【专利交易】【专利代理】【商标和版权申请】【高新技术企业认定】Tel:18215660330

一种物体跟踪方法

xiaoxiao2020-07-22  3

【专利交易】【专利代理】【商标和版权申请】【高新技术企业认定】Tel:18215660330

一种物体跟踪方法
【专利摘要】一种物体跟踪方法,包括:背景建模步骤:根据背景图像建立所述背景图像的GMM模型;前景建模步骤:根据多个角度及距离下拍摄的被跟踪物体图像,提取被跟踪物体图像中的特征点,并计算这些特征点的描述算子,以所述特征点的描述算子作为描述前景物体的初始特征,建立前景目标物体特征向量集;跟踪步骤:对初步确定的目标物体区域进行特征点检测,并计算特征点描述算子,对计算所得的特征点描述算子与前景目标物体特征向量集中的特征点描述算子进行匹配,根据匹配成功的特征点确定被跟踪物体所在的前景区域。本物体跟踪方法的跟踪性能好,实时性、鲁棒性强。
【专利说明】一种物体跟踪方法
【技术领域】
[0001]本发明涉及图像处理【技术领域】,特别是一种物体跟踪方法。
【背景技术】
[0002]物体追踪是计算机视觉研究的重要方向之一,在生物医学、虚拟现实、机器人、安全监控、等领域有着广泛的应用。目前国内外学者在物体跟踪方面已经取得了很多的研究成功。应用比较多的跟踪方法有:帧差法、背景差分法、光流法、参数建模等方法。但是在实际应用当中,由于检测环境的复杂性,现有的跟踪算法还是有一定的局限性。其中使用高斯混合模型(GMM)背景建模的运动检测方法作为经典的跟踪方法,在背景较为固定的场合应用最多。但是,由于GMM跟踪方法仅对背景进行建模,没有提取任何与前景有关的信息,当相邻帧之间出现较大的背景差异或者光照条件显著改变时,基于GMM的跟踪方法会出现较大误差。

【发明内容】

[0003]本发明的主要目的在于克服现有技术的不足,提供一种跟踪性能好,实时性、鲁棒性强的物体跟踪方法。
[0004]为实现上述目的,本发明采用以下技术方案:
[0005]一种物体跟踪方法,包括以下步骤:
[0006]a.背景建模步骤:根据背景图像建立所述背景图像的GMM模型;
[0007]b.前景建模步骤:根据多个角度及距离下拍摄的被跟踪物体图像,提取被跟踪物体图像中的特征点,并计算这些特征点的描述算子,以所述特征点的描述算子作为描述前景物体的初始特征,建立前景目标物体特征向量集;
[0008]c.跟示步骤:
[0009]对于当前图像帧,将图像中的每个像素与已建立的GMM模型进行匹配,初步确定目标物体区域,对初步确定的目标物体区域进行特征点检测,并计算特征点描述算子,对计算所得的特征点描述算子与前景目标物体特征向量集中的特征点描述算子进行匹配;
[0010]如果成功匹配的特征点个数不多于预定个数,整幅图像判断为背景;
[0011]如果匹配成功的特征点个数超过预定个数,则根据匹配成功的特征点确定被跟踪物体所在的前景区域,其他区域为背景区域。
[0012]在进一步的技术方案中,
[0013]所述前景建模步骤中,使用SURF算法提取被跟踪物体图像中的特征点并计算特征点的SURF描述算子;所述跟踪步骤中,使用SURF算法对初步确定的目标物体区域进行特征点检测并计算SURF描述算子。
[0014]还包括以下步骤:
[0015]d.背景模型更新步骤:使用所述跟踪步骤确定的背景区域,对所述背景图像的GMM模型进行更新,用于针对后续图像帧的所述跟踪步骤。[0016]还包括以下步骤:
[0017]e.前景模型更新步骤:将所述跟踪步骤确定的前景区域内未匹配成功的特征点加入所述前景目标物体特征向量集,用于针对后续图像帧的所述跟踪步骤。
[0018]所述背景建模步骤包括:
[0019]al.使用k-means算法对图像像素在RGB空间进行聚类;
[0020]a2.使用k-means聚类结果初始化EM算法,通过EM算法的多次迭代获得背景图像的GMM模型。
[0021]步骤al中,像素聚类的数目为3~5,
[0022]k-means算法使用误差平方和准则函数作为聚类准则函数:
【权利要求】
1.一种物体跟踪方法,其特征在于,包括以下步骤: a.背景建模步骤:根据背景图像建立所述背景图像的GMM模型; b.前景建模步骤:根据多个角度及距离下拍摄的被跟踪物体图像,提取被跟踪物体图像中的特征点,并计算这些特征点的描述算子,以所述特征点的描述算子作为描述前景物体的初始特征,建立前景目标物体特征向量集; c.跟踪步骤: 对于当前图像帧,将图像中的每个像素与已建立的GMM模型进行匹配,初步确定目标物体区域,对初步确定的目标物体区域进行特征点检测,并计算特征点描述算子,对计算所得的特征点描述算子与前景目标物体特征向量集中的特征点描述算子进行匹配; 如果成功匹配的特征点个数不多于预定个数,整幅图像判断为背景; 如果匹配成功的特征点个数超过预定个数,则根据匹配成功的特征点确定被跟踪物体所在的前景区域,其他区域为背景区域。
2.如权利要求1所述的物体跟踪方法,其特征在于,所述前景建模步骤中,使用SURF算法提取被跟踪物体图像中的特征点并计算特征点的SURF描述算子;所述跟踪步骤中,使用SURF算法对初步确定的目标物体区域进行特征点检测并计算SURF描述算子。
3.如权利要求1所述的物体跟踪方法,其特征在于,还包括以下步骤: d.背景模型更新步骤:使用所述跟踪步骤确定的背景区域,对所述背景图像的GMM模型进行更新,用于针对后续图像帧的所述跟踪步骤。
4.如权利要求1所述的物体跟踪方法,其特征在于,还包括以下步骤: e.前景模型更新步骤:将所述跟踪步骤确定的前景区域内未匹配成功的特征点加入所述前景目标物体特征向量集,用于针对后续图像帧的所述跟踪步骤。
5.如权利要求1至4任一项所述的物体跟踪方法,其特征在于,所述背景建模步骤包括: al.使用k-means算法对图像像素在RGB空间进行聚类; a2.使用k-means聚类结果初始化EM算法,通过EM算法的多次迭代获得背景图像的GMM模型。
6.如权利要求5所述的物体跟踪方法,其特征在于, 步骤al中,像素聚类的数目为3~5, k-means算法使用误差平方和准则函数作为聚类准则函数:
7.如权利要求1至4任一项所述的物体跟踪方法,其特征在于,所述跟踪步骤中,如果匹配成功的特征点个数超过预定个数,则计算匹配成功的像素点所形成的凸包,并计算出凸包的最小外接矩形,将所述最小外接矩形内的图像区域确定为被跟踪物体所在的前景区域,而所述最小外接矩形之外的区域为背景区域。
8.如权利要求1至4任一项所述的物体跟踪方法,其特征在于,所述跟踪步骤包括: Cl.图像的每个像素与已建立的GMM模型进行匹配,如果像素能够匹配成功,则认为该像素属于背景图像,如果不成功判断该像素属于前景图像, 匹配过程中,为若某时刻像素值X满足Ix-UkI <D*。,则认为X与第k个高斯模型匹配,其中UkS GMM模型中第k个模型的均值,优选地,置信参数D取值为1.5 ; c2.在判断为前景图像的区域进行SURF特征点检测,并计算特征点的描述算子; c3.对计算所得的描述算子与所述前景目标物体特征向量集的特征点描述算子进行匹配, 所述特征点匹配过程中,使用基于欧式距离的最近邻搜索算法对前景目标物体特征向量集的特征点进行匹配,欧几里得距离公式为:
9.如权利要求8所述的物体跟踪方法,其特征在于,所述凸包采用卷包裹法,从一个在所述凸包上的点开始向着一个方向依次选择最外侧的点当回到最初的点,所选出的点集即所要求的凸包。
10.如权利要求1至4任一项所述的物体跟踪方法,其特征在于,所述背景模型更新步骤包括: 用跟踪步骤确定的背景区域,使用下列公式对所述背景图像的GMM模型进行更新:
Wti = (1-a ) Wa^i+α
Uti = (1-α ) μ (t_m+a I (t)
Sti= (1-α ) Σ (t_m+a (I (t)-u(t_m)τ(I (t)-u(t_m) 其中Wti表示第t时刻的第i个高斯模型在混合模型中的权重,a表示学习率,ΣΗ表示第t时刻第i个高斯模型的的协方差,Uti表示第t时刻第i个高斯模型均值,I (t)表示图像中的某个与第i个模型匹配的像素。
【文档编号】G06T7/20GK103996207SQ201410176044
【公开日】2014年8月20日 申请日期:2014年4月28日 优先权日:2014年4月28日
【发明者】王好谦, 张新, 邵航, 戴琼海 申请人:清华大学深圳研究生院

【专利交易】【专利代理】【商标和版权申请】【高新技术企业认定】Tel:18215660330

最新回复(0)