基于邊緣信息的灰度目標自動跟蹤方法技術(shù)

一種基于邊緣信息的灰度目標自動跟蹤方法，步驟為：(1)對灰度目標圖像進行預(yù)處理，包括圖像去噪和Sobel微分算子濾波；(2)利用預(yù)處理后的灰度目標圖像建立邊緣信息特征空間；(3)提取目標邊緣信息作為特征模版；(4)利用目標直方圖計算候選目標的反向投影，并以此描述候選目標；(5)利用Kalman濾波器預(yù)測當前幀中目標的起始搜索位置；(6)利用Mean?Shift方法在Kalman濾波器預(yù)測的目標起始位置附近搜索目標的最優(yōu)位置；(7)結(jié)合Canny算子對目標區(qū)域進行更新。本方法充分利用目標的邊緣信息，在目標形狀、尺寸、灰度分布以及背景發(fā)生變化的情況下，實現(xiàn)了對灰度目標快速、穩(wěn)健的跟蹤。

【技術(shù)實現(xiàn)步驟摘要】

本專利技術(shù)涉及一種灰度目標自動跟蹤方法，特別適用于解決灰度圖像序列中目標自動跟蹤的問題。屬于圖像處理

技術(shù)介紹
目標跟蹤已經(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。目標跟蹤的本質(zhì)是確定目標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。但與彩色目標相比，灰度目標所包含的信息較少，當采用灰度直方信息作為目標的特征空間時，Mean Shift方法的跟蹤效果并不好，當目標的紋理、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方法只在目標的鄰域內(nèi)有效，當目標運動速度較快時，無法進行有效跟蹤。為了解決上述問題，可考慮先采用Kalman濾波器對目標位置進行預(yù)測，再在Mean Shift方法中用灰度目標的邊緣信息作為描述目標的特征，從而增強跟蹤方法的穩(wěn)健性，并提高跟蹤方法的效率。
技術(shù)實現(xiàn)思路
本專利技術(shù)的目的在于提出一種，該方法在Mean Shift跟蹤算法的基礎(chǔ)上，摒棄采用目標灰度信息作為特征空間的方法，而是充分利用目標的邊緣信息，并結(jié)合Kalman濾波器對目標位置進行預(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的快速、穩(wěn)健跟蹤。本專利技術(shù)不涉及目標檢測部分，假設(shè)在初始幀圖像中，已確定目標區(qū)域的大小和位置，為一個包含目標像素的最小矩形框。若將圖像序列中第k幀圖像稱為當前巾貞，則k-Ι幀圖像稱為前一幀。本專利技術(shù)提出了一種，通過以下技術(shù)方案實現(xiàn)步驟1、對灰度目標圖像進行預(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)處理后的灰度目標圖像建立邊緣信息特征空間；步驟3、基于灰度目標圖像特征空間，提取目標邊緣信息作為特征模版；步驟4、利用目標直方圖計算候選目標的反向投影，并以此描述候選目標；步驟5、當?shù)趉-Ι幀跟蹤結(jié)束后，利用Kalman濾波器預(yù)測第k幀目標的起始搜索位置；步驟6、利用Mean Shift方法在Kalman濾波器預(yù)測的目標起始位置附近搜索第k幀目標的最優(yōu)位置；步驟7、結(jié)合Canny算子對目標區(qū)域進行更新。本專利技術(shù)提出了一種，具體實現(xiàn)步驟如下:步驟1、對灰度目標圖像進行預(yù)處理，包括圖像去噪和微分算子濾波處理。針對灰度目標圖像噪聲強、背景雜波大等特點，本專利技術(shù)首先對每一幀灰度目標圖像進行預(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)處理后的灰度目標圖像建立邊緣信息特征空間。本專利技術(shù)選擇邊緣信息作為灰度目標的特征空間，其構(gòu)建方法如下:將每一幀目標圖像經(jīng)過預(yù)處理后得到的目標圖像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的特征空間。步驟3、基于灰度目標圖像特征空間，提取目標邊緣信息作為特征模版。步驟2中得到的灰度目標圖像`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區(qū)域的直方圖，作為灰度目標的特征模板。步驟4、利用目標直方圖計算候選目標的反向投影，并以此描述候選目標。基于步驟3所得目標區(qū)域的直方圖計算候選目標的反向投影圖像。反向投影圖像的像素值是觀測數(shù)組在目標區(qū)域直方圖下的概率。步驟5、當?shù)趉-Ι幀跟蹤結(jié)束后，利用Kalman濾波器預(yù)測第k幀目標的起始搜索位置。目標在每一幀圖像中的位置構(gòu)成了目標運動的軌跡。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的位置進行預(yù)測。當?shù)趉-Ι幀跟蹤結(jié)束后，本專利技術(shù)利用第k幀目標的起始搜索位置，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)分別表示目標中心的橫坐標和縱坐標，X' (k)和y' (k)則分別表示目標中心在橫坐標軸和縱坐標軸上的速度；測量向量為Y(k) = [X。GOyJk)]τ，其中xjk)和yjk)分別表示目標中心在橫坐標軸和縱坐標軸上的觀測值。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本文檔來自技高網(wǎng)...

【技術(shù)保護點】
本專利技術(shù)提出了一種基于邊緣信息的灰度目標自動跟蹤方法，該方法不涉及目標檢測部分，并假設(shè)在初始幀圖像中已確定目標區(qū)域的大小和位置，為一個包含目標像素的最小矩形框；若將圖像序列中第k幀圖像稱為當前幀，則k?1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)處理后的灰度目標圖像建立邊緣信息特征空間；步驟3、基于灰度目標圖像特征空間，提取目標邊緣信息作為特征模版；步驟4、利用目標直方圖計算候選目標的反向投影，并以此描述候選目標；步驟5、當?shù)趉?1幀跟蹤結(jié)束后，利用Kalman濾波器預(yù)測第k幀目標的起始搜索位置；步驟6、利用Mean?Shift方法在Kalman濾波器預(yù)測的目標起始位置附近搜索第k幀目標的最優(yōu)位置；步驟7、結(jié)合Canny算子對目標區(qū)域進行更新。

【技術(shù)特征摘要】
1.本發(fā)明提出了一種基于邊緣信息的灰度目標自動跟蹤方法，該方法不涉及目標檢測部分，并假設(shè)在初始幀圖像中已確定目標區(qū)域的大小和位置，為一個包含目標像素的最小矩形框；若將圖像序列中第k幀圖像稱為當前幀，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)處理后的灰度目標圖像建立邊緣信息特征空間； 步驟3、基于灰度目標圖像特征空間，提取目標邊緣信息作為特征模版； 步驟4、利用目標直方圖計算候選目標的反向投影，并以此描述候選目標； 步驟5、當?shù)趉-Ι幀跟蹤結(jié)束后，利用Kalman濾波器預(yù)測第k幀目標的起始搜索位置；步驟6、利用Mean Shift方法在Kalman濾波器預(yù)測的目標起始位置附近搜索第k幀目標的最優(yōu)位置； 步驟7、結(jié)合Canny算子對目標區(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]...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：毛峽，鄭海超，薛雨麗，陳立江，梁曉庚，
申請(專利權(quán))人：北京航空航天大學，
類型：發(fā)明
國別省市：