[發明專利]一種基于特征點網格化匹配的運動目標跟蹤檢測方法

在審

• 申請號: 201911214360.0
• 申請日: 2019-12-02
• 公開（公告）號: CN110942473A
• 公開（公告）日: 2020-03-31
• 發明（設計）人: 綦毅;印桂生;劉杰;張萬松;張立國;董宇欣;李巖松
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明屬于運動目標跟蹤檢測技術領域，具體涉及一種基于特征點網格化匹配的運動目標跟蹤檢測方法。本發明通過先提取運動目標和待檢測目標的特征點進行匹配，然后劃分網格并統計特征點落于網格的位置，再根據網格中的特征點找到運動目標在待檢測圖像中的位置。本發明將運動的平滑性限制轉換成去除錯誤匹配的數據測量，利用特征點正確匹配對周圍比錯誤對周圍有更多的支持點對，篩選剔除錯誤點對，大大提高了特征點匹配的正確率，從而提升了目標檢測的準確度。本發明可用于解決由于運動的平滑性限制而造成的運動目標檢測困難問題，本發明能夠迅速剔除錯誤的匹配，提高匹配的穩定性，從而迅速定位運動目標的位置。

技術領域

本發明屬于運動目標跟蹤檢測技術領域，具體涉及一種基于特征點網格化匹配的運動目標跟蹤檢測方法。

背景技術

運動目標跟蹤檢測是當前圖像技術研究應用的熱點和焦點，作為運動目標視覺分析中的一項核心技術以及底層問題，是后續各種高層次的視頻處理和應用理解的基礎，同時也是視頻監控技術自動化和實時應用的關鍵。它的目的是將視頻序列中的運動的物體,從周圍的環境信息中檢測并提取出來。檢測的結果可用于目標識別、目標跟蹤、行為分析等研究。應用領域從軍事的視頻偵察到民用的安防監控。在研究中，由于背景并不靜止，如樹枝雨雪海浪等環境的擾動，光照的變化和拍攝相機的運動，導致對檢測引起較大干擾。如何消除動態背景的不良影響一直是研究的重點和難點。

因此傳統的目標檢測方法用于運動目標檢測有很大的局限性。目前的目標檢測算法主要分為兩大類：一、基于傳統圖像處理和機器學習算法的目標檢測與識別方法；二、基于深度學習的目標檢測與識別方法。常見的基于傳統圖像處理的目標識別算法主要有SIFT、ORB、KAZE等特征點匹配算法。這些算法在進行運動目標跟蹤過程中，由于運動目標的平滑性，使得特征描述子存在一定的局限性，從而產生一些錯誤的匹配點對，錯誤匹配點使得目標檢測效率和準確率大大降低。

發明內容

本發明的目的在于提供一種基于特征點網格化匹配的運動目標跟蹤檢測方法。

本發明的目的通過如下技術方案來實現：包括以下步驟：

步驟1：輸入目標圖片和待檢測圖片，將兩幅圖片作灰度處理；

步驟2：對灰度處理后的目標圖片和待檢測圖片提取特征點，計算特征描述子；

步驟3：將目標圖片和待檢測圖片中的特征點依據特征描述子進行KNN匹配；

步驟4：對目標圖片和待檢測圖片進行網格劃分；

步驟5：統計目標圖片和待檢測圖片中每一個特征點所屬的網格坐標；

步驟6：統計目標圖片中每個網格與待檢測圖片中每個網格的特征點匹配對數；

步驟7：檢測特征點匹配對數是否大于閾值；若特征點匹配對數小于閾值，則視為匹配失敗并返回步驟2；若特征點匹配對數大于閾值，則視為匹配成功，對成功匹配的特征點匹配對數求解ransack單應性矩陣，獲得目標圖片在待檢測圖片中的位置。

本發明還可以包括：

所述的步驟2中對灰度處理后的目標圖片和待檢測圖片提取特征點，計算特征描述子的方法具體為：

步驟2.1：生成高斯差分金字塔，構建尺度空間；

所述的高斯差分金字塔構建過程中采用下采樣的圖像；

步驟2.2：在尺度空間中檢測極值點；

步驟2.3：穩定極值點的精確定位；

確定在下采樣圖像中提取的極值點對應在原始圖像中的確切位置；

步驟2.4：穩定極值點方向信息分配；