[發(fā)明專利]一種基于深度圖像的多目標(biāo)分割和跟蹤方法

有效

• 申請?zhí)枺?/td>: 201110435843.0
• 申請日: 2011-12-22
• 公開（公告）號: CN102609934A
• 公開（公告）日: 2012-07-25
• 發(fā)明（設(shè)計）人: 黃向生;徐波
• 申請（專利權(quán)）人: 中國科學(xué)院自動化研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/20;G06K9/00;G06K9/46
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 周國城

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理、模式識別、自動控制及計算機(jī)應(yīng)用領(lǐng)域，尤其涉及一種基于深度圖像的多目標(biāo)分割與跟蹤方法。

背景技術(shù)

圖像分割是圖像處理到圖像分析的關(guān)鍵步驟，是目標(biāo)跟蹤的準(zhǔn)備階段，也是進(jìn)一步圖像理解的基礎(chǔ)。所謂圖像分割是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。圖像分割的應(yīng)用廣泛，幾乎出現(xiàn)在有關(guān)圖像處理的所有領(lǐng)域。例如，在遙感應(yīng)用中，不同云系背景之間的分割，植被、道路、橋梁、水體間的分割等；在醫(yī)學(xué)應(yīng)用中，腦部MR圖像分割；在交通圖像分析中，車輛從背景中的分割、對車牌的分割等；在這些應(yīng)用中，分割通常是為了進(jìn)一步對圖像進(jìn)行分析、識別、壓縮編碼等，分割的準(zhǔn)確性將直接影響后續(xù)任務(wù)的有效性。因此，分割的方法和精確度是至關(guān)重要的。

近幾年來，研究人員不斷改進(jìn)原有方法并把其他學(xué)科的一些理論和方法用于圖像分割，提出了不少新的分割方法，有分水嶺分割技術(shù)、金字塔分割技術(shù)以及均值漂移分割技術(shù)等技術(shù)、遺傳技術(shù)、尺度空間、多分辨率方法、非線性擴(kuò)散方程等。目前，圖像分割所采用的數(shù)據(jù)源主要為灰度圖像和彩色圖像，但都有著不可避免的缺點：就灰度圖像而言，當(dāng)圖像中灰度差異不明顯或者各物體的灰度范圍值有大部分重疊現(xiàn)象時，往往難以得到準(zhǔn)確的分割結(jié)果，從而產(chǎn)生很多過分割錯誤；而彩色圖像不僅包括亮度信息，而且還有更多的有效信息，如色調(diào)、飽和度，實際上同樣景物的灰度圖像所包含的信息量與彩色圖像難以相比，人類對色彩的感知更敏感，一幅質(zhì)量較差的彩色圖像似乎比一幅完美的灰度圖像更具有吸引力，但其分割處理太過于復(fù)雜，實現(xiàn)也比灰度圖像困難的多。

目標(biāo)動態(tài)跟蹤涉及了圖像處理、模式識別、自動控制及計算機(jī)應(yīng)用領(lǐng)域，是計算機(jī)視覺和圖像編碼研究領(lǐng)域的一個重要課題，在軍事武器、工業(yè)監(jiān)控、交通管理等領(lǐng)域都有廣泛的應(yīng)用。目標(biāo)動態(tài)跟蹤不僅需要完成背景分割，同時更得對目標(biāo)進(jìn)行識別，實現(xiàn)動態(tài)定位識別，同時，背景噪聲和不特定的干擾等問題，也是需要面臨的需要克服的挑戰(zhàn)性問題。

發(fā)明內(nèi)容

為了解決灰度圖像分割時分辨率低、失誤率大及彩色圖像分割技術(shù)復(fù)雜問題和跟蹤過程的噪聲等干擾問題，本發(fā)明提供了基于深度圖像的多目標(biāo)分割和跟蹤方法，提高了圖像分割的效率，且分割效果好，同時實現(xiàn)了目標(biāo)的動態(tài)跟蹤且可靠性高，從而在圖像處理和模式識別等方面具有重要的作用。

本發(fā)明所處理的數(shù)據(jù)源是深度圖像，這與常見的灰度圖像和彩色圖像有很大的不同。深度圖像是將傳感器鏡頭與目標(biāo)的各個像素點的距離讀取并儲存而獲得的圖像數(shù)據(jù)。在深度圖像中，目標(biāo)是深度值在一定閾值內(nèi)平滑的各個像素點的集合。故此，本發(fā)明根據(jù)深度數(shù)據(jù)的連續(xù)性特點進(jìn)行多目標(biāo)分割。

本發(fā)明是通過以下方法實現(xiàn)的，本發(fā)明是基于深度圖像的深度數(shù)據(jù)連續(xù)性準(zhǔn)則，從而獲得對圖像進(jìn)行多目標(biāo)分割并且動態(tài)跟蹤。本發(fā)明所提出的一種基于深度圖像的多目標(biāo)分割和跟蹤方法，其特征在于，該方法包括以下步驟：

步驟1，采集多幀深度圖像；

步驟2，基于采集到的多幀深度圖像進(jìn)行背景建模；

步驟3，基于建立的背景，尋找并顯示前景；

步驟4，判斷是否為首次發(fā)現(xiàn)前景，若是，則轉(zhuǎn)到步驟5，若否，則轉(zhuǎn)到步驟6；

步驟5，對發(fā)現(xiàn)的前景進(jìn)行多目標(biāo)分割；

步驟6，對發(fā)現(xiàn)的前景進(jìn)行動態(tài)跟蹤；

步驟7，判斷是否有新的深度圖像數(shù)據(jù)輸入，若有，則回到步驟2，若無，則結(jié)束。

本發(fā)明的有益效果是：目標(biāo)分割快速，分割效果優(yōu)越，跟蹤丟失和誤跟蹤發(fā)生概率低，處理速度快，具有較高的跟蹤精度。同時，擴(kuò)展了圖像分割數(shù)據(jù)源，使得研究更具開放性，多樣性。本發(fā)明運(yùn)用前景廣泛，在計算機(jī)圖像處理，模式識別等方面有著重要作用，也為計算機(jī)三維應(yīng)用在分割與跟蹤提供了應(yīng)用趨勢。

附圖說明

圖1是本發(fā)明所提出的一種基于深度圖像的多目標(biāo)分割和跟蹤方法流程圖。

圖2是本發(fā)明背景建模更新模塊流程圖。

圖3是本發(fā)明前景發(fā)現(xiàn)模塊流程圖。

圖4是本發(fā)明目標(biāo)分割模塊中鄰域判斷步驟流程圖。

圖5是本發(fā)明目標(biāo)分割模塊主流程圖。

圖6是本發(fā)明目標(biāo)動態(tài)跟蹤模塊主流程圖。

圖7是本發(fā)明目標(biāo)動態(tài)跟蹤模塊中尋點處理步驟流程圖。

圖8是本發(fā)明目標(biāo)動態(tài)跟蹤模塊中發(fā)現(xiàn)點部分增長步驟流程圖。

圖9是本發(fā)明目標(biāo)動態(tài)跟蹤模塊中發(fā)現(xiàn)區(qū)域擴(kuò)增步驟流程圖。

具體實施方式