專利名稱：基于雙參數(shù)閾值分割的視覺精確跟蹤技術(shù)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，具體涉及一種基于圖像特征的運(yùn)動目標(biāo)精確跟蹤技術(shù)。
背景技術(shù)：
經(jīng)過幾十年的迅速發(fā)展，機(jī)器人領(lǐng)域越來越系統(tǒng)化、成熟化。各種類型的機(jī)器人已經(jīng)越來越廣泛的應(yīng) 用于現(xiàn)代工業(yè)、軍事、航天、醫(yī)療、交通、服務(wù)以及人類生活的許多領(lǐng)域。而智能移動型機(jī)器人作為機(jī)器 人研究領(lǐng)域的一個(gè)重要而典型的研究方向，越來越受到國內(nèi)外研究機(jī)構(gòu)的重視，成為當(dāng)今機(jī)器人工業(yè)界的 一個(gè)活躍的分支。近年來國內(nèi)外的許多工業(yè)智能移動機(jī)器人的技術(shù)有了很大的發(fā)展，而西方各國又投入了 更多的經(jīng)費(fèi)用于研制應(yīng)用于社會服務(wù)和人類生活領(lǐng)域的各種類型的服務(wù)型智能移動機(jī)器人。
移動機(jī)器人導(dǎo)航技術(shù)是智能移動機(jī)器人領(lǐng)域的一個(gè)重要研究方向，也是智能移動機(jī)器人的一項(xiàng)關(guān)鍵技 術(shù)。在過去的幾十年中，國際國內(nèi)有大量的科技工作者致力于移動機(jī)器人導(dǎo)航技術(shù)的研究，對很多關(guān)鍵導(dǎo) 航技術(shù)問題，如多傳感器融合導(dǎo)航、機(jī)器人自定位、場景模型建立、障礙檢測及路徑規(guī)劃等等，取得了長 足的進(jìn)步和較清晰的認(rèn)識。在某些特定的工業(yè)應(yīng)用領(lǐng)域，移動機(jī)器人導(dǎo)航技術(shù)已獲得了實(shí)際應(yīng)用。
計(jì)算機(jī)視覺作為模仿生物視覺的一種技術(shù)，它的生物機(jī)理到現(xiàn)在仍然不是很清楚，很多心理學(xué)家、生 理學(xué)家和認(rèn)知學(xué)家一直在努力的探討和研究這個(gè)問題，并且做著把腦認(rèn)知方面的研究向計(jì)算機(jī)應(yīng)用方面進(jìn) 行轉(zhuǎn)化的努力。作為計(jì)算機(jī)視覺的應(yīng)用，移動機(jī)器人的導(dǎo)航研究在引入視覺信息后有了很大的發(fā)展，解決 了很多以前使用傳統(tǒng)傳感器很難解決的問題，對于在超聲波、激光和紅外等傳統(tǒng)導(dǎo)航方式并不是很適合的 非結(jié)構(gòu)場景的自然環(huán)境下，利用視覺傳感器解決移動機(jī)器人的自定位問題有較大優(yōu)勢。利用視覺的方法具 有探測距離遠(yuǎn)，環(huán)境特征較好識別等特點(diǎn)，可以充分的發(fā)揮圖像處理和模式識別領(lǐng)域已有成果的優(yōu)勢，使 得一些在非結(jié)構(gòu)環(huán)境下的機(jī)器人自定位問題開始逐步走向解決。
基于視覺的精確跟蹤技術(shù)是指一種通過圖像處理與分析的方法，從圖像信號中實(shí)時(shí)自動識別目標(biāo)，準(zhǔn) 確獲取目標(biāo)位置信息，并精確跟蹤目標(biāo)運(yùn)動的技術(shù)?；谝曈X信息的跟蹤技術(shù)是以圖像處理技術(shù)為核心， 有機(jī)融合了計(jì)算機(jī)技術(shù)、傳感器技術(shù)、自動控制、模式識別、人工智能等多種理論和技術(shù)的新型技術(shù)，它 依靠成像技術(shù)獲得更加豐富的目標(biāo)信息，通過目標(biāo)與真實(shí)空間信息之間的相互關(guān)系，有效減少機(jī)動估計(jì)延 時(shí)、提高跟蹤性能。
根據(jù)識別方法的差別，視覺跟蹤可以分為基于圖像分割的跟蹤、基于活動輪廓的跟蹤和基于模板匹配 的區(qū)域跟蹤。1. 基于圖像分割的跟蹤方法一直是視覺跟蹤的主要方法，分割的線索包括了圖像強(qiáng)度、顏色、運(yùn)動、 紋理、灰度直方圖等，依據(jù)給定的特征將目標(biāo)區(qū)域從圖像中分割出來。
2. 基于活動輪廓跟蹤方法的思想是活動輪廓在模擬的外力和內(nèi)力作用下向物體邊緣靠近的過程。這 類方法的特點(diǎn)是從整體上識別物體，在物體具有變形、背景復(fù)雜和局部被遮擋的情況下，仍可以得到較為 滿意的跟蹤效果，具有較強(qiáng)的魯棒性。但是這種方法要求被跟蹤物體具有清晰的輪廓，尤其當(dāng)出現(xiàn)局部遮 擋現(xiàn)象時(shí)更有這樣的要求。
3. 基于模板匹配的區(qū)域跟蹤的基本思想是按像素對感興趣的區(qū)域進(jìn)行匹配，計(jì)算目標(biāo)圖像與區(qū)域圖 像的相關(guān)值。其方法要求目標(biāo)的外形基本上保持不變，這就不允許目標(biāo)位置、光照條件快速變化，也不允 許遮擋現(xiàn)象的發(fā)生。該方法通常計(jì)算量較大，計(jì)算時(shí)間較長。
在對圖像進(jìn)行分割時(shí)，需要選擇恰當(dāng)?shù)哪Ｐ涂臻g求取閾值。對同一顏色屬性物體，在光照種類、照度、 物體反射特性等不同條件下，測得的RGB顏色值分布很分散，3個(gè)變量互相關(guān)聯(lián)變化，很難確定閾值范圍。 而HSI模型符合人眼對顏色的感覺，H具有較穩(wěn)定和較窄的變化范圍，因此選H作為一個(gè)閾值。但是當(dāng)I 較小時(shí)，根據(jù)HSI的定義，H的值趨向不確定，不能作為單一的識別依據(jù)，因此本發(fā)明采取H與S相結(jié) 合的閾值作為分割的依據(jù)。
在實(shí)際中，需要綜合考慮目標(biāo)視覺跟蹤算法的精確度、計(jì)算復(fù)雜度以及通用性等方面，折衷進(jìn)行處理。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種基于圖像特征的運(yùn)動目標(biāo)精確跟蹤方法，結(jié)合視覺傳感、數(shù)字圖像處理和 目標(biāo)識別等相關(guān)技術(shù)，實(shí)現(xiàn)了對移動目標(biāo)的精確定位，該方法簡便、實(shí)時(shí)性好且跟蹤精度高。
本發(fā)明利用一個(gè)安裝在追蹤運(yùn)動體上的視覺敏感器(攝像機(jī))實(shí)現(xiàn)對參考運(yùn)動體的實(shí)時(shí)跟蹤。為達(dá)到 上述目的，如圖l所示，本發(fā)明的技術(shù)方案具體是這樣實(shí)現(xiàn)的
1. 對待跟蹤的目標(biāo)物體離線求取顏色分割閾值，選取色調(diào)H和飽和度S作為閾值分割的判別依據(jù)；
2. 對目標(biāo)圖像進(jìn)行顏色空間轉(zhuǎn)換，然后與1中確定的閾值進(jìn)行比較，剔除背景，分割出需要跟蹤目
標(biāo)；
3. 在2得到的目標(biāo)區(qū)域中選取距離初始點(diǎn)一定范圍內(nèi)的像素點(diǎn)作為跟蹤目標(biāo)，剔除干擾點(diǎn)，進(jìn)行距 離濾波；
4. 隨著被跟蹤物體的運(yùn)動，由3得到的目標(biāo)區(qū)域點(diǎn)確定質(zhì)心；
5. 確保被跟蹤目標(biāo)始終成像在圖像坐標(biāo)系的中心位置，以此來驅(qū)動追蹤物體運(yùn)動，實(shí)現(xiàn)實(shí)時(shí)的精確
跟蹤o
本發(fā)明有以下一些技術(shù)特征(1) 步驟1所述的離線求取顏色分割閾值的原始圖像是RGB格式的彩色圖像；
(2) 步驟1所述的離線求取顏色分割閾值是在HSI顏色空間中進(jìn)行的，基于性能和效率的權(quán)衡考慮， 我們選取色調(diào)H和飽和度S作為閾值分割的判別依據(jù)；
(3) 步驟1所述的離線求取顏色分割閾值中分割閾值的選取是通過以下步驟實(shí)現(xiàn)的用圖像采集卡 得到多幅數(shù)字化的RGB彩色圖像，通過人機(jī)交互確定被跟蹤對象，將該局部彩色圖像轉(zhuǎn)化為HSI模型，對 其H、 S兩個(gè)分量分別作直方圖得到選定區(qū)域的H、 S閾值，并求平均值作為分割閾值；
(4) 步驟2所述的顏色信息濾波就是對圖像采集卡實(shí)時(shí)采集的每幅圖像與(3)中確定的閾值進(jìn)行比 較，剔除背景，分割出需要跟蹤目標(biāo)的邊緣；
(5) 步驟3所述的距離信息濾波是為了保證提取目標(biāo)的準(zhǔn)確性，我們從(4)得到的目標(biāo)區(qū)域中選取 距離初始點(diǎn)一定范圍內(nèi)的像素點(diǎn)作為跟蹤目標(biāo)，剔除干擾點(diǎn)；
(6) 步驟4所述的求取質(zhì)心必須滿足有足夠多的像素點(diǎn)，否則把(5)中選取的目標(biāo)進(jìn)行異常處理， 即不予進(jìn)行質(zhì)心求取運(yùn)算，并保持上一幀圖像質(zhì)心，返回到步驟1采集下一時(shí)刻圖像；
(7) 步驟5所述的追蹤目標(biāo)運(yùn)動體的過程就是保證目標(biāo)物體質(zhì)心成像在圖像中心位置。
本發(fā)明采用了基于圖像的H、 S雙參數(shù)閾值分割和距離濾波相結(jié)合的圖像處理方法，實(shí)時(shí)準(zhǔn)確地識別 出目標(biāo)物體，得到物體的質(zhì)心，從而實(shí)現(xiàn)對目標(biāo)運(yùn)動體的精確跟蹤。該方法識別精度高，實(shí)時(shí)性強(qiáng)，具有 很高的應(yīng)用價(jià)值。


圖1為基于視覺的精確跟蹤技術(shù)流程圖； 圖2為被追蹤目標(biāo)圖像H參數(shù)直方圖； 圖3為被追蹤目標(biāo)圖像S參數(shù)直方圖； 圖4為對目標(biāo)進(jìn)行顏色分割后的圖像； 圖5為距離濾波后的圖像；
圖6為跟蹤目標(biāo)質(zhì)心在圖像坐標(biāo)系中的運(yùn)動軌跡。
具體實(shí)施例方式
為使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下參照附圖并舉實(shí)施例對本發(fā)明進(jìn)一步詳細(xì)說明。
本發(fā)明實(shí)現(xiàn)的系統(tǒng)平臺采用CCD攝像頭和圖像采集卡作為圖像的采集系統(tǒng)，采集彩色圖像大小為320像素x240像素，以RGB格式的位圖方式保存。位圖由像素點(diǎn)矩陣組成，每個(gè)像素點(diǎn)都有一個(gè)像素值，表 示特定顏色的強(qiáng)度，用R， G， B三個(gè)顏色分量表示，每個(gè)顏色分量用一個(gè)字節(jié)表示，數(shù)值在0到255之 間。
由于HSI模型可以在一定程度上避免RGB模型的高分散性和高相關(guān)性所帶來的閾值劃分問題，我們 在HSI空間進(jìn)行顏色濾波。
從RGB顏色空間到HSI顏色空間的轉(zhuǎn)換公式為
<formula>formula see original document page 6</formula>
基于性能和效率的權(quán)衡考慮，我們選取色調(diào)i/和飽和度S作為閾值分割的判別依據(jù)。首先拍攝10幅 目標(biāo)物體圖像，然后對每幅圖像手動選取被跟蹤目標(biāo)的矩形區(qū)域，并將彩色圖像轉(zhuǎn)化為HSI模式，做7/和
S直方圖如圖2、圖3所示，得到選定區(qū)域的/f和S閾值(//^,//皿)和0^111,5_)，其中
U^〈^ax，S^〈S〈S^， /fmm、 Smm、 5_分別為區(qū)域圖像色調(diào)和飽和度的最小閾值和
最大閾值；最后求出平均確定分割閾值(5^,^^^)和(^^,^^)。
這相當(dāng)于一個(gè)離線的學(xué)習(xí)過程，在隨后的實(shí)時(shí)圖像識別中，該閾值作為物體分割的標(biāo)準(zhǔn)。每幅實(shí)時(shí)采 集的圖像在進(jìn)行去噪處理后都與該閾值進(jìn)行比較，從而分割出物體，找到物體的圖像邊緣，如圖4所示。 在被跟蹤物體沒有發(fā)生變化且光線沒有強(qiáng)烈變化的情況下，都不需要進(jìn)行重新學(xué)習(xí)，直至跟蹤過程完成。
由于采集圖像的背景比較復(fù)雜，只進(jìn)行顏色濾波不能保證物體分割的準(zhǔn)確性，所以我們再進(jìn)行一次距 離濾波，剔除干擾信息。就是把經(jīng)過顏色分割后得到的目標(biāo)點(diǎn)中距離選取的初始化點(diǎn)30個(gè)像素范圍內(nèi)的 點(diǎn)作為被跟蹤目標(biāo)點(diǎn)，如圖5所示。
如果得到的目標(biāo)點(diǎn)個(gè)數(shù)小于5，我們認(rèn)為沒有正確識別出物體，返回對下一刻采集的圖像進(jìn)行識別； 如果得到的目標(biāo)點(diǎn)個(gè)數(shù)大于5，我們就進(jìn)行質(zhì)心求取。質(zhì)心坐標(biāo)計(jì)算公式為其中，(3 ,J0為質(zhì)心坐標(biāo)；w為目標(biāo)區(qū)域占據(jù)的像素個(gè)數(shù)；(x,.,;^為第/個(gè)像素的坐標(biāo)；戶&,,>;,.;)為
第/個(gè)像素的//、 S值的分布概率。質(zhì)心算法計(jì)算簡單，計(jì)算量小，特別適合于對稱圖像的中心計(jì)算，算 法的優(yōu)點(diǎn)在于充分利用了對稱圖像中的每一點(diǎn)的概率分布值，因此具有較高的質(zhì)心坐標(biāo)計(jì)算精度。
圖6為經(jīng)過圖像處理得到的目標(biāo)質(zhì)心在圖像中的坐標(biāo)，可以看到大部分點(diǎn)分布在(160， 120)附近范 圍。隨著被跟蹤物體的運(yùn)動，其在圖像中的坐標(biāo)也在發(fā)生變化，當(dāng)目標(biāo)質(zhì)心偏離中心點(diǎn)時(shí)，攝像機(jī)會自動 開始跟蹤，驅(qū)動追蹤物體運(yùn)動，保證被跟蹤目標(biāo)始終成像在圖像坐標(biāo)系的中心位置，實(shí)現(xiàn)實(shí)時(shí)的精確跟蹤。
權(quán)利要求
1、基于雙參數(shù)閾值分割的視覺精確跟蹤技術(shù)，對待跟蹤的目標(biāo)物體上的參照物離線求取參數(shù)色調(diào)H和飽和度S的分割閾值，然后對目標(biāo)圖像進(jìn)行顏色空間轉(zhuǎn)換，然后與確定的閾值進(jìn)行比較，剔除背景，分割出需要跟蹤目標(biāo)，再進(jìn)行距離濾波并確定目標(biāo)質(zhì)心，通過相應(yīng)的算法控制被跟蹤目標(biāo)始終成像在圖像坐標(biāo)系的中心位置，以此來驅(qū)動追蹤物體運(yùn)動，實(shí)現(xiàn)實(shí)時(shí)的精確跟蹤。其特征在于，該方法包括顏色空間轉(zhuǎn)換；離線求取顏色分割雙參數(shù)閾值；距離濾波；確定質(zhì)心。
2、 根據(jù)權(quán)利要求1所述的方法，其特征在于，用圖像采集卡得到多幅數(shù)字化的RGB彩色圖像，通過 人機(jī)交互確定被跟蹤對象，將該局部彩色圖像轉(zhuǎn)化為HSI模型。
3、 根據(jù)權(quán)利要求1所述的方法，其特征在于，離線求取顏色分割雙參數(shù)閾值是在HSI顏色空間中進(jìn) 行的，基于性能和效率的權(quán)衡考慮，我們選取色調(diào)H和飽和度S作為閾值分割的判別依據(jù)。
4、 根據(jù)權(quán)利要求1或3所述的方法，其特征在于，顏色信息濾波就是對圖像采集卡實(shí)時(shí)采集的每幅 圖像與3中確定的閾值進(jìn)行比較，剔除背景，分割出需要跟蹤目標(biāo)的邊緣。
5、 根據(jù)權(quán)利要求1所述的方法，其特征在于，我們從4得到的目標(biāo)區(qū)域中選取距離初始點(diǎn)一定范圍 內(nèi)的像素點(diǎn)作為跟蹤目標(biāo)，剔除干擾點(diǎn)。
6、 根據(jù)權(quán)利要求1所述的方法，其特征在于，求取質(zhì)心必須滿足有足夠多的像素點(diǎn)，否則把5中選 取的目標(biāo)進(jìn)行異常處理，即不予進(jìn)行質(zhì)心求取運(yùn)算，并保持上一幀圖像質(zhì)心，然后釆集下一時(shí)刻圖像。
7、 根據(jù)權(quán)利要求1所述的方法，其特征在于，保證目標(biāo)物體質(zhì)心成像在圖像中心位置。
全文摘要
本發(fā)明提出一種基于圖像特征的運(yùn)動目標(biāo)精確跟蹤技術(shù)，具體為一種基于雙參數(shù)閾值分割的視覺精確跟蹤技術(shù)，采取H、S雙參數(shù)閾值分割和距離濾波相結(jié)合的圖像處理方法，只利用一個(gè)安裝在追蹤運(yùn)動體上的視覺敏感器對參考運(yùn)動體的進(jìn)行實(shí)時(shí)跟蹤，從而實(shí)現(xiàn)了對移動目標(biāo)的精確定位，該方法簡便、實(shí)時(shí)性好且跟蹤精度高。
文檔編號G01C21/00GK101587591SQ20091008492
公開日2009年11月25日 申請日期2009年5月27日 優(yōu)先權(quán)日2009年5月27日
發(fā)明者娜 倪, 鏑 曹, 賈英民 申請人:北京航空航天大學(xué);賈英民;倪 娜