[發明專利]一種目標跟蹤模板更新方法

有效

• 申請號: 201510632705.X
• 申請日: 2015-09-29
• 公開（公告）號: CN105184822B
• 公開（公告）日: 2017-12-29
• 發明（設計）人: 趙小川;范桂峰;孔小梅;徐鵬;王寧
• 申請（專利權）人: 中國兵器工業計算機應用技術研究所
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 北京君泊知識產權代理有限公司11496
• 代理人: 王程遠,胡玉章

1.一種目標跟蹤模板更新方法，其特征在于，包括：

步驟1，判斷目標跟蹤模板是否需要更新，如果所述目標跟蹤模板需要更新，則進行步驟2；

其中，判斷目標跟蹤模板是否需要更新的方法為滿足下列四個條件之一，則需要對當前目標跟蹤模板進行更新：

條件一，相鄰兩幀圖像中跟蹤目標區域的面積變化超過15％；

條件二，連續兩幀圖像的目標質心坐標變化超過10％；

條件三，當前幀圖像的特征點比上一幀圖像的特征點減少了30％以上；

條件四，當邊緣區域的特征點占總的特征點的75％以上；

步驟2，提取上一幀圖像的目標區域的特征點和當前幀圖像的目標區域的特征點，并將上一幀圖像的目標區域的特征點和當前幀圖像的目標區域的特征點進行匹配，重新確定跟蹤目標的位置；

步驟3，將當前幀圖像的目標區域的特征點作為新的特征點進行跟蹤，以當前幀圖像的目標區域作為更新后的目標跟蹤模板；

特征點的提取包括多尺度空間構建和特征點檢測，首先進行圖像的多尺度空間構建，然后進行特征點檢測；

其中，

多尺度空間構建包括：

步驟S1，利用高斯卷積核對原始圖像進行平滑，得到圖像的尺度空間表示；

用L(x,y,σ)表示一幅二維圖像I(x,y)的尺度空間：

L(x,y,σ)=G(x,y,σ)⊗I(x,y)---(1)]]>

其中，表示卷積運算，G(x,y,σ)是卷積核可變的高斯函數；

G(x,y,σ)=12πσ2e-(x2+y2)/2σ2---(2)]]>

式中，σ為圖像的尺度因子，表示圖像被平滑的程度；

步驟S2，建立S′組S層高斯金字塔，共S′×S層圖像，得到任意層圖像與0層圖像之間的尺度因子關系和相鄰層圖像之間的尺度因子；

其中，任意層圖像與0層圖像之間的尺度因子關系為：

σ_s＝σ₀k^s(3)

式中，σ₀為第0層圖像的尺度因子，σ_s為s層圖像的尺度因子，s為高斯金字塔中圖像的層序數，s＝{0,1,2,...}；

相鄰層圖像之間的尺度因子為：

k＝2^1/S(4)

式中，S為每組總層數；

特征點的檢測包括：

步驟S11，在建立了高斯金字塔尺度空間后，對每層圖像，以一像素點p為中心點，采用Bresenham算法，得到半徑為R的Bresenham圓上共有m個像素點，對圓周上每一個像素點x逐一檢測，判斷所述中心點p是亮點或暗點或相似點，如果有n個連續的像素點屬于亮點或暗點，則p為特征點；

其中，

x∈{1,2,...,m}；

如果I_x≤I_p-t，則中心點p是暗點；

如果I_p-t＜I_x＜I_p+t，則中心點p是相似點；

如果I_p+t≤I_x，則中心點p是亮點；

式中，I_p表示點p的亮度灰度值，I_x表示點x的亮度灰度值，t為亮度閾值；

步驟S22，重復步驟S11，檢測出所有層圖像的特征點；

步驟S33，將檢測出的所有特征點作為擬合點進行曲面擬合，得到該曲面的主曲率Det(H)；

Det(H)＝I_x²I_y²-I_xyI_yx；

步驟S44，在檢測出的所有特征點中，選出一特征點作為候選特征點，得到所述候選特征點的Hessian矩陣；

其中，Hessian矩陣為：

H=IxxIxyIxyIxx---(5)]]>

式中，I_xx,I_xy,I_yx,I_yy是候選特征點處的二階偏導數；

步驟S55，將所述主曲率和所述候選特征點對應的Hessian矩陣的特征值進行比較，得到所述候選特征點的特征值與所述主曲率的比率ratio；

ratio=Tr(H)2Det(H)=(Ix+Iy)2Ix2Iy2-IxyIyx---(6)]]>

其中，

α＝rβ(7)

式中，α為所述候選特征點的最大特征值，β為所述候選特征點的最小特征值；

如果則保留該候選特征點作為特征點，否則就舍棄該候選特征點；

步驟S66，對檢測出的所有特征點，重復步驟S44和S55，得到所有保留的特征點；

步驟S77，采用Harris角度檢測方法對所有保留的特征點按特征值從大到小進行排序，取前N個關鍵特征點。