[發明專利]一種動態圖像目標跟蹤方法

無效

• 申請號: 201110388927.3
• 申請日: 2011-11-29
• 公開（公告）號: CN103136762A
• 公開（公告）日: 2013-06-05
• 發明（設計）人: 李萌
• 申請（專利權）人: 南京理工大學常熟研究院有限公司
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及計算機視覺和圖像處理領域，尤其是對動態圖像中特定目標進行跟蹤的技術，具體地說是一種基于多分辨率主動輪廓模型的動態圖像目標跟蹤方法。

背景技術

動態圖像目標跟蹤是指對傳感器攝取到的圖像序列進行分析與處理，充分利用所采集得到圖像信息來對目標進行穩定跟蹤的過程。目標被確定后，就可以獲得目標的位置、速度、加速度等運動參數，進而獲得目標的特征參數。在軍事方面，動態圖像目標跟蹤技術廣泛應用于導彈精確制導、機器人自主導航、無人機著陸、靶場光電跟蹤等領域。在民用方面，該技術在智能視頻監控、智能交通管制、醫療影像診斷等方面也有著重要應用。

在計算機視覺和動態圖像分析領域，運動目標跟蹤是一個很重要的課題，人們對此作了大量的研究。比如2005年，美國中央佛羅里達大學計算機視覺實驗室開發出了基于MATLAB的COCOA系統，用于無人機低空航拍視頻的目標檢測與跟蹤處理。科研人員提出了許多方法來解決跟蹤問題，歸納起來主要有基于特征、3-D、變形模型和區域等幾種跟蹤方法。

發明內容

1.多分辨率

多分辨率方法又稱分辨率錐體，已經在計算機視覺領域得到廣泛應用，如圖像分割和光流分析，它不但能找到問題的最優解，而且通常可以減少運行時間。多分辨率方法實際上是一種由“粗”到“精”的方法，其基本思想是：先在較低分辨率圖像中執行某種操作(或算法)，稱為“粗”階段，然后將粗階段的執行結果進行某些處理后，作為初始條件，返回到較高分辨率的圖像中，執行與粗階段相近的操作(或算法)，稱為“精”階段。粗階段的執行結果不夠精確，但在該分辨率的意義上接近真實結果，經過“精”階段的進一步加工，最后得到精確的結果。

考慮到多分辨率的特點，圖像的存儲結構可以選用金字塔結構方式，即建立一個分辨率錐體，如圖1所示。不同分辨率的圖像分別存儲在金字塔的不同層，金字塔的塔底存放原始圖像，隨著金字塔結構的層次依次上升，分辨率逐漸降低，相應的圖像存儲所用的空間逐漸減小。圖像的分辨率降低為原來的N倍，相應的圖像存儲所用空間為原來的1/N。這種方式可以充分組合利用圖像的全局與局部信息、空間與灰度信息，便于層次處理，還可以有效地提高運行速度，更好地滿足實時化的要求，比如動態圖像的分割于跟蹤等。

多分辨率錐體的產生方法主要有兩類：加權類和分解類。加權類方法采用不同的加權系數形成不同的濾波函數，典型方法有鄰域平均法、高斯法、多項式分段擬合法、多項式樣條逼近法、半帶通濾波法等。分解類方法則通過不同濾波器的組合把圖像分解為不同的頻域分量，典型方法有子帶分解法和正交小波分解法等。

在本方法中采用鄰域平均法，即將圖像劃分為一些大小相等、形狀相同的非交迭區域，并以每個區域內的平均灰度值取代相應的區域，這相當于降低了圖像的采樣速率，得到低分辨率圖像，從傅立葉變換的角度看，對高頻噪聲有明顯的減弱效果。

2.主動輪廓模型

假設可變形曲線為v(s)＝{x(s)，y(s)}，其中s∈[0，1]是歸一化的曲線長度，模型的總能量為

E_snake＝∫[E_int(v(s))+E_ext(v(s))]ds????????(1)

其中，E_ext表示外部能量，是由圖像本身的信息所提供的，將Snake推向滿意的圖像輪廓的能量。E_int表示內部能量，控制Snake模型特性，可以表示為

E_int＝α(s)|v_s(s)|/2h²+β(s)|v_ss(s)|/2h⁴???(2)

其中，v_s(s)和v_ss(s)分別表示Snake位置對弧長的一階導數和二階導數。

主動輪廓模型的數值算法主要有變分法、動態規劃法、貪心算法等。變分方法要求外力可微，而且其控制參數沒有明確的確定方法。動態規劃法數值穩定，可以加入強約束，但是計算量和存儲量過于龐大。貪心算法比較簡便，可以極大地提高運行速度。