專利名稱：目標(biāo)圖像自動(dòng)識(shí)別與快速跟蹤的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種用于圖像處理技術(shù)領(lǐng)域的目標(biāo)圖像自動(dòng)自動(dòng)處理的方法，具體是一種目標(biāo)圖像自動(dòng)識(shí)別與快速跟蹤的方法。
背景技術(shù)：
可視化的圖像信號(hào)在人類的社會(huì)活動(dòng)中日益占據(jù)了十分重要的地位，在交通、監(jiān)控、生物醫(yī)學(xué)、遙感、軍事、天文、地質(zhì)和地理等很多學(xué)科與領(lǐng)域得到了越來越廣泛的應(yīng)用。圖像信號(hào)是一種時(shí)間上的一維和空間上的二維信號(hào)。圖像信號(hào)的數(shù)據(jù)量龐大，如果受到數(shù)據(jù)存儲(chǔ)容量或者傳輸帶寬的限制，系統(tǒng)需要將圖像壓縮以減少數(shù)據(jù)量。同時(shí)，高維的數(shù)字處理運(yùn)算形式復(fù)雜，因此對(duì)算法的效率與速度自然提出了非常高的要求。加之，圖像信號(hào)的數(shù)字化表達(dá)顯示出其特有的多樣性，不同的系統(tǒng)選擇不同的方式來表達(dá)每一個(gè)像素的色彩。系統(tǒng)選擇一種數(shù)字化表達(dá)方法來完成主要的處理工作，同時(shí)還要實(shí)現(xiàn)幾種方式的轉(zhuǎn)換。另外，圖像信號(hào)又是一個(gè)非負(fù)的二維隨機(jī)場(chǎng)。由于在空間上，一般的圖像信號(hào)不能用任何的解析函數(shù)來表達(dá)，也不能由典型的信號(hào)疊加，所以研究圖像主要采用的就是統(tǒng)計(jì)方法。換句話說，作為一個(gè)通用的圖像系統(tǒng)，系統(tǒng)無法預(yù)知輸入圖像的確切內(nèi)容，因此只能采用提取統(tǒng)計(jì)特征量的方法來認(rèn)識(shí)圖像，從而完成匹配的工作。
經(jīng)對(duì)現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，劉文禮等發(fā)表的“浮選泡沫特征及其狀態(tài)識(shí)別”(《中國(guó)煤炭》2003年第五期)文章提出基于數(shù)字圖像處理及識(shí)別技術(shù)的煤泥浮選過程控制思路，介紹了通過空間灰度相關(guān)矩陣法和鄰域灰度相關(guān)矩陣來提取泡沫紋理特性參數(shù)的方法，以及利用自組織神經(jīng)網(wǎng)絡(luò)對(duì)煤泥浮選泡沫狀態(tài)進(jìn)行識(shí)別。其中，空間灰度相關(guān)矩陣是在浮選泡沫圖像的不同方向上(θ＝0°、45°、90°、135°)構(gòu)筑的，鑒于空間灰度相關(guān)矩陣的維數(shù)大，文章以泡沫特征紋理的“粗細(xì)”、“走向”等來定義數(shù)字特征量，即以能量、熵和慣性矩為特征參數(shù)，能夠表達(dá)出煤泥浮選泡沫視覺特征，鄰域灰度相關(guān)矩陣是將線鄰域的概念推廣到面鄰域而導(dǎo)出的，鄰域灰度相關(guān)矩陣在提取圖像的特征時(shí)，統(tǒng)籌考慮了圖像中某一象素點(diǎn)8-鄰域方向上(面鄰域)的所有象素的灰度值，鄰域灰度相關(guān)矩陣提取了描述浮選泡沫圖像的細(xì)度參數(shù)、粗度參數(shù)、熵參數(shù)、二階距參數(shù)和不均勻性參數(shù)。該研究立足于煤泥的浮選，著眼于整體浮選結(jié)果的統(tǒng)計(jì)評(píng)價(jià)，沒有確立被跟蹤目標(biāo)體的識(shí)別率指標(biāo)，同時(shí)建立相關(guān)矩陣的元素主要基于物體的粗細(xì)度，因此使用范圍明顯收到局限，而且運(yùn)算量較大。研究結(jié)果已表明細(xì)度參數(shù)、粗度參數(shù)能很好地反映出浮選泡沫圖像的特征，熵參數(shù)、二階距參數(shù)和不均勻性參數(shù)與圖像泡沫特性變化的相關(guān)性不強(qiáng)。因此，該文獻(xiàn)所提供的方法不適合于對(duì)指定目標(biāo)的識(shí)別和跟蹤。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足和缺陷，提供一種目標(biāo)圖像自動(dòng)識(shí)別與快速跟蹤的方法，使其適用于交通、監(jiān)控、生物醫(yī)學(xué)、遙感、軍事、天文、地質(zhì)和地理等很多學(xué)科與領(lǐng)域中目標(biāo)圖像的識(shí)別與跟蹤，是一種非常實(shí)用有效的圖像處理技術(shù)。
本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明首先建立目標(biāo)圖像閾值灰度級(jí)，其次建立誤差和相關(guān)度指標(biāo)，接著在閾值灰度級(jí)的基礎(chǔ)上構(gòu)建模板圖像和現(xiàn)場(chǎng)圖像特征矩陣，以及在離散條件下的互相關(guān)函數(shù)，包括各自方差、歸一化相關(guān)系數(shù)、以及在所有二維矩陣所組成的線性空間里內(nèi)積操作的定義，從線性空間出發(fā)，根據(jù)歐氏空間的范數(shù)和夾角得到相關(guān)度的定義，再利用內(nèi)積定義獲得一個(gè)實(shí)用的判據(jù)公式，最終實(shí)現(xiàn)對(duì)目標(biāo)的快速識(shí)別與跟蹤。
以下對(duì)本發(fā)明方法作進(jìn)一步的說明首先，建立閾值灰度級(jí)，為了能夠分割圖像的亮度值，將比閾值灰度級(jí)亮的像素和比閾值灰度級(jí)暗的像素分為黑和白兩組。理想的閾值劃分目標(biāo)是圖像中的黑白成分基本相等、圖像的邊界清晰、主體基本可以分辨。在灰度級(jí)直方圖上閾值表示為一條垂直的分隔線，分隔線左面的所有灰度級(jí)將變?yōu)楹谏颐鎸⒆優(yōu)榘咨?。一方面，分隔線應(yīng)該使左右的面積相等，以保證有相同的黑色和白色像素；另一方面，假設(shè)灰度級(jí)概率分布可以用兩個(gè)高斯分布來逼近，其中一個(gè)代表主體前景，另一個(gè)代表不需要的背景物體，閾值應(yīng)該選擇在峰谷的交接點(diǎn)，以保證二值邊界清晰可辨，前景區(qū)域和背景區(qū)域正確分割。在具體識(shí)別與跟蹤過程中，本發(fā)明首先快速搜尋峰谷交接點(diǎn)，并立即將其確定為灰度級(jí)之閾值，進(jìn)而以區(qū)域特征作為圖像分割的依據(jù)，來分隔前景和背景區(qū)域，并且將二階中心矩作為匹配的統(tǒng)計(jì)特征值，實(shí)現(xiàn)圖像特征的縮放、平移、旋轉(zhuǎn)和亮度良好不變性。
其次，建立誤差和相關(guān)度指標(biāo)，在評(píng)判圖像是否匹配，或者說相似的程度有多少的時(shí)候，首先可以使用圖像特征量概念，比較模板圖像和現(xiàn)場(chǎng)某一部分圖像的特征。如果兩者相差太大，就認(rèn)為不是同一個(gè)目標(biāo)，如果誤差在允許的范圍內(nèi)，則認(rèn)為他們相關(guān)的可能性很大。本發(fā)明定義誤差為現(xiàn)場(chǎng)圖像特征與模板圖像特征值之差絕對(duì)值對(duì)模板特征值的比值。
接著，在閾值灰度級(jí)的基礎(chǔ)上，引用物理中的質(zhì)量、軸分布、質(zhì)心和轉(zhuǎn)動(dòng)慣量概念，建立在統(tǒng)計(jì)意義上的歸一化了的二階混合中心矩，建立模板圖像矩陣A和現(xiàn)場(chǎng)圖像矩陣B，以及在離散條件下的互相關(guān)函數(shù)，包括各自方差、歸一化相關(guān)系數(shù)、以及在所有二維矩陣所組成的線性空間里內(nèi)積操作的定義。從線性空間出發(fā)，根據(jù)歐氏空間的范數(shù)和夾角概念得到相關(guān)度的定義。
最后，利用內(nèi)積定義即可獲得一個(gè)實(shí)用的判據(jù)公式。
在線性空間中夾角越小，相似度越大，圖像相關(guān)度越明顯，圖像越相似，如果相關(guān)度達(dá)到100％，那么A和B就能互相線性表出。通過尋找相關(guān)度的最大值，能夠找到現(xiàn)場(chǎng)圖像上與模板圖像線性度最好的地方，也可以找到兩者互相關(guān)最大的地方。因此可以認(rèn)為相關(guān)度達(dá)到一定程度(如95％)的圖像即是同一幅圖像。
本發(fā)明既著眼于整體判別的統(tǒng)計(jì)評(píng)價(jià)，又明確被跟蹤目標(biāo)體的識(shí)別率指標(biāo)，同時(shí)以總處理周期小于40ms的超高運(yùn)算速度實(shí)現(xiàn)對(duì)指定目標(biāo)的自動(dòng)識(shí)別和跟蹤，裝置技術(shù)性能指標(biāo)達(dá)到96％以上的正確識(shí)別率和小于1m可識(shí)別尺度。
具體實(shí)施例方式
以下結(jié)合本發(fā)明方法的內(nèi)容提供以下實(shí)施例本實(shí)施例以高速光電耦合器作為高速圖像采集器，最高圖像采集率可達(dá)60幀/s，圖像采集器安裝于萬向轉(zhuǎn)動(dòng)裝置上接受方位控制驅(qū)動(dòng)，經(jīng)圖像卡與嵌入式硬件系統(tǒng)連接，運(yùn)用本發(fā)明算法編程，根據(jù)被識(shí)別目標(biāo)偏離視場(chǎng)中心的狀況，通過控制算法驅(qū)使圖像采集器的三維轉(zhuǎn)動(dòng)裝置實(shí)現(xiàn)對(duì)被識(shí)別目標(biāo)的跟蹤。
具體實(shí)施如下隨高速運(yùn)動(dòng)載體(最高時(shí)速可達(dá)190km/h)運(yùn)動(dòng)，本發(fā)明載體從距離目標(biāo)10km處出發(fā)以80～180km/h的不等速度和不同的行進(jìn)方式(包括直線、曲線、上坡、下坡等行進(jìn)方式)向目標(biāo)逼近，高速運(yùn)動(dòng)中，本發(fā)明首先對(duì)模板圖像(事先于距離目標(biāo)5km處抓拍的目標(biāo)圖像)與現(xiàn)場(chǎng)圖像快速搜尋灰度峰谷交接點(diǎn)，并立即將其確定為灰度級(jí)之閾值，進(jìn)而以區(qū)域特征作為圖像分割的依據(jù)，來分隔前景和背景區(qū)域，并且將二階中心矩作為匹配的統(tǒng)計(jì)特征值，實(shí)現(xiàn)圖像特征的縮放、平移、旋轉(zhuǎn)和亮度良好不變性；建立誤差和相關(guān)度指標(biāo)，以現(xiàn)場(chǎng)特征與模板特征值之差絕對(duì)值對(duì)模板特征值的比值為誤差定義，并確定誤差值＜2.5％為允許誤差；以模板圖像矩陣和現(xiàn)場(chǎng)圖像矩陣的相似的程度＞95％為相關(guān)度指標(biāo)，作為評(píng)判圖像是否匹配的依據(jù)；建立模板圖像矩陣A和現(xiàn)場(chǎng)圖像矩陣B，以及在離散條件下的互相關(guān)函數(shù)，根據(jù)歐氏空間確定相關(guān)度定義sim=cos∠(A,B)=A·B||A||||B||=A·BA·AB·B]]>利用內(nèi)積定義獲得實(shí)用判據(jù)公式sim=ΣxΣyA(x,y)·B(x,y)ΣxΣyA2(x,y)ΣxΣyB2(x,y)]]>實(shí)施效果實(shí)測(cè)結(jié)果搜尋峰谷交接點(diǎn)、確定灰度級(jí)之閾值，耗時(shí)小于8ms；以區(qū)域特征分隔前景和背景區(qū)域，建立匹配統(tǒng)計(jì)特征值，耗時(shí)小于20ms；建立歸一化二階混合中心矩耗時(shí)小于10ms；推算判據(jù)耗時(shí)小于2ms。
經(jīng)多次在半徑5km范圍內(nèi)的高低起伏地面快速(以80～180km/h的不等速度和不同的行進(jìn)方式)運(yùn)行試驗(yàn)，結(jié)果證明在復(fù)雜背景下受到鏡前隨機(jī)阻擋的情況下，對(duì)直線視距10km目標(biāo)識(shí)別準(zhǔn)確率高達(dá)96％以上，整個(gè)系統(tǒng)識(shí)別與跟蹤總運(yùn)算周期達(dá)到40ms以下，識(shí)別與跟蹤速度之快十分顯見。
權(quán)利要求
1.一種目標(biāo)圖像自動(dòng)識(shí)別與快速跟蹤的方法，其特征在于，首先建立目標(biāo)圖像閾值灰度級(jí)，其次建立誤差和相關(guān)度指標(biāo)，接著在閾值灰度級(jí)的基礎(chǔ)上構(gòu)建模板圖像和現(xiàn)場(chǎng)圖像特征矩陣，以及在離散條件下的互相關(guān)函數(shù)，包括各自方差、歸一化相關(guān)系數(shù)、以及在所有二維矩陣所組成的線性空間里內(nèi)積操作的定義，從線性空間出發(fā)，根據(jù)歐氏空間的范數(shù)和夾角得到相關(guān)度的定義，再利用內(nèi)積定義獲得一個(gè)實(shí)用的判據(jù)公式，最終實(shí)現(xiàn)對(duì)目標(biāo)的快速識(shí)別與跟蹤。
2.根據(jù)權(quán)利要求1所述的目標(biāo)圖像自動(dòng)識(shí)別與快速跟蹤的方法，其特征是，所述的閾值灰度級(jí)，以峰谷交接點(diǎn)為閾值，將比閾值灰度級(jí)亮的像素和比閾值灰度級(jí)暗的像素分為黑和白兩組，快速搜尋峰谷交接點(diǎn)，并立即將其確定為灰度級(jí)之閾值，進(jìn)而以區(qū)域特征作為圖像分割的依據(jù)，來分隔前景和背景區(qū)域，且將二階中心矩作為匹配的統(tǒng)計(jì)特征值，實(shí)現(xiàn)圖像特征的縮放、平移、旋轉(zhuǎn)和亮度良好。
3.根據(jù)權(quán)利要求1所述的目標(biāo)圖像自動(dòng)識(shí)別與快速跟蹤的方法，其特征是，所述的模板圖像和現(xiàn)場(chǎng)圖像特征，定義誤差為現(xiàn)場(chǎng)圖像特征與模板圖像特征值之差絕對(duì)值對(duì)模板特征值的比值，比較模板圖像和現(xiàn)場(chǎng)某一部分圖像的特征，如果誤差太大，就認(rèn)為不是同一個(gè)目標(biāo)，如果誤差在允許的范圍內(nèi)，則認(rèn)為他們相關(guān)的可能性很大；
4.根據(jù)權(quán)利要求1或者2所述的目標(biāo)圖像自動(dòng)識(shí)別與快速跟蹤的方法，其特征是，所述的閾值灰度級(jí)，在閾值灰度級(jí)的基礎(chǔ)上，引用物理中的質(zhì)量、軸分布、質(zhì)心和轉(zhuǎn)動(dòng)慣量概念，建立在統(tǒng)計(jì)意義上的歸一化了的二階混合中心矩，建立模板圖像矩陣A和現(xiàn)場(chǎng)圖像矩陣B，以及在離散條件下的互相關(guān)函數(shù)，包括各自方差、歸一化相關(guān)系數(shù)、以及在所有二維矩陣所組成的線性空間里內(nèi)積操作的定義，從線性空間出發(fā)，依據(jù)歐氏空間的范數(shù)和夾角概念確立相關(guān)度公式；
5.根據(jù)權(quán)利要求1所述的目標(biāo)圖像自動(dòng)識(shí)別與快速跟蹤的方法，其特征是，所述的內(nèi)積定義，利用內(nèi)積定義從相關(guān)度公式推出實(shí)用的判據(jù)公式，在線性空間中夾角越小，相似度越大，圖像相關(guān)度越明顯，圖像越相似，如果相關(guān)度達(dá)到100％，那么A和B就能互相線性表出，通過尋找相關(guān)度的最大值，能夠找到現(xiàn)場(chǎng)圖像上與模板圖像線性度最好的地方，或找到兩者互相關(guān)最大的地方，因此相關(guān)度達(dá)到一定程度的圖像即是同一幅圖像。
全文摘要
一種目標(biāo)圖像自動(dòng)識(shí)別與快速跟蹤的方法，首先建立目標(biāo)圖像的閾值灰度級(jí)，其次建立誤差和相關(guān)度指標(biāo)，接著在閾值灰度級(jí)的基礎(chǔ)上構(gòu)建模板圖像和現(xiàn)場(chǎng)圖像特征矩陣，以及在離散條件下的互相關(guān)函數(shù)，包括各自方差、歸一化相關(guān)系數(shù)、以及在所有二維矩陣所組成的線性空間里內(nèi)積操作的定義，從線性空間出發(fā)，根據(jù)歐氏空間的范數(shù)和夾角得到相關(guān)度的定義，再利用內(nèi)積定義獲得一個(gè)判據(jù)公式，最終實(shí)現(xiàn)對(duì)目標(biāo)的快速識(shí)別。本發(fā)明既著眼于整體判別的統(tǒng)計(jì)評(píng)價(jià)，又明確被跟蹤目標(biāo)體的識(shí)別率指標(biāo)，同時(shí)以總處理周期小于40ms的超高運(yùn)算速度實(shí)現(xiàn)對(duì)指定目標(biāo)的自動(dòng)識(shí)別和跟蹤，裝置技術(shù)性能指標(biāo)達(dá)到96％以上的正確識(shí)別率和小于1m可識(shí)別尺度。
文檔編號(hào)G06K9/80GK1604125SQ200410068030
公開日2005年4月6日 申請(qǐng)日期2004年11月11日 優(yōu)先權(quán)日2004年11月11日
發(fā)明者應(yīng)俊豪, 張秀彬, 門蓬濤, 王益, 孫劍, 計(jì)長(zhǎng)安, 曾國(guó)輝 申請(qǐng)人:上海交通大學(xué)