專利名稱：實時視頻目標(biāo)的快速相關(guān)跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明屬于視頻圖像處理領(lǐng)域，尤其是一種實時視頻目標(biāo)的快速相關(guān)跟蹤方法。

背景技術(shù)：
視頻圖像跟蹤技術(shù)是計算機(jī)視覺中一個必不可少的關(guān)鍵技術(shù)，它在機(jī)器人視覺導(dǎo)航、軍事視覺制導(dǎo)、安全監(jiān)測、交通管制、醫(yī)療診斷、視頻壓縮及氣象分析等許多方面都有廣泛應(yīng)用。例如，視頻目標(biāo)跟蹤技術(shù)已經(jīng)成功地應(yīng)用在武器的成像制導(dǎo)、軍事偵察和監(jiān)視等方面；用于社區(qū)和重要設(shè)施的保安監(jiān)控，保證了社區(qū)及重要設(shè)施的安全；用于智能交通系統(tǒng)，實現(xiàn)了對運(yùn)行車輛的實時檢測和追蹤，同時獲得車流量、車型、車速、車流密度等重要交通流參數(shù)，有效地進(jìn)行檢測事故或故障等突發(fā)狀況。
視頻目標(biāo)的檢測與跟蹤是指通過對拍攝的圖像序列進(jìn)行分析，檢測出運(yùn)動目標(biāo)并計算出跟蹤目標(biāo)在每幀圖像上的位置，然后得到相關(guān)的參數(shù)。現(xiàn)有的視頻目標(biāo)跟蹤處理方法，通常是預(yù)先建立一個表示目標(biāo)或待檢測物體的模板作為識別和確定目標(biāo)位置的依據(jù)，用目標(biāo)模板與實時圖像中的各個子區(qū)域圖像進(jìn)行比較，找出和目標(biāo)模板最相似的子區(qū)域圖像的位置，就認(rèn)為是當(dāng)前目標(biāo)的位置。圖3所示為一種相關(guān)跟蹤算法，其對模板圖像與實時圖像中的各個子區(qū)域圖像進(jìn)行比較時，采用計算相關(guān)特征參數(shù)的方法進(jìn)行比較，當(dāng)相關(guān)特征參數(shù)大于特定閾值時，更新模板圖像。其存在的問題是(1)需要將模板圖像與實時圖像中的各個子區(qū)域圖像進(jìn)行比較，計算量大，當(dāng)目標(biāo)較大或搜索范圍較大時，其處理速度較慢，不能滿足實時跟蹤的需求，會出現(xiàn)丟幀的現(xiàn)象；(2)通過建立模板圖像作為識別和確定目標(biāo)位置的依據(jù)，當(dāng)跟蹤目標(biāo)逐漸變大或變小時，模板圖像并沒有及時更新，這時模板圖像和跟蹤目標(biāo)不再匹配，會出現(xiàn)目標(biāo)丟失或跟蹤錯誤的現(xiàn)象。


發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種能夠保證跟蹤精度和搜索速度并且保證在目標(biāo)逐漸變大或變小時的正確跟蹤的實時視頻目標(biāo)的快速相關(guān)跟蹤方法。
本發(fā)明解決其技術(shù)問題是采取以下技術(shù)方案實現(xiàn)的 一種實時視頻目標(biāo)的快速相關(guān)跟蹤方法，包括以下步驟 (1)在一幀圖像中選取跟蹤目標(biāo)，確定模板圖像； (2)根據(jù)壓縮比例因子對模板圖像和當(dāng)前幀圖像進(jìn)行壓縮，得到新的模板圖像M和當(dāng)前幀圖像； (3)在當(dāng)前幀圖像中確定搜索范圍； (4)在搜索范圍內(nèi)計算每個子區(qū)域圖像與模板圖像的相關(guān)特征參數(shù)Q，選擇具有最大相關(guān)特征參數(shù)Qmax的子區(qū)域圖像作為當(dāng)前跟蹤目標(biāo)； (5)當(dāng)相關(guān)特征參數(shù)大于最大閾值T1時，更新模板圖像； (6)當(dāng)相關(guān)特征參數(shù)小于中間閾值T2且大于最小閾值T3時，采用變分辨率方法更新模板圖像。
(7)循環(huán)處理(2)～(6)直至所有幀圖像處理結(jié)束。
而且，所述的壓縮比例因子是根據(jù)模板圖像大小來確定的，當(dāng)模板圖像大于當(dāng)前幀圖像的5％時，該壓縮比例因子為大于1的整數(shù)，否則壓縮比例因子等于1。
而且，步驟(3)所述的確定搜索范圍的方法為當(dāng)壓縮比例因子為1時，其搜索范圍為以當(dāng)前目標(biāo)圖像的中央為中心，以當(dāng)前目標(biāo)圖像長寬的2倍作為長寬的矩形區(qū)域范圍；當(dāng)壓縮比例因子大于1時，其搜索范圍為以當(dāng)前目標(biāo)圖像的中央為中心，以當(dāng)前目標(biāo)圖像的長寬擴(kuò)大30～80％的像素作為長寬的矩形區(qū)域范圍。
而且，步驟(6)所述的采用變分辨率方法更新模板圖像的步驟包括 (1)將模板圖像M按縮放比例分別放大、縮小后得到放大模板圖像Mlarge和縮小模板圖像Msmall，將目標(biāo)圖像按縮放比例分別放大、縮小后得到放大目標(biāo)圖像Plarge和縮小目標(biāo)圖像Psmall； (2)計算放大目標(biāo)圖像Plarge與放大模板圖像Mlarge的相關(guān)特征參數(shù)Qlarge，如果該相關(guān)特征參數(shù)Qlarge大于最大相關(guān)特征參數(shù)Qmax，則將放大模板圖像Qlarge更新為模板圖像M；否則，計算縮小目標(biāo)圖像Psmall與縮小模板圖像Msmall的相關(guān)特征參數(shù)，如果該相關(guān)特征參數(shù)Qsmall大于最大相關(guān)特征參數(shù)Qmax，則將縮小模板圖像Qsmall更新為模板圖像M。
而且，所述的縮放比例為1～3之間的任意整數(shù)或小數(shù)。
而且，所述的相關(guān)特征參數(shù)Q的計算方法為 其中x為模板圖像，y為待檢測的子區(qū)域圖像， x＝{xi|i＝1，2，...，N}，y＝{yi|i＝1，2，...，N} 而且，所述的最大閾值T1＝0.85～0.95，中間閾值T2＝0.7～0.8，最小閾值T3＝0.2～0.4。
本發(fā)明的優(yōu)點和積極效果是 1、本快速相關(guān)跟蹤方法在現(xiàn)有技術(shù)的基礎(chǔ)上，根據(jù)模板圖像尺寸選擇合適的壓縮比例因子對模板圖像和當(dāng)前幀圖像進(jìn)行壓縮，并選擇合適的搜索范圍，從而大大減小了計算量，實現(xiàn)了大目標(biāo)和大搜索范圍內(nèi)的實時跟蹤，同時提高了跟蹤精度和搜索速度。
2、本快速相關(guān)跟蹤方法在分析相關(guān)特征參數(shù)時，采用變分辨率方法實現(xiàn)抗尺度變換，在跟蹤目標(biāo)逐漸變大縮小時，能夠及時更新模板圖像，保證了在目標(biāo)逐漸變大或變小時的正確跟蹤。
3、本發(fā)明設(shè)計合理，實現(xiàn)了大目標(biāo)和大搜索范圍內(nèi)的實時跟蹤，提高了跟蹤精度和搜索速度，保證了在目標(biāo)逐漸變大或變小時的正確跟蹤，改善了跟蹤效果。



圖1是本發(fā)明的流程圖； 圖2是本發(fā)明的具體實施方式
的流程圖； 圖3是現(xiàn)有的相關(guān)跟蹤方法的流程圖。

具體實施例方式 以下結(jié)合附圖對本發(fā)明實施例做進(jìn)一步詳述 一種實時視頻目標(biāo)的快速相關(guān)跟蹤方法，是在現(xiàn)有的相關(guān)跟蹤方法的基礎(chǔ)上，通過選取合適的壓縮比例因子對模板圖像和當(dāng)前幀圖像進(jìn)行壓縮以選擇合適的搜索范圍，并采用變分辨率方法實現(xiàn)抗尺度變換，在跟蹤目標(biāo)逐漸變大縮小時，能夠及時更新模板圖像以保證正常的跟蹤。在本實施例中，每幀圖像數(shù)據(jù)源的分辨率均為720*576像素，其他相關(guān)參數(shù)為模板圖像的縮放比例為1.5，最大閥值T1＝0.95，中間閥值T2＝0.75，最小閥值T3＝0.3。
如圖2所示，本實時視頻目標(biāo)的快速相關(guān)跟蹤方法包括如下步驟 1、在第一幀圖像中選取跟蹤目標(biāo)，確定模板圖像。
2、根據(jù)壓縮比例因子對模板圖像和當(dāng)前幀圖像進(jìn)行壓縮，得到新的模板圖像M和當(dāng)前幀圖像。
在本步驟中，壓縮比例因子是根據(jù)模板圖像大小來確定的，通常當(dāng)模板圖像大于當(dāng)前幀圖像的5％時，該壓縮比例因子為應(yīng)當(dāng)為大于1的整數(shù)，否則壓縮比例因子等于1。在本實施例中，如果模板圖像長寬均小于25時，壓縮比例因子為1；否則圖像的壓縮比例因子為5。
3、在當(dāng)前幀圖像中確定搜索范圍。
在本步驟中，當(dāng)壓縮比例因子為1時，其在當(dāng)前幀圖像中的搜索范圍為以當(dāng)前目標(biāo)圖像的中央為中心，以當(dāng)前目標(biāo)圖像長寬的2倍作為長寬的矩形區(qū)域范圍；當(dāng)壓縮比例因子為5時，其搜索范圍為以當(dāng)前目標(biāo)圖像的中央為中心，以當(dāng)前目標(biāo)圖像的長寬各擴(kuò)大30～80％的像素作為長寬的矩形區(qū)域范圍，即以當(dāng)前目標(biāo)圖像的長寬各擴(kuò)大20像素作為長寬的矩形區(qū)域范圍。
4、在搜索范圍內(nèi)計算每個子區(qū)域圖像與模板圖像的相關(guān)特征參數(shù)Q，選擇具有最大相關(guān)特征參數(shù)Qmax的子區(qū)域圖像作為當(dāng)前跟蹤目標(biāo) 在本步驟中，每個子區(qū)域圖像的大小與模板圖像M大小相同，子區(qū)域圖像與模板圖像M的相關(guān)特征參數(shù)Q采用下述方法進(jìn)行計算 設(shè)定模板圖像為灰度圖像x，待檢測的子區(qū)域圖像為灰度圖像y，圖像x和y均有N個像素點，圖像x和y的灰度值分別為 x＝{xi|i＝1，2，...，N} y＝{yi|i＝1，2，...，N} 則，兩幅圖像的相關(guān)特征參數(shù)的計算公式為 (公式1) 式中 5、當(dāng)相關(guān)特征參數(shù)大于預(yù)置最大閾值T1時，更新模板圖像。
在本步驟中，如果最大相關(guān)特征參數(shù)Qmax大于最大閾值T1，則跟蹤成功，當(dāng)前跟蹤目標(biāo)圖像P和模板圖像M匹配，將模板圖像M更新為當(dāng)前跟蹤目標(biāo)圖像P。
6、分析相關(guān)特征參數(shù)，采用變分辨率方法更新模板圖像 (1)若特征參數(shù)小于最大閾值T1且大于中間閾值T2，跟蹤成功，模板圖像M不更新； (2)若特征參數(shù)小于中間閾值T2且大于最小閾值T3，跟蹤成功，即當(dāng)前跟蹤目標(biāo)圖像P和模板圖像M不匹配，按照下述方式處理 在本實施例中，縮放比例為1.5，因此分別將模板圖像M擴(kuò)大1.5倍和縮小1.5倍，得到放大的模板圖像Mlarge和縮小的模板圖像Msmall；選取以當(dāng)前目標(biāo)圖像P的中央為中心、以前目標(biāo)圖像P長寬的1.5倍為長寬的矩形圖像為放大的目標(biāo)圖像Plarge，選取以P的中央為中心、以P長寬的1/1.5倍(圖像長寬向下取整)為長寬的矩形圖像為縮小的目標(biāo)圖像Psmall； 計算放大目標(biāo)圖像Plarge與放大模板圖像Mlarge的相關(guān)特征參數(shù)Qlarge，若Qlarge＞Qmax，則將放大模板圖像Qlarge更新為模板圖像M；否則，計算縮小的目標(biāo)圖像Psmall1與縮小模板圖像Msmall的相關(guān)特征參數(shù)Qsmall，若Qsmall＞Qmax，則將縮小模板圖像Qsmall更新為模板圖像M；若以上兩條件均不滿足，模板圖像不更新； (3)若特征參數(shù)小于最小閥值T3，跟蹤失敗，模板圖像M不更新。
7、取下一幀圖像的灰度數(shù)據(jù)，返回步驟2，繼續(xù)下一幀圖像的跟蹤處理，直至完成。
通過上述步驟即可實現(xiàn)實時視頻目標(biāo)的快速相關(guān)跟蹤方法。
需要強(qiáng)調(diào)的是，本發(fā)明所述的實施例是說明性的，而不是限定性的，因此本發(fā)明并不限于具體實施方式
中所述的實施例，凡是由本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的技術(shù)方案得出的其他實施方式，同樣屬于本發(fā)明保護(hù)的范圍。
權(quán)利要求
1.一種實時視頻目標(biāo)的快速相關(guān)跟蹤方法，其特征在于包括以下步驟
(1)在一幀圖像中選取跟蹤目標(biāo)，確定模板圖像；
(2)根據(jù)壓縮比例因子對模板圖像和當(dāng)前幀圖像進(jìn)行壓縮，得到新的模板圖像M和當(dāng)前幀圖像；
(3)在當(dāng)前幀圖像中確定搜索范圍；
(4)在搜索范圍內(nèi)計算每個子區(qū)域圖像與模板圖像的相關(guān)特征參數(shù)Q，選擇具有最大相關(guān)特征參數(shù)Qmax的子區(qū)域圖像作為當(dāng)前跟蹤目標(biāo)；
(5)當(dāng)相關(guān)特征參數(shù)大于最大閾值T1時，更新模板圖像；
(6)當(dāng)相關(guān)特征參數(shù)小于中間閾值T2且大于最小閾值T3時，采用變分辨率方法更新模板圖像。
(7)循環(huán)處理(2)～(6)直至所有幀圖像處理結(jié)束。
2.根據(jù)權(quán)利要求1所述的實時視頻目標(biāo)的快速相關(guān)跟蹤方法，其特征在于所述的壓縮比例因子是根據(jù)模板圖像大小來確定的，當(dāng)模板圖像大于當(dāng)前幀圖像的5％時，該壓縮比例因子為大于1的整數(shù)，否則壓縮比例因子等于1。
3.根據(jù)權(quán)利要求1或2所述的實時視頻目標(biāo)的快速相關(guān)跟蹤方法，其特征在于步驟(3)所述的確定搜索范圍的方法為當(dāng)壓縮比例因子為1時，其搜索范圍為以當(dāng)前目標(biāo)圖像的中央為中心，以當(dāng)前目標(biāo)圖像長寬的2倍作為長寬的矩形區(qū)域范圍；當(dāng)壓縮比例因子大于1時，其搜索范圍為以當(dāng)前目標(biāo)圖像的中央為中心，以當(dāng)前目標(biāo)圖像的長寬擴(kuò)大30～80％的像素作為長寬的矩形區(qū)域范圍。
4.根據(jù)權(quán)利要求1所述的實時視頻目標(biāo)的快速相關(guān)跟蹤方法，其特征在于步驟(6)所述的采用變分辨率方法更新模板圖像的步驟包括
(1)將模板圖像M按縮放比例分別放大、縮小后得到放大模板圖像Mlarge和縮小模板圖像Msmall，將目標(biāo)圖像按縮放比例分別放大、縮小后得到放大目標(biāo)圖像Plarge和縮小目標(biāo)圖像Psmall；
(2)計算放大目標(biāo)圖像Plarge與放大模板圖像Mlarge的相關(guān)特征參數(shù)Qlarge，如果該相關(guān)特征參數(shù)Qlarge大于最大相關(guān)特征參數(shù)Qmax，則將放大模板圖像Qlarge更新為模板圖像M；否則，計算縮小目標(biāo)圖像Psmall與縮小模板圖像Msmall的相關(guān)特征參數(shù)，如果該相關(guān)特征參數(shù)Qsmall大于最大相關(guān)特征參數(shù)Qmax，則將縮小模板圖像Qsmall更新為模板圖像M。
5.根據(jù)權(quán)利要求4所述的實時視頻目標(biāo)的快速相關(guān)跟蹤方法，其特征在于所述的縮放比例為1～3之間的任意整數(shù)或小數(shù)。
6.根據(jù)權(quán)利要求1或4所述的實時視頻目標(biāo)的快速相關(guān)跟蹤方法，其特征在于所述的相關(guān)特征參數(shù)Q的計算方法為
其中x為模板圖像，y為待檢測的子區(qū)域圖像，
x＝{xi|i＝1，2，...，N}，y＝{yi|i＝1，2，...，N}
7.根據(jù)權(quán)利要求1所述的實時視頻目標(biāo)的快速相關(guān)跟蹤方法，其特征在于所述的最大閾值T1＝0.85～0.95，中間閾值T2＝0.7～0.8，最小閾值T3＝0.2～0.4。
全文摘要
本發(fā)明涉及一種實時視頻目標(biāo)的快速相關(guān)跟蹤方法，包括(1)在一幀圖像中選取跟蹤目標(biāo)，確定模板圖像；(2)根據(jù)壓縮比例因子對模板圖像和當(dāng)前幀圖像進(jìn)行壓縮，得到新的模板圖像M和當(dāng)前幀圖像；(3)在當(dāng)前幀圖像中確定搜索范圍；(4)在搜索范圍內(nèi)計算每個子區(qū)域圖像與模板圖像的相關(guān)特征參數(shù)Q，選擇具有最大相關(guān)特征參數(shù)Qmax的子區(qū)域圖像作為當(dāng)前跟蹤目標(biāo)；(5)當(dāng)相關(guān)特征參數(shù)大于最大閾值T1時，更新模板圖像；(6)當(dāng)相關(guān)特征參數(shù)小于中間閾值T2且大于最小閾值T3時，采用變分辨率方法更新模板圖像。本發(fā)明設(shè)計合理，實現(xiàn)了大目標(biāo)和大搜索范圍內(nèi)的實時跟蹤，提高了跟蹤精度和搜索速度，保證了在目標(biāo)逐漸變大或變小時的正確跟蹤，改善了跟蹤效果。
文檔編號G06T7/20GK101739692SQ200910245179
公開日2010年6月16日 申請日期2009年12月29日 優(yōu)先權(quán)日2009年12月29日
發(fā)明者李欣欣 申請人:天津市亞安科技電子有限公司