[發明專利]一種非參數化模型的視覺跟蹤方法

無效

• 申請號: 200910080381.8
• 申請日: 2009-03-20
• 公開（公告）號: CN101504771A
• 公開（公告）日: 2009-08-12
• 發明（設計）人: 丁文銳;李紅光;李新軍
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京永創新實專利事務所
• 代理人: 周長琪

技術領域

本發明屬于圖像工程技術領域，具體涉及一種非參數化模型的視覺跟蹤新方法。

背景技術

隨著計算機技術的發展，視覺跟蹤技術逐漸成為機器視覺領域中的研究熱點。

在機器人視覺、增強現實等領域中，視覺跟蹤技術主要是通過圖像配準技術利用求解一定的參數化運動模型來實現的。首先計算需要配準的兩幀圖像中的特征點，并相互匹配出一定數量的精確匹配點對。然后在兩幀圖像間建立合適的變換模型(如平移變換、仿射變換、透視變換等)，解出變換參數。最后把目標在前一幀圖像中的位置代入變換模型求出當前的目標位置，實現對目標的跟蹤。該方法對特征點的依賴很大，當圖像中特征點信息不明顯時需要人工設立標志物來完成特征點的提取，這就減低了算法的適應性。另外該算法計算復雜耗時，實時性不好。有的學者利用光流場建立運動模型的方法檢測與大背景運動趨勢不同的小目標，雖然也取得了一定效果但算法復雜度卻大大增加，不能滿足視覺跟蹤實時性的要求。

上述傳統的視覺跟蹤算法大都是更多利用背景的信息建立運動模型來實現目標的跟蹤。由于背景往往面積大特征復雜，所以這種視覺跟蹤算法十分復雜。實際上為了實現對特定目標的跟蹤，我們完全可以首先指定待跟蹤的目標，然后對該目標施行一定鄰域內的連續跟蹤。與算法無關的特征以及距離目標較遠的非興趣背景可以不去考慮。這樣就大大提高了視覺跟蹤的準確性和實時性。

在圖像處理學中已經有很多成熟的分割方法可以把圖像中有一定特征的部分提取出來，如提取細胞組織圖像中的細胞核。

發明內容

本發明提出了一種非參數化模型的視覺跟蹤方法。本發明以灰度圖像為原始數據，主要包括自適應跟蹤窗口的建立和自適應目標提取的實現。首先通過模式判斷環節選擇目標分割的模式即普通模式或增強模式。當目標與背景有一定差異時選擇普通模式，直接通過圖像分割法二值分割提取出目標；當目標與背景差異不明顯時，選擇增強模式，先通過圖像變換算法放大目標與背景的差異，然后做圖像二值分割提取出目標。自適應跟蹤窗口的建立包括區域大小的確定和質心位置的確定。在目標提取階段，將圖像二值化分割后像素少的部分定義為前景區域，因此跟蹤窗口的定義為二值圖像中前景像素數量λ倍的正方形(λ＞2)。質心位置的確定則是通過迭代運算出的一個穩定位置值。

一種非參數化模型的視覺跟蹤方法，包括如下步驟：

步驟1：通過模式判斷環節選擇跟蹤模式，當目標與背景有一定差異時，選擇普通模式A，當目標與背景差異不明顯時，選擇增強模式B，具體過程為：