專利名稱：基于邊緣信息的灰度目標(biāo)自動跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種灰度目標(biāo)自動跟蹤方法，特別適用于解決灰度圖像序列中目標(biāo)自動跟蹤的問題。屬于圖像處理技術(shù)領(lǐng)域。
背景技術(shù)：
目標(biāo)跟蹤已經(jīng)被廣泛地應(yīng)用于計算機視覺、監(jiān)控系統(tǒng)、民用安檢和精確制導(dǎo)等領(lǐng)域。目標(biāo)跟蹤的本質(zhì)是確定目標(biāo)在圖像序列中的位置和幾何信息。目前，國內(nèi)外對于彩色目標(biāo)的跟蹤方法已經(jīng)做了很多工作，提出了不少有效的跟蹤方法，例如模版匹配方法、信任域方法、Mean Shift方法及粒子濾波方法等。其中，Mean Shift方法作為一種性能出色的跟蹤方法，在彩色目標(biāo)跟蹤領(lǐng)域已經(jīng)得到了較為廣泛的應(yīng)用。但與彩色目標(biāo)相比，灰度目標(biāo)所包含的信息較少，當(dāng)采用灰度直方信息作為目標(biāo)的特征空間時，Mean Shift方法的跟蹤效果并不好，當(dāng)目標(biāo)的紋理、形狀或尺寸發(fā)生改變時，往往會導(dǎo)致跟蹤失敗，并且跟蹤過程很容易受到背景灰度變化的影響；此外，Mean Shift方法只在目標(biāo)的鄰域內(nèi)有效，當(dāng)目標(biāo)運動速度較快時，無法進行有效跟蹤。為了解決上述問題，可考慮先采用Kalman濾波器對目標(biāo)位置進行預(yù)測，再在Mean Shift方法中用灰度目標(biāo)的邊緣信息作為描述目標(biāo)的特征，從而增強跟蹤方法的穩(wěn)健性，并提高跟蹤方法的效率。

發(fā)明內(nèi)容
本發(fā)明的目的在于提出一種基于邊緣信息的灰度目標(biāo)自動跟蹤方法，該方法在Mean Shift跟蹤算法的基礎(chǔ)上，摒棄采用目標(biāo)灰度信息作為特征空間的方法，而是充分利用目標(biāo)的邊緣信息，并結(jié)合Kalman濾波器對目標(biāo)位置進行預(yù)測，實現(xiàn)了對形狀、紋理、尺寸及背景均有變化的灰度目標(biāo)的快速、穩(wěn)健跟蹤。本發(fā)明不涉及目標(biāo)檢測部分，假設(shè)在初始幀圖像中，已確定目標(biāo)區(qū)域的大小和位置，為一個包含目標(biāo)像素的最小矩形框。若將圖像序列中第k幀圖像稱為當(dāng)前巾貞，則k-Ι幀圖像稱為前一幀。本發(fā)明提出了一種基于邊緣信息的灰度目標(biāo)自動跟蹤方法，通過以下技術(shù)方案實現(xiàn)步驟1、對灰度目標(biāo)圖像進行預(yù)處理，包括圖像去噪和微分算子濾波處理；步驟2、利用預(yù)處理后的灰度目標(biāo)圖像建立邊緣信息特征空間；步驟3、基于灰度目標(biāo)圖像特征空間，提取目標(biāo)邊緣信息作為特征模版；步驟4、利用目標(biāo)直方圖計算候選目標(biāo)的反向投影，并以此描述候選目標(biāo)；步驟5、當(dāng)?shù)趉-Ι幀跟蹤結(jié)束后，利用Kalman濾波器預(yù)測第k幀目標(biāo)的起始搜索位置；步驟6、利用Mean Shift方法在Kalman濾波器預(yù)測的目標(biāo)起始位置附近搜索第k幀目標(biāo)的最優(yōu)位置；步驟7、結(jié)合Canny算子對目標(biāo)區(qū)域進行更新。
本發(fā)明提出了一種基于邊緣信息的灰度目標(biāo)自動跟蹤方法，具體實現(xiàn)步驟如下:步驟1、對灰度目標(biāo)圖像進行預(yù)處理，包括圖像去噪和微分算子濾波處理。針對灰度目標(biāo)圖像噪聲強、背景雜波大等特點，本發(fā)明首先對每一幀灰度目標(biāo)圖像進行預(yù)處理，以減少噪聲和背景的干擾。預(yù)處理過程的實現(xiàn)方法如下:(I)灰度目標(biāo)圖像中最常見的噪聲是高斯噪聲和椒鹽噪聲。根據(jù)噪聲種類的不同，采用不同的平滑方法。對于高斯噪聲，選擇高斯平滑方法處理；而對于椒鹽噪聲，選擇中值濾波方法處理。(2)利用一階Sobel微分算子對去噪后的灰度目標(biāo)圖像x、y方向進行濾波處理，x方向選取的濾波器掩模為[-1 O I], y方向選取的濾波器掩模為[-1 O 1]τ，得到I幅X方向濾波灰度圖像和I幅y方向濾波灰度圖像。步驟2、利用預(yù)處理后的灰度目標(biāo)圖像建立邊緣信息特征空間。本發(fā)明選擇邊緣信息作為灰度目標(biāo)的特征空間，其構(gòu)建方法如下:將每一幀目標(biāo)圖像經(jīng)過預(yù)處理后得到的目標(biāo)圖像X方向濾波灰度圖像和y方向濾波灰度圖像作為RGB彩色圖像的兩個通道圖像，再將X方向濾波灰度圖像重復(fù)利用一次作為RGB彩色圖像的第三個通道圖像，合成一幅RGB彩色圖像；將該RGB圖像變換為HSV圖像，限制其H、S及V通道的像素值范圍分別為[O, 180)、[30，256)和[10，256)，超出此范圍的像素被剔除；提取HSV圖像的H通道得到H色度圖像，將該H色度圖像作為灰度目標(biāo)的特征空間。步驟3、基于灰度目標(biāo)圖像特征空間，提取目標(biāo)邊緣信息作為特征模版。步驟2中得到的灰度目標(biāo)圖像`的特征空間包含了實現(xiàn)跟蹤需要的邊緣信息，基于此特征空間計算目標(biāo)區(qū)域的直方圖，作為灰度目標(biāo)的特征模板。步驟4、利用目標(biāo)直方圖計算候選目標(biāo)的反向投影，并以此描述候選目標(biāo)。基于步驟3所得目標(biāo)區(qū)域的直方圖計算候選目標(biāo)的反向投影圖像。反向投影圖像的像素值是觀測數(shù)組在目標(biāo)區(qū)域直方圖下的概率。步驟5、當(dāng)?shù)趉-Ι幀跟蹤結(jié)束后，利用Kalman濾波器預(yù)測第k幀目標(biāo)的起始搜索位置。目標(biāo)在每一幀圖像中的位置構(gòu)成了目標(biāo)運動的軌跡。Kalman濾波器作為一種有效的運動估計手段，可以對快速運動目標(biāo)的位置進行預(yù)測。當(dāng)?shù)趉-Ι幀跟蹤結(jié)束后，本發(fā)明利用第k幀目標(biāo)的起始搜索位置，實現(xiàn)方法如下:對于第k巾貞圖像，Kalman濾波器的狀態(tài)向量選取為X(k) = [x(k)y(k)x' (k)I' (k)]T，其中x(k)和y(k)分別表示目標(biāo)中心的橫坐標(biāo)和縱坐標(biāo)，X' (k)和y' (k)則分別表示目標(biāo)中心在橫坐標(biāo)軸和縱坐標(biāo)軸上的速度；測量向量為Y(k) = [X。GOyJk)]τ，其中xjk)和yjk)分別表示目標(biāo)中心在橫坐標(biāo)軸和縱坐標(biāo)軸上的觀測值。于是，狀態(tài)模型可用下式表示X(k) = A(k-l)X(k-l) (I)觀測模型為Y (k) =C (k) X (k)(2)則Kalman濾波器可以由以下兩式表示
權(quán)利要求
1.本發(fā)明提出了一種基于邊緣信息的灰度目標(biāo)自動跟蹤方法，該方法不涉及目標(biāo)檢測部分，并假設(shè)在初始幀圖像中已確定目標(biāo)區(qū)域的大小和位置，為一個包含目標(biāo)像素的最小矩形框；若將圖像序列中第k幀圖像稱為當(dāng)前幀，則k-Ι幀圖像稱為前一幀；該方法的實現(xiàn)步驟如下: 步驟1、對灰度目標(biāo)圖像進行預(yù)處理，包括圖像去噪和微分算子濾波處理； 步驟2、利用預(yù)處理后的灰度目標(biāo)圖像建立邊緣信息特征空間； 步驟3、基于灰度目標(biāo)圖像特征空間，提取目標(biāo)邊緣信息作為特征模版； 步驟4、利用目標(biāo)直方圖計算候選目標(biāo)的反向投影，并以此描述候選目標(biāo)； 步驟5、當(dāng)?shù)趉-Ι幀跟蹤結(jié)束后，利用Kalman濾波器預(yù)測第k幀目標(biāo)的起始搜索位置；步驟6、利用Mean Shift方法在Kalman濾波器預(yù)測的目標(biāo)起始位置附近搜索第k幀目標(biāo)的最優(yōu)位置； 步驟7、結(jié)合Canny算子對目標(biāo)區(qū)域進行更新。
2.根據(jù)權(quán)利要求1所述方法，其步驟I中的特征在于:利用一階Sobel微分算子對去噪后的灰度目標(biāo)圖像x、y方向進行濾波處理，X方向選取的濾波器掩模為[-1 O l]，y方向選取的濾波器掩模為[-1 O 1]τ，得到I幅X方向濾波灰度圖像和I幅I方向濾波灰度圖像。
3.根據(jù)權(quán)利要求1所述方法，其步驟2中的特征在于:將按照權(quán)利要求2所述方法得到的目標(biāo)圖像X方向濾波灰度圖像和y方向濾波灰度圖像作為RGB彩色圖像的兩個通道圖像，再將X方向濾波灰度圖像重復(fù)利用一次作為RGB彩色圖像的第三個通道圖像，合成一幅RGB彩色圖像；將該RGB圖像變換為HSV圖像，限制其H、S及V通道的像素值范圍分別為[O, 180)、[30, 256)和[10，256)，超出此范圍的像素被剔除；提取HSV圖像的H通道得到H色度圖像，將該H色度圖像作為灰度目標(biāo)的特征空間。
4.根據(jù)權(quán)利要求1所述方法，其步驟7中的特征在于: 利用Mean Shift方法找到當(dāng)前幀的目標(biāo)位置后，將按照權(quán)利要求2所述方法合成的RGB圖像轉(zhuǎn)換為灰度圖像，并用Canny算子對該灰度圖像進行邊緣濾波，設(shè)置Canny算子的閾值上下限值分別為120和40 ;在邊緣濾波所得二值圖像的目標(biāo)位置上選取尺寸為原目標(biāo)區(qū)域1.2倍的區(qū)域，在此區(qū)域內(nèi)搜索當(dāng)前目標(biāo)的邊緣像素即可獲得當(dāng)前目標(biāo)區(qū)域的精確位置和尺寸，完成對目標(biāo)區(qū)域的 更新。
全文摘要
一種基于邊緣信息的灰度目標(biāo)自動跟蹤方法，步驟為(1)對灰度目標(biāo)圖像進行預(yù)處理，包括圖像去噪和Sobel微分算子濾波；(2)利用預(yù)處理后的灰度目標(biāo)圖像建立邊緣信息特征空間；(3)提取目標(biāo)邊緣信息作為特征模版；(4)利用目標(biāo)直方圖計算候選目標(biāo)的反向投影，并以此描述候選目標(biāo)；(5)利用Kalman濾波器預(yù)測當(dāng)前幀中目標(biāo)的起始搜索位置；(6)利用Mean Shift方法在Kalman濾波器預(yù)測的目標(biāo)起始位置附近搜索目標(biāo)的最優(yōu)位置；(7)結(jié)合Canny算子對目標(biāo)區(qū)域進行更新。本方法充分利用目標(biāo)的邊緣信息，在目標(biāo)形狀、尺寸、灰度分布以及背景發(fā)生變化的情況下，實現(xiàn)了對灰度目標(biāo)快速、穩(wěn)健的跟蹤。
文檔編號G06T5/00GK103077531SQ20121051473
公開日2013年5月1日 申請日期2012年12月4日 優(yōu)先權(quán)日2012年12月4日
發(fā)明者毛峽, 鄭海超, 薛雨麗, 陳立江, 梁曉庚 申請人:北京航空航天大學(xué)