[發(fā)明專利]基于NCC匹配幀差的弱小動(dòng)目標(biāo)跟蹤丟失重檢方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611246458.0
• 申請(qǐng)日: 2016-12-29
• 公開（公告）號(hào): CN106875419B
• 公開（公告）日: 2020-03-17
• 發(fā)明（設(shè)計(jì)）人: 曾大治;梁若飛;章菲菲;陳宇翔
• 申請(qǐng)（專利權(quán)）人: 北京理工雷科電子信息技術(shù)有限公司
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06T7/62
• 代理公司: 北京理工大學(xué)專利中心 11120
• 代理人: 高燕燕;仇蕾安

1.基于NCC匹配幀差的弱小動(dòng)目標(biāo)跟蹤丟失重檢方法，其特征在于，包括如下步驟：

S1：采集獲得視頻數(shù)據(jù)，所述視頻數(shù)據(jù)由連續(xù)幀的圖像組成；

S2：利用目標(biāo)跟蹤算法對(duì)連續(xù)幀圖像進(jìn)行目標(biāo)跟蹤，對(duì)于跟蹤到目標(biāo)的連續(xù)N幀圖像，分別計(jì)算每一幀圖像中跟蹤到的目標(biāo)區(qū)域的多維特征作為正常特征、并計(jì)算每個(gè)正常特征的相對(duì)于特征均值的偏移量作為正常偏移量；N的取值大于或者等于2；所述特征均值為N幀圖像中的特征平均值；

S3：當(dāng)跟蹤過程中，第f幀圖像出現(xiàn)目標(biāo)丟失情況時(shí)，以第f幀圖像跟蹤目標(biāo)框的中心坐標(biāo)[x₀,y₀]為中心，截取獲得大小為m×n的基準(zhǔn)圖像ROI1；

S4：設(shè)定幀間隔k，在第f+k幀圖像里以目標(biāo)中心坐標(biāo)[x₁,y₁]為中心，截取獲得大小為2m×2n的待匹配圖像ROI2；

S5：將基準(zhǔn)圖像ROI1和待匹配圖像ROI2的數(shù)據(jù)分別進(jìn)行數(shù)據(jù)歸一化處理，將基準(zhǔn)圖像ROI1左上角位置與待匹配圖像ROI2的左上角位置對(duì)齊，計(jì)算兩重疊區(qū)域的歸一化互相關(guān)系數(shù)NCC，以單個(gè)像素為單位滑動(dòng)基準(zhǔn)圖像ROI1，遍歷整個(gè)待匹配圖像ROI2，得到的所有的NCC組成互相關(guān)系數(shù)矩陣；

互相關(guān)系數(shù)矩陣中互相關(guān)系數(shù)最大的位置為[X,Y]；

S6：在待匹配圖像ROI2中以[X,Y]為中心截取大小為m×n的ROI3區(qū)域，利用幀差法對(duì)基準(zhǔn)圖像ROI1與ROI3進(jìn)行幀差，并將幀差結(jié)果閾值化得到為候選區(qū)域的位置，提取候選區(qū)域的多維特征，每個(gè)特征對(duì)應(yīng)與所述S2中計(jì)算得到的特征均值進(jìn)行偏移量計(jì)算，若每個(gè)特征的偏移量與正常偏移量的偏差均在設(shè)定范圍內(nèi)，則以所述候選區(qū)域作為目標(biāo)區(qū)域；否則k自增k，重復(fù)執(zhí)行S4～S6，當(dāng)k超出設(shè)定范圍時(shí)，返回S2。

2.如權(quán)利要求1所述的基于NCC匹配幀差的弱小動(dòng)目標(biāo)跟蹤丟失重檢方法，其特征在于，所述多維特征包括長、寬、長寬比、占空比、最小外接矩形的面積、空間擴(kuò)展度、緊湊性以及對(duì)稱度；

所述長、寬和長寬比為區(qū)域的長、寬以及長寬比；

所述占空比為區(qū)域面積與其最小外接矩形面積的比值；

所述最小外接矩形的面積為區(qū)域的最小外接矩形面積；

所述空間擴(kuò)展度為區(qū)域內(nèi)所有的點(diǎn)到區(qū)域主軸的距離采用主軸長度歸一化后的和值；

所述緊湊性為目標(biāo)區(qū)域或者候選區(qū)域形狀偏離圓形的程度；

所述對(duì)稱度為以目標(biāo)區(qū)域或者候選區(qū)域長軸為界，左右兩部分的面積的對(duì)稱度。

3.如權(quán)利要求1或者2所述的基于NCC匹配幀差的弱小動(dòng)目標(biāo)跟蹤丟失重檢方法，其特征在于，所述S2中，對(duì)于跟蹤到目標(biāo)的連續(xù)N幀圖像，計(jì)算多維特征，N為大于或者等于2的正整數(shù)；對(duì)于多維特征中的第i個(gè)特征的特征值，其正常偏移量為：

其中，N為累積計(jì)算的幀數(shù)，F(xiàn)eature(i)_jN幀圖像中第j幀中第i個(gè)特征的特征值，F(xiàn)esture_V(i)為N幀圖像中第i個(gè)特征的平均值。

4.如權(quán)利要求3所述的基于NCC匹配幀差的弱小動(dòng)目標(biāo)跟蹤丟失重檢方法，其特征在于，所述S5中互相關(guān)系數(shù)的計(jì)算方法為：

其中I₁(x,y)為ROI1，x、y為ROI1中像素坐標(biāo)，p為ROI1中像素個(gè)數(shù)，I₂(Hx,Hy)為ROI2，Hx、Hy為ROI2中像素坐標(biāo)；和σ₁和σ₂，分別為區(qū)域ROI1和ROI2的灰度的均值和標(biāo)準(zhǔn)差。

5.如權(quán)利要求3所述的基于NCC匹配幀差的弱小動(dòng)目標(biāo)跟蹤丟失重檢方法，其特征在于，所述S6中若得到多個(gè)候選區(qū)域，則針對(duì)其中的第k個(gè)候選區(qū)域ROI3k，k為正整數(shù)，計(jì)算對(duì)應(yīng)多維特征中特征偏移數(shù)量；

其中，num(Feature)為所述多維特征的特征數(shù)量，logical(*)為對(duì)*取邏輯運(yùn)算結(jié)果，即當(dāng)*成立時(shí)，logical結(jié)果為1，否則為0；i表示第i個(gè)特征，取值范圍[1,num(Feature)]；Feature(i)_ROI3k表示第i個(gè)特征在第k個(gè)候選區(qū)域ROI3k中的特征值，q表示特征數(shù)據(jù)相對(duì)于正常偏移量的容忍度，取值范圍是[-1,+∞)；

當(dāng)sumF＝sum(Feature)時(shí)，所述第k個(gè)候選區(qū)域ROI3k為目標(biāo)區(qū)域，若存在多個(gè)被判定為目標(biāo)區(qū)域的候選區(qū)域，則取與目標(biāo)區(qū)域的歐式距離最近的為目標(biāo)區(qū)域。