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)