基于边缘信息和均值移位的灰度目标跟踪算法制造技术

一种基于边缘信息和均值移位的灰度目标跟踪算法，步骤为：（１）对灰度目标图像进行预处理，包括图像去噪、对比度增强和Ｓｏｂｅｌ滤波；（２）在经过预处理的初始帧图像中，提取目标的特征模版；（３）在当前帧中用Ｋａｌｍａｎ滤波器预测目标的起始位置；（４）用均值移位跟踪算法在Ｋａｌｍａｎ滤波器预测的起始位置附近搜索得到目标在当前帧中的最优位置；（５）每隔固定周期，结合Ｃａｎｎｙ滤波对目标模版进行更新。本方法以边缘信息和均值移位算法为基础，实现了对灰度目标的有效跟踪，在目标大小、形状、灰度分布以及背景发生变化的情况下，依然能够实时地、稳健地完成跟踪。

【技术实现步骤摘要】
(一)
：本专利技术涉及的是一种灰度目标跟踪算法，属于图像处理
(二)
技术介绍
：目标跟踪已经被广泛地应用在计算机视觉、监控系统、民用安检和红外制导等研究领域。目标跟踪的本质是确定目标在图像序列中的位置和几何信息。相较于彩色目标，灰度目标包含的图像信息少，运动较为不规则，易受背景的遮挡或干扰，这使得灰度目标跟踪的难度大大增加，已成为计算机视觉领域的研究热点。目标跟踪方法分为两大类：一类是基于目标的运动；另一类是基于目标的特征。由于基于目标特征的跟踪算法有更好的稳定性和适应性，因此得到了更为广泛的应用。均值移位算法本质上也是一种基于目标特征的跟踪算法，主要利用目标的颜色和纹理特征的统计分布来描述目标，并利用均值移位向量的梯度下降搜索达到目标跟踪的目的。目前，国内外对于彩色目标的跟踪算法已经做出了很多的工作，提出了不少有效的跟踪算法，例如模版匹配、信任域方法、均值移位算法等，再结合Kalman滤波或者粒子滤波对目标位置进行预测，能够做到较为稳健的跟踪。其中，均值移位算法作为一种性能出色的跟踪算法，在彩色目标跟踪领域已经得到了较为广泛的应用。但是由于灰度图像与彩色图像的图像特性有较大差异，灰度目标所包含的信息较少，当采用灰度直方信息作为目标的特征空间时，均值移位算法的跟踪效果并不好。对于这个问题，学者们进行了研究，对均值移位算法进行了一些改进，如采用灰度加权直方图或级联的灰度空间等方法来描述目标特征。这些方法在某种程度上虽然提高了跟踪算法的性能，但是当目标的纹理或者尺寸发生改变时，往往会导致跟踪失败，并且跟踪过程很容易受到背景灰度变化的影响。为了避免这些问题，可以考虑在均值移位算法中用灰度目标的边缘信息作为目标描述的特征，从而能够提高跟踪算法的稳定性，并减少算法处理的时间。(三)
技术实现思路
：本专利技术的目的在于提出一种基于边缘信息和均值移位的灰度目标跟踪算法，该方法在传统均值移位跟踪算法的基础上，摒弃采用目标灰度信息作为特征空间的方法，而是充分利用目标的边缘信息，实现了对灰度和大小均有变化的非刚性灰度目标的稳健跟踪。本专利技术不涉及目标检测部分，在初始帧图像中，已经确定了目标区域的大小和位置，为一个包含目标像素的最小矩形框。在此，将当前帧目标图像定义为第k帧图像，则前一帧图像为k-1帧图像。本专利技术一种基于边缘信息和均值移位的灰度目标跟踪算法，是通过以下技术方案实现的：1、对初始帧及后续每一帧灰度目标图像进行预处理，包括对图像的去噪、增强及微分算子滤波等处理；对后续的每一帧图像也需要进行相同的处理。2、在预处理后的初始帧图像中，提取目标的边缘信息作为特征模版。-->3、当第k-1帧跟踪结束后，通过Kalman滤波器预测第k帧目标的起始搜索位置。4、用均值移位跟踪算法在Kalman滤波器预测的目标起始位置附近搜索得到第k帧中目标的最优位置。5、每隔固定周期，结合Canny算子对目标模版进行更新。本专利技术基于边缘信息和均值移位的灰度目标跟踪算法，具体实现步骤如下：步骤1：对灰度目标图像进行预处理。针对灰度图像噪声强、背景杂波大、目标与背景的对比度低等特点，本专利技术首先对每一帧灰度图像进行预处理，从而减少噪声和背景的干扰，提高跟踪的稳健性。整个预处理过程包括如下步骤：(1)去除灰度图像的噪声，可根据噪声的种类不同，采用不同的平滑方法。对于高斯白噪声，可选择3×3窗空间域平均法；而对于椒盐噪声，可以选择中值滤波。(2)为了更好地提取目标边缘信息，选择直方图对比度增强方法来增强目标与背景的对比度。(3)用一阶Sobel微分算子对增强后的图像进行滤波，x方向的滤波器掩模为y方向的滤波器掩模为可以得到两幅滤波后的灰度图像。步骤2：在预处理后的初始帧图像中，提取目标的边缘信息作为特征模版。与彩色图像不同，灰度目标的灰度分布不能提供足够的信息完成跟踪，并且易受到灰度变化和背景干扰的影响。因此，本专利技术选择边缘信息作为目标的特征空间，目标模版的提取方法如下：取2幅预处理后得到的x方向滤波图像和1幅y方向滤波图像，分别作为彩色图像的RGB三个通道图像，合成一幅RGB彩色图像。将得到的RGB图像变换为HSV图像，并提取其H通道图像，取H通道值在[0，180)之间的像素，超出此范围值的像素不计入在内。将该H色度通道作为目标的特征空间，将其量化为m个特征值，量化间隔越小，目标特征描述精度越高，m可取为30，此时特征空间的量化间隔为6。目标模型的描述方法：在初始帧的目标窗口中，设目标模型的像素集合为{xi本文档来自技高网...

【技术保护点】
一种基于边缘信息和均值移位的灰度目标跟踪算法，其特征在于：包括如下步骤：本专利技术不涉及目标检测部分，在初始帧图像中，已经确定了目标区域的大小和位置，为一个包含目标像素的最小矩形框；将当前帧目标图像定义为第ｋ帧图像，则前一帧图像为ｋ－１帧图像；步骤１、对初始帧及后续的每一帧灰度目标图像进行预处理，包括对图像的去噪、增强及微分算子滤波等处理；步骤２、在预处理后的初始帧图像中，提取目标的边缘信息作为特征模版；步骤３、在第ｋ－１帧跟踪结束后，通过Ｋａｌｍａｎ滤波器预测第ｋ帧目标的起始搜索位置，步骤４、用均值移位跟踪算法在Ｋａｌｍａｎ滤波器预测的目标起始位置附近搜索得到第ｋ帧中目标的最优位置；步骤５、每隔固定周期，结合Ｃａｎｎｙ算子对目标模版进行更新。

【技术特征摘要】
1.一种基于边缘信息和均值移位的灰度目标跟踪算法，其特征在于：包括如下步骤：本发明不涉及目标检测部分，在初始帧图像中，已经确定了目标区域的大小和位置，为一个包含目标像素的最小矩形框；将当前帧目标图像定义为第k帧图像，则前一帧图像为k-1帧图像；步骤1、对初始帧及后续的每一帧灰度目标图像进行预处理，包括对图像的去噪、增强及微分算子滤波等处理；步骤2、在预处理后的初始帧图像中，提取目标的边缘信息作为特征模版；步骤3、在第k-1帧跟踪结束后，通过Kalman滤波器预测第k帧目标的起始搜索位置，步骤4、用均值移位跟踪算法在Kalman滤波器预测的目标起始位置附近搜索得到第k帧中目标的最优位置；步骤5、每隔固定周期，结合Canny算子对目标模版进行更新。2.根据权利要求1所述基于边缘信息和均值移位的灰度目标跟踪算法，其特征在于：该步骤1中，对灰度目标图像进行预处理过程，依次进行以下操作：图像去噪：根据目标图像情况选择是否对图像进行去除噪声，可以...

【专利技术属性】
技术研发人员：毛峡，常乐，刁伟鹤，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11[中国|北京]