[發明專利]基于快速魯棒特征匹配的仿射運動目標跟蹤算法

有效

• 申請號: 201210146627.9
• 申請日: 2012-05-11
• 公開（公告）號: CN102750708A
• 公開（公告）日: 2012-10-24
• 發明（設計）人: 王晉疆;劉陽
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

技術領域

本發明屬于計算機視覺領域，涉及一種基于快速魯棒特征匹配的仿射運動目標跟蹤算法，可應用于智能安防領域。具體講，涉及基于快速魯棒特征匹配的仿射運動目標跟蹤算法。

背景技術

運動目標跟蹤是實現目標檢測的核心技術之一，也是后續的高層次處理，如行為理解等的基礎。作為智能視頻監控技術自動化的關鍵，目標跟蹤廣泛應用于交通監測、公共安防領域。

在信息理論中，目標跟蹤可以定義為在給定一組觀測的條件下對系統的狀態進行估計。在視覺跟蹤中，跟蹤的目標是圖像中提取的目標特征，如果在每一幀圖像中特征的位置和形狀都能被準確確定，則物體能被很好地跟蹤。目標的軌跡就是二維圖像中或三維世界中被跟蹤特征的位置序列。根據跟蹤方法的不同，大致可分為基于濾波理論的目標跟蹤方法，基于均值漂移的目標跟蹤方法和基于偏微分方程的目標跟蹤方法。

基于均值漂移的跟蹤方法由于具有實時性、魯棒性和易于實現的特點，近年來引起了廣泛關注。但經典的均值漂移算法采用固定的核函數帶寬，無法自適應目標的仿射變化和尺度變化，常常導致定位不夠精確。連續自適應均值漂移方法是將均值漂移算法擴展到連續圖像序列的結果，能夠自動調節搜索窗大小以適應被跟蹤目標在圖像中的大小。連續自適應均值漂移算法的缺陷在于當存在與目標顏色相近的背景干擾，常常會導致跟蹤失效。

至今，已有不少學者針對均值漂移及連續自適應均值漂移算法的缺陷做了改進，如結合圖像的矩信息確定目標區域，并采用全局更新策略對模型進行更新以提高跟蹤的準確性。但是當目標的外觀發生較大變化時，往往會造成跟蹤失敗。如將尺度不變特征變換的特征匹配和均值漂移算法結合，提高了均值漂移算法的準確性，但計算量較大，不適用于實時跟蹤系統。

發明內容

本發明旨在克服現有技術的不足，提供一種基于快速魯棒特征匹配的仿射運動目標跟蹤算法，改善連續自適應均值漂移算法易受顏色相近背景干擾的現象，具備性能優越、運算時間短的特點，以實現在復雜背景下對仿射運動目標的實時穩健跟蹤。為達到上述目的，本發明采取的技術方案是，一種基于快速魯棒特征匹配的仿射運動目標跟蹤算法，包括如下步驟：

1)在視頻流中將確定的目標區域從RGB顏色空間轉換為HSV顏色空間，并進行截斷處理；

2)檢測當前幀目標區域H、S、V通道的快速魯棒特征點，在下一幀的搜索區域同樣檢測三通道的快速魯棒特征點，使用近似最近鄰搜索方法對兩區域的特征點集進行匹配，并通過匹配對提純剔除錯誤的匹配對；

3)通過匹配提純后的特征點位置獲取最小外接興趣區域，在當前幀的最小外接興趣區域統計H通道色度直方圖，并計算目標的概率分布圖；

4)在下一幀的興趣區域采用均值漂移迭代算法確定目標概率分布圖的質心即搜索窗口位置，并通過概率分布圖的零階矩和二階矩初步確定搜索窗的尺寸、方向；

5)通過快速魯棒特征點尺度和主方向對搜索窗尺寸、方向進行更新和約束；

6)如果迭代收斂，單步跟蹤完畢；否則，轉步驟2繼續運算。

步驟1)具體為：將確定的目標區域從RGB顏色空間轉換為HSV顏色空間，并對各通道像素值進行截斷處理。其中H通道像素值限定在[h_min，h_max]之間，S通道像素值限定在[s_min，s_max]之間，V通道像素值限定在[v_min，v_max]之間。超過范圍的像素值一律被壓縮到與像素值最接近的值域邊界。

步驟2)具體為：先構建圖像尺度金字塔，使用積分圖像對圖像進行盒子濾波，并在各尺度圖像上求取海賽矩陣行列式的響應函數，再在響應函數上通過非最大值抑制求取不同尺度的特征點并構建相應的特征描述子，以下是提取快速魯棒特征的主要步驟：

積分圖像：

借助積分圖像，圖像和高斯二階微分模板的濾波可轉化為對積分圖像的加減運算：

積分圖像中任意一點(i，j)的值I_l(x)，為原圖像左上角到任意點(i，j)相應的對角線區域灰度值的總和，即：