图像目标相对位置确定方法与系统技术方案

本发明专利技术提供一种图像目标相对位置确定方法与系统，获取目标初始位置，根据目标初始位置进行稀疏采样，将采样点分为前景样本和背景样本，根据前景样本的空间分布，聚类相邻的前景样本，获得包含多个簇的聚类结果，根据聚类结果进行稳健估计，确定目标与伪装干扰在图像中的相对位置。整个过程中，采用稀疏采样、采样点区分以及相邻的前景样本聚类完成多特征级联聚类，再进行稳健估计确定目标及伪装干扰的位置，能够准确确定含伪装干扰图像中目标与伪装干扰相对位置。

【技术实现步骤摘要】

本专利技术涉及图像处理
，特别是涉及图像目标相对位置确定方法与系统。
技术介绍
随着视频摄像头的在城市安防领域的应用，基于图像信息的目标跟踪算法吸引了工业界及学术界的研究热情。在过去的三十年，图像跟踪算法取得了长足的发展，但是依然有很多开放性的问题并未得到完善的解决方案，例如，目标的大变形，观察视角的改变，光线的变化，嘈杂的背景，干扰及遮挡等问题。传统的目标跟踪方案对仅仅基于目标对象完成算法的建模，其中主要含有三个部分：1)目标特征模型的提取；2)多特征融合的模型匹配算法；3)算法的实时更新方案。在目标跟踪过程中，目标位置与伪装干扰相对位置确定是非常关键的一步，基于传统的目标跟踪方案，其能够应对的一些传统的问题，例如目标的大变形，光线变化及快速运动，但是当环境存在伪装的时候，传统的方案往往无法准确确定目标与伪装干扰的相对位置。
技术实现思路
基于此，有必要针对传统方案无法准确确定目标与伪装干扰相对位置的问题，提供一种能够准确确定目标与伪装干扰相对位置的方法与系统。一种图像目标相对位置确定方法，包括步骤：获取目标初始位置，根据目标初始位置进行稀疏采样；将采样点分为前景样本和背景样本；根据前景样本的空间分布，聚类相邻的前景样本，获得包含多个簇的聚类结果；根据聚类结果进行稳健估计，确定目标与伪装干扰在图像中的相对位置。一种图像目标相对位置确定系统，包括：稀疏采样模块，用于获取目标初始位置，根据目标初始位置进行稀疏采样；采样点区分模块，用于将采样点分为前景样本和背景样本；聚类模块，用于根据前景样本的空间分布，聚类相邻的前景样本，获得包含多个簇的聚类结果；位置确定模块，用于根据聚类结果进行稳健估计，确定目标与伪装干扰在图像中的相对位置。本专利技术图像目标相对位置确定方法与系统，获取目标初始位置，根据目标初始位置进行稀疏采样，将采样点分为前景样本和背景样本，根据前景样本的空间分布，聚类相邻的前景样本，获得包含多个簇的聚类结果，根据聚类结果进行稳健估计，确定目标与伪装干扰在图像中的相对位置。整个过程中，采用稀疏采样、采样点区分以及相邻的前景样本聚类完成多特征级联聚类，再进行稳健估计确定目标及伪装干扰的位置，能够准确确定含伪装干扰图像中目标与伪装干扰相对位置。附图说明图1为本专利技术图像目标相对位置确定方法第一个实施例的流程示意图；图2为本专利技术图像目标相对位置确定方法第二个实施例的流程示意图；图3为本专利技术图像目标相对位置确定系统第一个实施例的结构示意图；图4为本专利技术图像目标相对位置确定系统第二个实施例的结构示意图。具体实施方式如图1所示，一种图像目标相对位置确定方法，包括步骤：S200：获取目标初始位置，根据目标初始位置进行稀疏采样。抽取含有目标的图像，从中获取目标初始位置。在不同应用场景下目标初始位置获取方式不相同，具体来说，可以分为两种情况，一种是存在前一帧图像；第二种是不存在前一帧图像。针对存在前一帧图像的情况可以直接获取目标在前一帧图像中的位置来获取目标初始位置；针对不存在前一帧图像的情况可以获取目标预设位置来获取目标初始位置。下面以实例来进行说明，假定当前时间点之前已经采集有连续含有目标的图像，当前时间点为开始采集的第10帧，则可以从第9帧采集的含有目标的图像中获取目标初始位置；假定当前时间点之前没有采集连续含有目标的图像，即当前时间点为开始采集的第1帧，则获取目标预设位置来获取目标初始位置。更进一步来说，预设初始位置可以随机设定或者根据实际应用场景以及历史经验数据进行设定。基于目标初始位置，对目标初始位置周围进行稀疏采样，获得多个采样点，非必要的，可以对目标初始位置周围进行均匀稀疏采样，以获得更加整齐的多个采样点，采用均匀稀疏采样有利于减小后期数据处理量。S400：将采样点分为前景样本和背景样本。将步骤S200获得的采样点分为前景样本和背景样本，其中，前景样本中可能含有目标，同时也可能还有伪装干扰。如图2所示，在其中一个实施例中，步骤S400包括：S420：提取稀疏采样每个样本中的颜色特征。在步骤S200进行稀疏采样之后，会获得多个样本，提取每个样本中的颜色特征。具体来说，是提取每个样本的颜色特征直方图。S440：获取颜色强度的梯度直方图特征，将提取的颜色特征与颜色强度的梯度直方图特征匹配，获得匹配结果。颜色强度的梯度直方图特征是通过对已有的图像目标特征进行分体所提取的特征，其梯度模型为方向梯度直方图(HOG)。非必要的，可以利用巴氏距离计算法，将样本中提取的颜色特征与模型中的颜色特征进行匹配，每个样本将得到一个匹配值。S460：根据匹配结果以及采样点空间位置信息，利用高斯聚类算法将采样点分为前景样本和背景样本。聚类算法是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类分析是由若干模式组成的，通常模式是一个度量的向量，或者是多维空间中的一个点。聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。在这里，根据颜色匹配结果以及各个采样点空间位置信息，采用高斯聚类算法将采样点分为前景样本和背景样本，其中，前景样本中可能含有目标，同时也可能还有伪装干扰，在后续操作中也主要针对前景样本进行处理。S600：根据前景样本的空间分布，聚类相邻的前景样本，获得包含多个簇的聚类结果。在将采样点分为前景样本和背景样本之后，遍历所有前景样本，根据前景样本的空间分布，将相邻的前景样本再次进行聚类，获得包含多个簇的聚类结果。非必要的，可以主要考虑前景样本在空间分布重叠的区域，对该重叠的区域进行再次聚类，获得包含多个簇的聚类结果。如图2所示，在其中一个实施例中，步骤S600包括：S620：根据前景样本的空间分布，获取前景样本的重叠区域。在区分出前景样本和背景样本后，遍历所有的前景样本，分析前景样本的空间分布，查找到前景样本的重叠区域。S640：根据前景样本的重叠区域将前景样本进行聚类，获得包含多个簇的聚类结果。前景样本中具有重叠区域的样本再次进行空间聚类，根据空间分布将前景样本分为多个不同的簇。S800：根据聚类结果进行稳健估计，确定目标与伪装干扰在图像中的相对位置。根据二次聚类结果进行稳健估计，确定图像中目标与伪装干扰的相对位置。如图2所示，在其中一个实施例中，步骤S800包括：S820：根据聚类结果进行簇内密集采样，并在密集采样中提取梯度特征。在各个簇内进行密集采样，同时提取密集样本点的梯度特征。S840：将提取的梯度特征与预设梯度模型匹配，获得匹配值。预设梯度模型是预先构建的模型，具体来说，该预设梯度模型是梯度直方图HOG，其可以通过对图像目标的经验数据进行建模所得到。在进行匹配过程中，采用匹配值来表征两者之间匹配程度。S860：获取梯度匹配均值点对应位置以及梯度匹配值最高点对应位置。针对匹配值着重关注匹配均值点和匹配值最高点，并且分别获取梯度匹配均值点对应位置以及梯度匹配值最高点对应位置。S880：根据梯度匹配均值点对应位置以及梯度匹配值最高点对应位置进行稳健估计，确定目标与伪装干扰在图像中的相对位置。由于每个簇内可能含有一个至多个(两个)目标，为有效的估计出所有目标及伪装干扰的位置，采用匹配值均值点位置及匹配值最高点的对应位置来完成稳健估计，确定目本文档来自技高网...

【技术保护点】
一种图像目标相对位置确定方法，其特征在于，包括步骤：获取目标初始位置，根据所述目标初始位置进行稀疏采样；将采样点分为前景样本和背景样本；根据前景样本的空间分布，聚类相邻的前景样本，获得包含多个簇的聚类结果；根据所述聚类结果进行稳健估计，确定目标与伪装干扰在图像中的相对位置。

【技术特征摘要】
1.一种图像目标相对位置确定方法，其特征在于，包括步骤：获取目标初始位置，根据所述目标初始位置进行稀疏采样；将采样点分为前景样本和背景样本；根据前景样本的空间分布，聚类相邻的前景样本，获得包含多个簇的聚类结果；根据所述聚类结果进行稳健估计，确定目标与伪装干扰在图像中的相对位置。2.根据权利要求1所述的图像目标相对位置确定方法，其特征在于，所述根据所述聚类结果进行稳健估计，确定目标与伪装干扰在图像中的相对位置的步骤包括：根据所述聚类结果进行簇内密集采样，并在密集采样中提取梯度特征；将提取的梯度特征与预设梯度模型匹配，获得匹配值；获取梯度匹配均值点对应位置以及梯度匹配值最高点对应位置；根据所述梯度匹配均值点对应位置以及所述梯度匹配值最高点对应位置进行稳健估计，确定目标与伪装干扰在图像中的相对位置。3.根据权利要求2所述的图像目标相对位置确定方法，其特征在于，所述根据所述梯度匹配均值点对应位置以及所述梯度匹配最高点对应位置进行稳健估计，确定目标与伪装干扰在图像中的相对位置的步骤包括：根据所述梯度匹配均值点对应位置以及所述梯度匹配最高点对应位置，对每个簇内的密集样本进行迭代聚类和潜在目标区域估计；当每个所述梯度匹配均值点对应位置与所述梯度匹配最高点对应位置偏差均小于预设值时，停止迭代，查找具有区域重叠的目标；确定目标与伪装干扰在图像中的相对位置。4.根据权利要求1所述的图像目标相对位置确定方法，其特征在于，所述将采样点分为前景样本和背景样本的步骤包括：提取稀疏采样每个样本中的颜色特征；获取颜色强度的梯度直方图特征，将提取的颜色特征与所述颜色强度的梯度直方图特征匹配，获得匹配结果；根据所述匹配结果以及采样点空间位置信息，利用高斯聚类算法将采样点分为前景样本和背景样本。5.根据权利要求1所述的图像目标相对位置确定方法，其特征在于，所述根据前景样本的空间分布，聚类相邻的前景样本，获得包含多个簇的聚类结果的步骤包括：根据前景样本的空间分布，获取所述前景样本的重叠区域；根据所述前景样本的重叠区域将所述前景样本进行聚类，获得包含多个簇的聚类结果。6.一种图像目标相对...

【专利技术属性】
技术研发人员：肖晶晶，
申请(专利权)人：湖南挚新科技发展有限公司，
类型：发明
国别省市：湖南;43