实时视频目标跟踪方法技术

本发明专利技术属于视频图像处理技术领域，具体为一种基于相关的实时视频目标跟踪的新方法。该方法通过局部图像搜索的方式进行目标跟踪，提出使用图像质量参数作为表征相关性的特征参数。图像质量参数表征了图像与图像之间的相似性，从而可以由图像质量参数的值表征目标跟踪的成功程度。图像质量参数由三个部分组成，分别为相关性系数，对比度失真以及亮度失真。相关性系数表征了两幅图像结构上的相关性；对比度失真表征了两幅图像对比度上的相似程度；亮度失真表征了两幅图像亮度上的相似程度。因此，图像质量参数从全方位综合考虑了图像的整体信息，十分适合作为目标跟踪的特征参数。同时，本发明专利技术提出了相应的阈值模板更新策略，提高了算法的鲁棒性。

【技术实现步骤摘要】

本专利技术属于视频图像处理
，具体涉及一种实时视频目标跟踪的新方法。
技术介绍
序列图像中运动目标的检测与跟踪是指通过对拍摄的图像序列进行分析，检 测出运动目标并计算出目标在每帧图像上的位置，然后得到相关的参数。这一问 题是计算机视觉[1][2]研究的主要内容。计算机视觉是一门多学科交叉的学科， 涉及图像处理、计算机图形学、模式识别、人工智能、神经网络、计算机、心理 学、生理学、物理学和数学等。视频跟踪技术是计算机视觉中 一个必不可少的关键技术，它在机器人视觉导 航、军事视觉制导、安全监测、交通管制、医疗诊断、视频压縮以及气象分析等 许多方面都有广泛应用。如军事方面，已被成功地应用于武器的成像制导、军事 侦察和监视等。早期电视和红外跟踪器均釆用单一工作模式，必须完全用硬件实 现。现在跟踪以微机为基础，采用图像处理与模式识别技术，利用程序控制实现 多种功能。多模跟踪器已经用于电视和红外成像系统，如美国的坦克破坏者和海 尔法等导弹的制导系统。近年来，人工智能被应用到视频跟踪中，有效地提高了 系统的自适应能力。民用方面，如视觉监控，已被广泛地应用在社会生活的各方 面。视频跟踪可应用于社区和重要设施的保安监控；用于智能交通系统中进行车 辆的实时检测和追踪，可以得到车流量、车型、车速、车流密度等等许多有价值 的交通流参数，同时还可以检测事故或故障等突发状况。基于相关的视频目标跟踪算法[3][4]的主要思想是，预先建立一个表示目标 或待检测物体的模板作为识别和确定目标位置的依据，用目标模板与实时图像中 的各个子区域图像进行比较，找出和目标模板最相似的子区域图像的位置，就认 为是当前目标的位置。
技术实现思路
本专利技术的目的在于提供一种基于相关的实时视频目标跟踪的新方法。本专利技术 提出的，采用图像质量参数作为目标跟踪的特征参数。从 整体上综合考虑图像的信息，更能反应出图像的相似性。图像质量参数的定义为设两副灰度图像;c和;;分别为模板图像和待检测的 子区域图像，每幅图像有N个像素点，它们的灰度值分别为-<formula>formula see original document page 3</formula>那图像质量参数定义为<formula>formula see original document page 4</formula>如(l)式所示，其中第一项表示图像x和 >;的线性相关性，称之为相关性系数； 第二项表示图像x和j;之间的平均亮度的差异，称之为亮度失真；第三项表示的 是图像x和少之间的对比度相似性，称之为对比度失真。可见(l)式的图像质量参 数整体上综合考虑了图像的信息，作为一种评判图像相似性的参数十分有效。[5]本专利技术提出的使用图像质量参数作为检测的特征参数，局部图像搜索的目标 跟踪算法的步骤为(1)在第一帧图像中选取跟踪的目标以及相应的目标模板图像，目标模板图像为刚好能够包含目标的矩形框；在当前进行目标跟踪的这一帧图像中选定搜索的范围选取以目标模板图像 的中心为中心，以目标模板图像长、宽的两倍为长、宽的一个矩形区域为局 部搜索范围；使用目标模板对搜索范围内的每个和目标模板图像大小相同的子区域图像 按(l)式进行图像质量参数的计算，当图像质量参数达到最大时，即为目标跟 踪成功；阈值模板更新。考察当前的跟踪成功的图像质量参数，若图像质量参数大于 某一个阈值(大量实验表明0.85 0.95为一个合适的阈值范围)，则将对应的 子区域图像更新为目标模板图像；若图像质量参数小于该阈值，表明此次跟 踪的目标出现了部分遮挡情况，继续使用原来的目标模板图像进行跟踪。 附图说明-图l为目标跟踪实例l，其中(a)为第l帧，(b)为第30帧，(c)为第60帧，(d)为 第90帧。图2为目标跟踪实例2，其中(a)为第1帧，(b)为第40帧，(c)为第80帧，(d)为 第120帧。图3为目标跟踪实例3，其中(a)为第1帧，(b)为第50帧，(c)为第100帧，(d) 为第150帧。具体实施例方式对于跟踪实例1，如图l(a)所示在第1帧图像中选取了跟踪的目标(白色的面 包车)以及相应的目标模板图像。在当前帧图像上选定搜索的范围，选取以目标模板的中心为中心，以目标模板图像长、宽的两倍为长、宽的一个矩形区域为局 部搜索范围。使用目标模板图像对搜索范围内的每个和目标模板图像大小相同的 子区域图像按(l)式进行图像质量参数的计算，当图像质量参数达到最大时，即 判断为目标跟踪成功。考察此时的图像质量参数，如果大于预订的阈值(此实例中采用0.9作为阈值)，说明没有出现遮挡现象，将当前的子区域图像作为新的 目标模板图像；如果图像质量参数小于0.9,说明出现了遮挡现象，继续沿用上 次的目标模板图像。如图l(b)(c)(d)所示，在第30帧、第60帧以及第90帧时， 目标(白色面包车)都被成功的跟踪了 。同上，跟踪实例2、 3都成功的跟踪了目标(分别为黑色小轿车和黑夹克男子)。技术效果在不同的应用场景中，进行了大量的实验。实验表明，在不同场景中针对不 同的跟踪目标，本专利技术算法都是十分有效的。参考文献 Dickmanns, E.D. The development of machine vision for road vehicles in the last decade. 正EE Intelligent Vehicle Symposium.2002, 6， vol. 1:26 8-281. FleischerK., Nagel H .H., Machine-vision-based detection and tracking of stationary infrastructural objects beside inner-city roads. IEEE Proceedings. Intelligent Transportation Systems. 2001,8, vol. 1:525-530. Dennis A, Montera, Steven K. Rogers, Dennis W. Ruck and Mark E. Oxley， Object Tracking Through Adaptive Correlation. Optical Engineering, Vol. 33, No. 1, P.224-301, January 1994. [4] McFarlane, N丄B. and C,P. Schofield， Segmentation and tracking of piglets in images-Machine Vision and Applications, 1995.8: p.187-193. Zhou Wang and Alan C. Bovik, 'A universal image quality index'. IEEE SIGNAL PROCESSING LETTERS, VOL. 9, NO. 3, MARCH 200本文档来自技高网...

【技术保护点】
一种基于相关的实时视频目标跟踪的新方法，其特征在于应用‘图像质量参数’作为目标跟踪的特征参数，局部搜索的跟踪方法以及相应的阈值模板更新策略。

【技术特征摘要】
1一种基于相关的实时视频目标跟踪的新方法，其特征在于应用‘图像质量参数...

【专利技术属性】
技术研发人员：陈应光，
申请(专利权)人：上海龙东光电子有限公司，
类型：发明
国别省市：31[]