳定性最好的N个特征点，则被提取的特征点总数为NX(T+1)个。 由于移动物体的轨迹追踪问题可以转换为移动物体中各个部分在连续帧中的匹 配问题，因此，通过求得当前帧中的各个特征点与之前帧中的各个特征点的匹配结果即可 得到移动物体在连续帧中的轨迹。 求当前帧中的N个特征点与之前帧中的NXT的特征点的匹配结果，可建立 NXNXT的原始效益矩阵，匹配结果即移动物体的各个部位在连续帧中的移动轨迹。 当前帧的特征点与之前帧的特征点在匹配时应该满足以下条件： 相匹配的特征点之间的相似度的累加总值最大，即该1对1的匹配问题可以视为 一个全局相似度最大化的最优化问题，即一次指派问题，。 当一个新的移动物体首次出现在图像帧画面中时，该移动物体的特征点可能与之 前帧的任何特征点都无法匹配，作为上述技术方案的一种改进，本方案对NXNXT的原效 益矩阵进行扩展。 NXNXT原效益矩阵被扩展为NX(NXT+1)。效益矩阵的扩展部分的元素值为预 设的阈值。 则当前帧的特征点与之前帧的特征点的匹配问题的最优化匹配的数学表达为： Minimize 【权利要求】1. ，其特征在于： 501 :当前t时刻的图像帧记为framet，t时刻之前的T帧记为framet-h，h= {1，...T}，并分别提取特征点，各帧的特征点个数记为N; 502 :然后计算framet的各个特征点与framet_h，h= {1，. ? ?T}的各特征点之前的特征 空间空间距离，建立一个尺寸为NXNXT的原始效益矩阵； 503 :建立一个尺寸为NX(TXN+1)的扩展效益矩阵，包括T个尺寸为NXN的原始效益 矩阵和一个尺寸为NXN的阈值矩阵； 504 :将效益矩阵的匹配问题作为一次指派问题求解； 505 :根据不同的匹配结果判断特征点是否为新的移动物体，如果当前帧的特征点与的 阈值相匹配，则此特征点被视为属于新的移动物体； 506 :根据连续的匹配结果判断特征点是否消失，当之前帧中属于移动物体的特征点中 在当前帧中无可匹配点时，之前帧中的移动物体被视为被遮挡或消失； 507 :根据连续的匹配结果判断特征点是否为遮挡后的再出现，； 508 :根据连续的匹配结果估算遮挡后的再出现的特征点在遮挡时的位置。2. 根据权利要求1所述的，其特征是 NX(TXN+1)的效益矩阵中包括T个尺寸为NXN的原始效益矩阵和一个尺寸为NXN的阈 值矩阵。3. 根据权利要求1所述的，其特征是 其最优化匹配的数学表达为： Minimize其中1'为当前帧之前的帧数，8；[111；[131'；^7{(：111'1'(1：)1，？代￥(1：-11)』}为当前帧特征点；[与 之前帧的特征点j之间的特征空间空间距离，thresholdforcreating为预设的阈值。4. 根据权利要求8所述的，其特征是 当被追踪的移动物体在被遮挡时，其位置可由遮挡前后的位置做线性估算。5.根据权利要求1所述的，其特征是 当被追踪的移动物体在被遮挡时，对物体的追踪不会被中断。【文档编号】G06T7/20GK104504724SQ201510020446【公开日】2015年4月8日 申请日期:2015年1月15日 优先权日:2015年1月15日 【专利技术者】李竹 申请人:杭州国策商图科技有限公司本文档来自技高网...

【技术保护点】
一种不受障碍物影响的运动物体跟踪及提取算法，其特征在于：S01：当前t时刻的图像帧记为framet，t时刻之前的T帧记为framet‑h，h＝{1，...T}，并分别提取特征点，各帧的特征点个数记为N；S02：然后计算framet的各个特征点与framet‑h，h＝{1，...T}的各特征点之前的特征空间空间距离，建立一个尺寸为N×N×T的原始效益矩阵；S03：建立一个尺寸为N×(T×N+1)的扩展效益矩阵，包括T个尺寸为N×N的原始效益矩阵和一个尺寸为N×N的阈值矩阵；S04：将效益矩阵的匹配问题作为一次指派问题求解；S05：根据不同的匹配结果判断特征点是否为新的移动物体，如果当前帧的特征点与的阈值相匹配，则此特征点被视为属于新的移动物体；S06：根据连续的匹配结果判断特征点是否消失，当之前帧中属于移动物体的特征点中在当前帧中无可匹配点时，之前帧中的移动物体被视为被遮挡或消失；S07：根据连续的匹配结果判断特征点是否为遮挡后的再出现，；S08：根据连续的匹配结果估算遮挡后的再出现的特征点在遮挡时的位置。

【技术特征摘要】

【专利技术属性】
技术研发人员：李竹，
申请(专利权)人：杭州国策商图科技有限公司，
类型：发明
国别省市：浙江;33