【技术实现步骤摘要】
本专利技术涉及的是一种图像处理和立体视觉跟踪领域的技术，具体是一种基于三维Delaunay三角剖分的立体视觉跟踪方法及系统。
技术介绍
视觉目标跟踪是计算机视觉领域的一个重要研究方向，它结合了计算机图像处理、视频图像处理、模式识别、人工智能以及机械控制等诸多相关领域的知识，被广泛应用于智能监控、目标识别、交通监视等方面。传统的运动目标跟踪大多为基于单目视觉的方法。目前，单目视觉目标跟踪算法已经比较成熟，在很多领域和方面都取得了不错的发展。然而单目视觉也存在很大缺陷，单目视觉信息量小，图像在投影过程中丢失了实际场景的三维信息，不能充分利用跟踪目标的立体结构信息，因此有着不可弥补的缺陷。在采用基于单目视觉的方法进行运动目标跟踪时，常常存在着目标遮挡以及周围场景光线变化和阴影的干扰等问题。立体视觉可以求取景物的三维信息，运用场景的三维信息跟踪目标，可以有效地解决场景光线变化和阴影的干扰以及遮挡等单目视觉中难以解决的问题。近年来，随着三维技术的发展和进步，三维模型的获取变得越来越便捷，立体视觉跟踪算法研究也得到了发展。立体视觉弥补了单目视觉对目标信息获取不充分的缺点，可以充分利用目标的空间结构信息以及位置信息。基于RGB-D的目标跟踪最近很受欢迎，它同时利用了颜色信息和深度信息。比如RGB-DHOG，它从RGB图像和深度图像同时计算方向梯度直方图。RGB-DHOG特征描述了局部颜色纹理以及三维形状。然而，它并没有充分利用...
【技术保护点】
一种基于三维Delaunay三角剖分的立体视觉跟踪方法，其特征在于，使用三维SIFT算法实现对原始图像进行三维SIFT特征点的提取，然后通过计算候选模型与目标模型之间欧氏距离实现三维SIFT特征点的粗匹配；再对匹配后的三维SIFT特征点进行三维Delaunay三角剖分，利用剖分形成的空间几何约束，对候选模型和目标模型三维SIFT特征点进行细匹配，在粒子滤波目标跟踪框架下实现对目标进行跟踪。
【技术特征摘要】
1.一种基于三维Delaunay三角剖分的立体视觉跟踪方法，其特征在于，使用三维SIFT
算法实现对原始图像进行三维SIFT特征点的提取，然后通过计算候选模型与目标模型之间
欧氏距离实现三维SIFT特征点的粗匹配；再对匹配后的三维SIFT特征点进行三维Delaunay
三角剖分，利用剖分形成的空间几何约束，对候选模型和目标模型三维SIFT特征点进行细
匹配，在粒子滤波目标跟踪框架下实现对目标进行跟踪。
2.根据权利要求1所述的方法，其特征是，具体包括如下步骤：
步骤A，从原始图像的第一帧开始，进行三维SIFT特征点的提取；
步骤B，对候选模型和目标模型提取的三维SIFT特征点进行粗匹配；
步骤C，对匹配后的三维SIFT特征点进行三维Delaunay三角剖分，建立目标的三维表观
模型；
步骤D，经过细匹配后，利用目标模型和候选模型间匹配特征点的个数描述模型间的相
似度，通过相似度来描述粒子滤波跟踪框架中的观察模型实现跟踪。
3.根据权利要求2所述的方法，其特征是，所述的步骤A包括：
步骤A1：检测由DOG空间的局部极值点组成的关键点：将每个样点需要与它的邻近点比
较，当该点的DOG算子值为邻域内的极值，即DOG函数的极值点，则将该点定义为关键点；
步骤A2：生成关键点的三维SIFT特征向量：以关键点邻域内的梯度方向分布特性，用直
方图统计邻域像素的梯度方向，生成三维SIFT特征向量。
4.根据权利要求2所述的方法，其特征是，所述的步骤B具体是指：当目标包含N1个三维
SIFT特征点，用P表示目标模型，有其中：pi表示目标模型的一个三维SIFT特征
点；再当第t帧时，候选目标模型有N2个三维SIFT特征点，用Q表示，有其中：qi是候选模型的一个三维SIFT特征点；
对任意特征点pi，且pi∈P，计算与Q中所有特征点的最短欧氏距离和次短欧氏距离，当
最短欧氏距离和次短欧氏距离的比...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。