本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種目標(biāo)跟蹤方法和裝置。

背景技術(shù)：
目標(biāo)檢測(cè)技術(shù)通常也被稱為圖像的特征提取，是計(jì)算機(jī)視覺(jué)以及數(shù)字圖像處理的概念，它是指使用計(jì)算機(jī)運(yùn)算決定每個(gè)圖像的像素點(diǎn)是否為圖像特征的圖像信息提取過(guò)程。目標(biāo)跟蹤技術(shù)就是在視頻圖像或者連續(xù)圖像序列中確定出感興趣區(qū)域(RegionOfInterest,ROI)也被稱為模板(Template)的位置，并把每一幀圖像的模板對(duì)應(yīng)起來(lái)?，F(xiàn)有跟蹤技術(shù)方案可以描述如下：(1)在采集的圖像序列中上確定一個(gè)模板，通常稱為參考圖像，參考圖像中記載有需要被跟蹤的目標(biāo)；(2)為了提高運(yùn)算的效率，不對(duì)參考圖像內(nèi)的每個(gè)像素點(diǎn)做變換，而是從參考圖像內(nèi)相隔等間距把像素點(diǎn)均勻提取出來(lái)，該過(guò)程可被稱為等間距采樣，形成原始特征點(diǎn)集；(3)對(duì)原始特征點(diǎn)集及其領(lǐng)域信息作運(yùn)算，得到新的特征點(diǎn)集，根據(jù)新的特征點(diǎn)集在待匹配圖像上確定匹配區(qū)域；(4)計(jì)算匹配區(qū)域和參考模板之間的灰度信息，例如SSD(SumofSquaredDifferences，差值平方和)方法，利用最小化誤差的方法，通過(guò)迭代，使得匹配區(qū)域與參考圖像之間能匹配上，即使匹配區(qū)域與參考圖像中存在相同的圖像信息，即需要被跟蹤的目標(biāo)。(5)對(duì)采集到的圖像序列重復(fù)步驟(3)-(4)，通過(guò)圖像幀與幀之間的模板匹配，最終實(shí)現(xiàn)了目標(biāo)連續(xù)的跟蹤。但是，現(xiàn)有技術(shù)存在以下缺點(diǎn)：(1)獲得參考圖像的特征點(diǎn)集合時(shí)，采用的是對(duì)參考圖像內(nèi)的像素點(diǎn)進(jìn)行等間距采樣的方法。這樣得到的特征點(diǎn)隨意性大，通常包含的圖像信息較少，不能很好的表征圖像特征，可靠性、穩(wěn)定性不高，使得跟蹤算法不具備良好的魯棒性。(2)得到參考圖像后，就將其作為標(biāo)準(zhǔn)模板，不再做任何改變。但是在實(shí)際的跟蹤系統(tǒng)中，隨著攝像機(jī)等圖像采集設(shè)備的運(yùn)動(dòng)，可能確定的參考圖像會(huì)部分移出攝像機(jī)的圖像采集范圍，不能成像，從而參考圖像的部分區(qū)域并不在后續(xù)圖像序列的圖像當(dāng)中。然而現(xiàn)有方案采用初始的參考圖像，會(huì)使得計(jì)算參考圖像和匹配區(qū)域之間的圖像灰度信息算法無(wú)法收斂，不能得到正確結(jié)果，從而導(dǎo)致跟蹤失敗。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明實(shí)施例所要解決的技術(shù)問(wèn)題在于，提供一種目標(biāo)跟蹤方法?？山鉀Q現(xiàn)有技術(shù)中圖像特征穩(wěn)定性不高和參考圖像超范圍導(dǎo)致跟蹤失敗的不足。為了解決上述技術(shù)問(wèn)題，本發(fā)明第一方面提供了一種目標(biāo)跟蹤方法，包括：采用預(yù)置算法提取參考圖像的角點(diǎn)特征得到所述參考圖像的第一特征點(diǎn)集合，所述參考圖像用于對(duì)當(dāng)前的待匹配圖像中的目標(biāo)進(jìn)行跟蹤；剔除所述第一特征點(diǎn)集合中超出所述待匹配圖像范圍的異常點(diǎn)，得到第二特征點(diǎn)集合；將所述第二特征點(diǎn)集合與所述待匹配圖像進(jìn)行圖像匹配，根據(jù)匹配結(jié)果完成所述待匹配圖像的目標(biāo)跟蹤。在第一種可能的實(shí)現(xiàn)方式中，所述預(yù)置算法包括：Harris角點(diǎn)檢測(cè)算法、FAST加速分割檢測(cè)特征角點(diǎn)檢測(cè)算法、KLT角點(diǎn)檢測(cè)算法或SUSAN最小核值相似區(qū)域角點(diǎn)檢測(cè)算法。結(jié)合第一方面或第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，所述采用預(yù)置算法提取參考圖像的角點(diǎn)特征得到所述參考圖像的第一特征點(diǎn)集的步驟之前，還包括：獲取攝像機(jī)采集的圖像序列，將該圖像序列作為待匹配圖像；并從所述圖像序列的第一幀圖像中確定該待匹配圖像的參考圖像。結(jié)合第一方面的第二種可能的實(shí)現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式中，所述剔除所述第一特征點(diǎn)集合中超出所述待匹配圖像范圍的異常點(diǎn)，得到第二特征點(diǎn)集合的步驟包括：獲取所述第一特征點(diǎn)集合中每個(gè)特征點(diǎn)的坐標(biāo)；根據(jù)所述特征點(diǎn)集合中每個(gè)特征點(diǎn)的坐標(biāo)判斷是否超出所述待匹配圖像的范圍，若為是，則確定該特征點(diǎn)為異常點(diǎn)；將所述第一特征點(diǎn)集合中所有的異常點(diǎn)剔除，得到第二特征點(diǎn)集合。結(jié)合第一方面的第三種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，所述將所述第二特征點(diǎn)集合與所述待匹配圖像進(jìn)行圖像匹配，根據(jù)匹配結(jié)果完成所述待匹配圖像的目標(biāo)跟蹤的步驟包括：在所述待匹配圖像中選取一個(gè)與所述參考圖像相同大小的待匹配子圖；采用所述預(yù)置算法提所述待匹配子圖的特征得到第三特征點(diǎn)集合；計(jì)算所述第二特征點(diǎn)集合與所述第三特征點(diǎn)集合之間的距離；判斷所述距離是否小于預(yù)置閾值，若為是，則確定所述參考圖像與所述待匹配圖像中的待匹配子圖匹配成功，若為否，則重新執(zhí)行在所述待匹配圖像中選取一個(gè)與所述參考圖像相同大小的待匹配子圖的步驟。結(jié)合第一方面的第四種可能的實(shí)現(xiàn)方式，在第五種可能的實(shí)現(xiàn)方式中，所述將所述第二特征點(diǎn)集合與所述待匹配圖像進(jìn)行圖像匹配，根據(jù)匹配結(jié)果完成所述待匹配圖像的目標(biāo)跟蹤的步驟之后，還包括：刪除所述參考圖像并將與所述參考模板匹配成功的待匹配子圖作為新的參考圖像。相應(yīng)地，本發(fā)明第二方面還提供了一種目標(biāo)跟蹤裝置，包括：特征提取模塊，用于采用預(yù)置算法提取參考圖像的角點(diǎn)特征得到所述參考圖像的第一特征點(diǎn)集合，所述參考圖像用于對(duì)當(dāng)前的待匹配圖像中的目標(biāo)進(jìn)行跟蹤；特征優(yōu)化模塊，用于剔除所述第一特征點(diǎn)集合中超出所述待匹配圖像范圍的異常點(diǎn)，得到第二特征點(diǎn)集合；圖像匹配模塊，用于將所述第二特征點(diǎn)集合與所述待匹配圖像進(jìn)行圖像匹配，根據(jù)匹配結(jié)果完成所述待匹配圖像的目標(biāo)跟蹤。在第一種可能的實(shí)現(xiàn)方式中，所述特征提取模塊用于采用預(yù)置算法提取參考圖像的角點(diǎn)特征得到所述參考圖像的第一特征點(diǎn)集合，所述預(yù)置算法包括Harris角點(diǎn)檢測(cè)算法、FAST加速分割檢測(cè)特征角點(diǎn)檢測(cè)算法、KLT角點(diǎn)檢測(cè)算法或SUSAN最小核值相似區(qū)域角點(diǎn)檢測(cè)算法。結(jié)合第二方面和第一種可能的實(shí)現(xiàn)方式，在第二種可能的實(shí)現(xiàn)方式中，還包括：模板確定模塊，用于獲取攝像機(jī)采集的圖像序列，將該圖像序列作為待匹配圖像；并從所述圖像序列的第一幀圖像中確定該待匹配圖像的參考圖像。結(jié)合第二種可能的實(shí)現(xiàn)方式，在第三種可能的實(shí)現(xiàn)方式中，所述特征優(yōu)化模塊包括：獲取單元，用于獲取所述第一特征點(diǎn)集合中每個(gè)特征點(diǎn)的坐標(biāo)；判斷單元，用于根據(jù)所述特征點(diǎn)集合中每個(gè)特征點(diǎn)的坐標(biāo)判斷是否超出所述待匹配圖像的范圍，若為是，則確定該特征點(diǎn)為異常點(diǎn)；剔除單元，用于將所述第一特征點(diǎn)集合中所有的異常點(diǎn)剔除，得到第二特征點(diǎn)集合。結(jié)合第三種可能的實(shí)現(xiàn)方式，在第四種可能的實(shí)現(xiàn)方式中，所述圖像匹配模塊包括：選取單元，用于在所述待匹配圖像中選取一個(gè)與所述參考圖像相同大小的待匹配子圖；提取單元，用于采用所述預(yù)置算法提取所述待匹配子圖的特征得到第三特征點(diǎn)集合；計(jì)算單元，用于計(jì)算所述第二特征點(diǎn)集合與所述第三特征點(diǎn)集合之間的距離；結(jié)合第四種可能的實(shí)現(xiàn)方式，在第五種可能的實(shí)現(xiàn)方式中，還包括：模板更新模塊，用于刪除所述參考圖像并將與所述參考模板匹配成功的待匹配子圖作為新的參考圖像。實(shí)施本發(fā)明實(shí)施例，具有如下有益效果：通過(guò)提取參考圖像的角點(diǎn)特征得到該參考圖像的特征點(diǎn)集合，剔除特征點(diǎn)集合中超出待匹配圖像范圍的異常點(diǎn)，將剔除過(guò)異常點(diǎn)的特征點(diǎn)集合與待匹配圖像進(jìn)行圖像匹配，以實(shí)現(xiàn)目標(biāo)跟蹤。采用角點(diǎn)特征進(jìn)行圖形匹配在保留圖像圖形重要特征的同時(shí)可以減少參與計(jì)算的數(shù)據(jù)量，角點(diǎn)特征具有良好的辨識(shí)性和穩(wěn)定性，大大提高匹配的速度。同時(shí)本方法對(duì)參考圖像中的特征點(diǎn)集合進(jìn)行優(yōu)化，剔除超范圍的角點(diǎn)，解決了現(xiàn)有技術(shù)中特征點(diǎn)超范圍無(wú)法匹配的不足，提高了匹配的可靠性。附圖說(shuō)明為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是本發(fā)明實(shí)施例的一種目標(biāo)跟蹤方法的流程示意圖；圖2是本發(fā)明實(shí)施例的一種目標(biāo)跟蹤方法的另一流程示意圖；圖3是本發(fā)明實(shí)施例的一種目標(biāo)跟蹤裝置的結(jié)構(gòu)示意圖；圖4是本發(fā)明實(shí)施例的一種目標(biāo)跟蹤裝置的另一結(jié)構(gòu)示意圖；圖5是圖4中特征優(yōu)化模塊的結(jié)構(gòu)示意圖；圖6是圖4中圖像匹配模塊的結(jié)構(gòu)示意圖；圖7是本發(fā)明實(shí)施例的一種目標(biāo)跟蹤裝置的又一結(jié)構(gòu)示意圖。具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。參見(jiàn)圖1，為本發(fā)明實(shí)施例的一種目標(biāo)跟蹤方法的流程示意圖，該方法包括：步驟101、采用預(yù)置算法提取參考圖像的角點(diǎn)特征得到所述參考圖像的第一特征點(diǎn)集合，所述參考圖像用于對(duì)當(dāng)前的待匹配圖像中的目標(biāo)進(jìn)行跟蹤。具體的，角點(diǎn)沒(méi)有明確的數(shù)學(xué)定義，普遍認(rèn)為角點(diǎn)是二維圖像亮度變化劇烈的點(diǎn)或圖像邊緣曲率上曲率的極大值點(diǎn)。在圖像的各種特征中，角點(diǎn)是一種穩(wěn)定的、旋轉(zhuǎn)不變和能克服灰度反轉(zhuǎn)的有效特征。目標(biāo)跟蹤裝置提取參考圖像中的角點(diǎn)特征的算法可以是Harris角點(diǎn)檢測(cè)算法、FAST角點(diǎn)檢測(cè)算法、KLT角點(diǎn)檢測(cè)算法或SUSAN角點(diǎn)檢測(cè)算法，也可以是其他算法，本發(fā)明不作限制，目標(biāo)跟蹤裝置提取參考圖像的角點(diǎn)特征得到第一特征點(diǎn)集合，該第一特征點(diǎn)集合為一個(gè)二值圖像。參考圖像為記載需要被跟蹤的目標(biāo)的圖像，采用該參考圖像與待匹配圖像進(jìn)行匹配以實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。步驟102、剔除所述第一特征點(diǎn)集合中超出所述待匹配圖像范圍的異常點(diǎn)，得到第二特征點(diǎn)集合。具體的，當(dāng)待匹配圖像中的目標(biāo)的形狀不完整時(shí)，例如目標(biāo)發(fā)生遮擋或目標(biāo)在待匹配圖像外時(shí)，則從參考圖像中提取的第一特征點(diǎn)集合中存在不屬于待匹配圖像范圍之內(nèi)的角點(diǎn)，成為異常點(diǎn)，若把這些異常點(diǎn)參與圖像匹配的計(jì)算，會(huì)導(dǎo)致匹配計(jì)算結(jié)果無(wú)法收斂到正確結(jié)果，即參考圖像和待匹配圖像匹配失敗。為了避免這種情況的發(fā)生，目標(biāo)跟蹤裝置獲取第一特征點(diǎn)集合中各個(gè)角點(diǎn)的坐標(biāo)，根據(jù)角點(diǎn)的坐標(biāo)和待匹配圖像的坐標(biāo)關(guān)系判斷角點(diǎn)是否超出待匹配圖像范圍，若為是，則取得該角點(diǎn)為異常點(diǎn)，按照上述的方法剔除所有的異常點(diǎn)，得到第二特征點(diǎn)集合。步驟103、將所述第二特征點(diǎn)集合與所述待匹配圖像進(jìn)行圖像匹配，根據(jù)匹配結(jié)果完成所述待匹配圖像的目標(biāo)跟蹤。具體的，在待匹配圖像中選取一塊與參考圖像相同大小的待匹配子圖，采用與步驟101相同的角點(diǎn)提取算法提取該待匹配子圖的角點(diǎn)特征得到第三特征點(diǎn)集合，基于角點(diǎn)特征的匹配有兩種方式，一種是用預(yù)定的方式描述提取到的參考圖像的第二特征點(diǎn)集合和待匹配子圖的第三特征點(diǎn)集合，對(duì)圖像的匹配就轉(zhuǎn)化為兩個(gè)向量集的匹配。另一種是將提取到的特征點(diǎn)集合以二值圖像表示，對(duì)二值圖像進(jìn)行距離變換，以距離相似度度量?jī)蓚€(gè)特征點(diǎn)集合的相似性。當(dāng)然也可以采用其他方法，本發(fā)明不作限制。實(shí)施本發(fā)明的實(shí)施例，通過(guò)提取參考圖像的角點(diǎn)特征得到該參考圖像的特征點(diǎn)集合，剔除特征點(diǎn)集合中超出待匹配圖像范圍的異常點(diǎn)，將剔除過(guò)異常點(diǎn)的特征點(diǎn)集合與待匹配圖像進(jìn)行圖像匹配，以實(shí)現(xiàn)目標(biāo)跟蹤。采用角點(diǎn)特征進(jìn)行圖形匹配在保留圖像圖形重要特征的同時(shí)可以減少參與計(jì)算的數(shù)據(jù)量，角點(diǎn)特征具有良好的辨識(shí)性和穩(wěn)定性，大大提高匹配的速度。同時(shí)本方法對(duì)參考圖像中的特征點(diǎn)集合進(jìn)行優(yōu)化，剔除超范圍的角點(diǎn)，解決了現(xiàn)有技術(shù)中特征點(diǎn)超范圍無(wú)法匹配的不足，提高了匹配的可靠性。參見(jiàn)圖2，為本發(fā)明實(shí)施例的一種目標(biāo)跟蹤方法的另一實(shí)施例示意圖，該方法包括：步驟201、獲取攝像機(jī)采集的圖像序列，將該圖像序列作為待匹配圖像；并從所述圖像序列的第一幀圖像中確定該待匹配圖像的參考圖像。具體的，攝像機(jī)采集的圖像序列的格式可以是BMP（Bitmap，位圖，簡(jiǎn)稱BMP）、TIFF（TaggedImageFileFormat，標(biāo)簽圖像文件格式，簡(jiǎn)稱TIFF）或JPEG（JointPhotographicExpertsGroup，聯(lián)合圖像專家小組，簡(jiǎn)稱JPEG）等圖片格式，也可是MPEG（MovingPicturesExpertsGroup/MotinPicturesExpertsGroup，動(dòng)態(tài)圖像專家組，簡(jiǎn)稱MPEG）或AVI（AudioVideoInterleaved，音頻視頻交錯(cuò)格式，簡(jiǎn)稱AVI）等視頻格式，目標(biāo)跟蹤裝置將該圖像序列作為待匹配圖像，并從圖像序列中的第一幀圖像中確定參考圖像，參考圖像中記載有需要被跟蹤的目標(biāo)，假設(shè)參考圖像的大小為M*N（M，N為像素的個(gè)數(shù)），待匹配圖像的大小為m*n（m，n為像素的個(gè)數(shù)），則有M＜m，N＜n。步驟202、采用預(yù)置算法提取參考圖像中的角點(diǎn)特征得到所述參考圖像的第一特征點(diǎn)集合，所述參考圖像用于對(duì)當(dāng)前的待匹配圖像中的目標(biāo)進(jìn)行跟蹤。具體的，目標(biāo)跟蹤裝置提取參考圖像中的角點(diǎn)特征的算法可以是Harris角點(diǎn)檢測(cè)算法、FAST角點(diǎn)檢測(cè)算法、KLT角點(diǎn)檢測(cè)算法或SUSAN角點(diǎn)檢測(cè)算法，也可以是其他算法，本發(fā)明不作限制，目標(biāo)跟蹤裝置提取參考圖像的角點(diǎn)特征得到第一特征點(diǎn)集合，該第一特征點(diǎn)集合為一個(gè)二值圖像。參考圖像為記載需要被跟蹤的目標(biāo)的圖像，采用該參考圖像與待匹配圖像進(jìn)行匹配以實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。步驟203、剔除所述第一特征點(diǎn)集合中超出所述待匹配圖像范圍的異常點(diǎn)，的到第二特征點(diǎn)集合。具體的，目標(biāo)跟蹤裝置獲取第一特征點(diǎn)集合中各個(gè)角點(diǎn)的坐標(biāo)，同時(shí)獲取待匹配圖像中各個(gè)像素點(diǎn)的坐標(biāo)，根據(jù)兩者坐標(biāo)的關(guān)系判斷角點(diǎn)是否超出待匹配圖像的范圍，若為是，則確定該角點(diǎn)為異常點(diǎn)，按照上述方法剔除第一特征點(diǎn)集合中所有的異常點(diǎn)，得到第二特征點(diǎn)集合。步驟204、在所述待匹配圖像中選取一個(gè)與所述圖像相同大小的待匹配子圖。具體的，以步驟201中的例子，假設(shè)參考圖像的大小M*N，待匹配圖像為m*n，滿足關(guān)系M＜m，N＜n，目標(biāo)跟蹤裝置在待匹配圖像中選取一個(gè)大小為M*N的待匹配子圖，待匹配子圖的搜索策略一般采用遍歷的方法或遺傳算法，本發(fā)明不作限制。步驟205、采用所述預(yù)置算法提取所述待匹配子圖的角點(diǎn)特征得到第三特征點(diǎn)集合。具體的，目標(biāo)跟蹤裝置采用與步驟202相同的算法提取待匹配子圖的角點(diǎn)特征得到第三特征點(diǎn)集合。步驟206、計(jì)算所述第二特征點(diǎn)集合與所述第三特征點(diǎn)集合之間的距離。具體的，目標(biāo)跟蹤裝置對(duì)第一特征點(diǎn)集合采用預(yù)置變換算法進(jìn)行距離變換后得到二值圖像A，對(duì)第三特征點(diǎn)集合采用相同的預(yù)置變換算法進(jìn)行距離變換后得到二值圖像B，該預(yù)置變換算法的可以是3-4DT。二值圖像A和二值圖像B之間的距離計(jì)算可以采用歐式距離或非歐式距離，此處以Hausdorff距離為例，Hausdorff距離是一種定義于兩個(gè)點(diǎn)集上的最大最?。∕ax-Min）距離，例如計(jì)算上述的二值圖像A和二值圖像B之間的Hausdorff距離，假設(shè)A={a1,…,ap}，B={b1,…,bq}，則這兩個(gè)點(diǎn)集合之間的Hausdorff距離定義為H(A,B)=max(h(A,B),h(B,A))(1)h(A,B)=max（a∈A）min（b∈B）‖a-b‖(2)h(B,A)=max（b∈B）min（a∈A）‖b-a‖(3)‖·‖是點(diǎn)集A和B點(diǎn)集間的距離范式(如：L2或歐式距離)。這里，式(1)稱為雙向Hausdorff距離，是Hausdorff距離的最基本形式；式(2)中的h(A,B)和h(B,A)分別稱為從A集合到B集合和從B集合到A集合的單向Hausdorff距離。即h(A,B)實(shí)際上首先對(duì)點(diǎn)集A中的每個(gè)點(diǎn)ai到距離此點(diǎn)ai最近的B集合中點(diǎn)bj之間的距離‖ai-bj‖進(jìn)行排序，然后取該距離中的最大值作為h(A,B)的值。h(B,A)同理可得，由式(1)知，雙向Hausdorff距離H(A,B)是單向距離h(A,B)和h(B,A)兩者中的較大者，它度量了兩個(gè)點(diǎn)集間的最大不匹配程度。步驟207、判斷所述距離是否小于預(yù)置閾值。具體的，目標(biāo)跟蹤裝置判斷步驟206計(jì)算得到的距離是否小于預(yù)置閾值，若為是，執(zhí)行步驟206，若為否，則返回執(zhí)行步驟204。步驟208、確定所述參考圖像與所述待匹配圖像中的待匹配子圖匹配成功。具體的，目標(biāo)跟蹤裝置確定所述待匹配圖像中包括需要跟蹤的目標(biāo)，參考圖像與待匹配圖像匹配成功，并跟蹤到待匹配子圖中的目標(biāo)。步驟209、刪除所述參考圖像并將與所述參考圖像匹配成功的待匹配子圖作為新的參考圖像。具體的，將待匹配圖像中匹配成功的待匹配子圖作為新的參考圖像，在對(duì)下一幀待匹配圖像進(jìn)行目標(biāo)跟蹤時(shí)，采用新的參考圖像進(jìn)行圖像匹配。通過(guò)對(duì)參考圖像的動(dòng)態(tài)更新，能調(diào)整參考圖像中目標(biāo)的形狀和大小，是圖像匹配更準(zhǔn)確。實(shí)施本發(fā)明的實(shí)施例，通過(guò)提取參考圖像的角點(diǎn)特征得到該參考圖像的特征點(diǎn)集合，剔除特征點(diǎn)集合中超出待匹配圖像范圍的異常點(diǎn)，將剔除過(guò)異常點(diǎn)的特征點(diǎn)集合與待匹配圖像進(jìn)行圖像匹配，以實(shí)現(xiàn)目標(biāo)跟蹤。采用角點(diǎn)特征進(jìn)行圖形匹配在保留圖像圖形重要特征的同時(shí)可以減少參與計(jì)算的數(shù)據(jù)量，角點(diǎn)特征具有良好的辨識(shí)性和穩(wěn)定性，大大提高匹配的速度。同時(shí)本方法對(duì)參考圖像中的特征點(diǎn)集合進(jìn)行優(yōu)化，剔除超范圍的角點(diǎn)，解決了現(xiàn)有技術(shù)中特征點(diǎn)超范圍無(wú)法匹配的不足，提高了匹配的可靠性。參見(jiàn)圖3，為本發(fā)明實(shí)施例的一種目標(biāo)跟蹤裝置的結(jié)構(gòu)示意圖，以下簡(jiǎn)稱裝置1，該裝置1包括：特征提取模塊11，用于采用預(yù)置算法提取參考圖像的角點(diǎn)特征得到所述參考圖像的第一特征點(diǎn)集合，所述參考圖像用于對(duì)當(dāng)前的待匹配圖像中的目標(biāo)進(jìn)行跟蹤。具體的，特征提取模塊11提取參考圖像中的角點(diǎn)特征的算法可以是Harris角點(diǎn)檢測(cè)算法、FAST角點(diǎn)檢測(cè)算法、KLT角點(diǎn)檢測(cè)算法或SUSAN角點(diǎn)檢測(cè)算法，也可以是其他算法，本發(fā)明不作限制，目標(biāo)跟蹤裝置提取參考圖像的角點(diǎn)特征得到第一特征點(diǎn)集合，該第一特征點(diǎn)集合為一個(gè)二值圖像。參考圖像為記載需要被跟蹤的目標(biāo)的圖像，采用該參考圖像與待匹配圖像進(jìn)行匹配以實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。特征優(yōu)化模塊12，用于剔除所述第一特征點(diǎn)集合中超出所述待匹配圖像范圍的異常點(diǎn)，得到第二特征點(diǎn)集合。具體的，當(dāng)待匹配圖像中的目標(biāo)的形狀不完整時(shí)，例如目標(biāo)發(fā)生遮擋或目標(biāo)在待匹配圖像外時(shí)，則從參考圖像中提取的第一特征點(diǎn)集合中存在不屬于待匹配圖像范圍之內(nèi)的角點(diǎn)，成為異常點(diǎn)，若把這些異常點(diǎn)參與圖像匹配的計(jì)算，會(huì)導(dǎo)致匹配計(jì)算結(jié)果無(wú)法收斂到正確結(jié)果，即參考圖像和待匹配圖像匹配失敗。為了避免這種情況的發(fā)生，特征優(yōu)化模塊12獲取第一特征點(diǎn)集合中各個(gè)角點(diǎn)的坐標(biāo)，根據(jù)角點(diǎn)的坐標(biāo)和待匹配圖像的坐標(biāo)關(guān)系判斷角點(diǎn)是否超出待匹配圖像范圍，若為是，則取得該角點(diǎn)為異常點(diǎn)，按照上述的方法剔除所有的異常點(diǎn)，得到第二特征點(diǎn)集合。圖像匹配模塊13，用于將所述第二特征點(diǎn)集合與所述待匹配圖像進(jìn)行圖像匹配，根據(jù)匹配結(jié)果完成所述待匹配圖像的目標(biāo)跟蹤。具體的，圖像匹配模塊13在待匹配圖像中選取一塊與參考圖像相同大小的待匹配子圖，采用與步特征提取模塊11中相同的角點(diǎn)提取算法提取該待匹配子圖的角點(diǎn)特征得到第三特征點(diǎn)集合，基于角點(diǎn)特征的匹配有兩種方式，一種是用預(yù)定的方式描述提取到的參考圖像的第二特征點(diǎn)集合和待匹配子圖的第三特征點(diǎn)集合，對(duì)圖像的匹配就轉(zhuǎn)化為兩個(gè)向量集的匹配。另一種是將提取到的特征點(diǎn)集合以二值圖像表示，對(duì)二值圖像進(jìn)行距離變換，以距離相似度度量?jī)蓚€(gè)特征點(diǎn)集合的相似性。當(dāng)然也可以采用其他方法，本發(fā)明不作限制。實(shí)施本發(fā)明的實(shí)施例，通過(guò)提取參考圖像的角點(diǎn)特征得到該參考圖像的特征點(diǎn)集合，剔除特征點(diǎn)集合中超出待匹配圖像范圍的異常點(diǎn)，將剔除過(guò)異常點(diǎn)的特征點(diǎn)集合與待匹配圖像進(jìn)行圖像匹配，以實(shí)現(xiàn)目標(biāo)跟蹤。采用角點(diǎn)特征進(jìn)行圖形匹配在保留圖像圖形重要特征的同時(shí)可以減少參與計(jì)算的數(shù)據(jù)量，角點(diǎn)特征具有良好的辨識(shí)性和穩(wěn)定性，大大提高匹配的速度。同時(shí)本方法對(duì)參考圖像中的特征點(diǎn)集合進(jìn)行優(yōu)化，剔除超范圍的角點(diǎn)，解決了現(xiàn)有技術(shù)中特征點(diǎn)超范圍無(wú)法匹配的不足，提高了匹配的可靠性。進(jìn)一步的，參見(jiàn)圖4-圖6，為本發(fā)明實(shí)施例的一種目標(biāo)跟蹤裝置的另一結(jié)構(gòu)示意圖，該裝置1除包括上述的特征提取模塊11、特征優(yōu)化模塊12和圖像匹配模塊13外，還包括：模板確定模塊14，用于獲取攝像機(jī)采集的圖像序列，將該圖像序列作為待匹配圖像；并從所述圖像序列的第一幀圖像中確定該待匹配圖像的參考圖像。具體的，模板確定模塊14獲取攝像機(jī)采集的圖像序列的格式可以是BMP、TIFF或JPEG等圖片格式，也可是MPEG或AVI等視頻格式，模板確定模塊14將該圖像序列作為待匹配圖像，并從圖像序列中的第一幀圖像中確定參考圖像，參考圖像中記載有需要被跟蹤的目標(biāo)，假設(shè)參考圖像的大小為M*N（M，N為像素的個(gè)數(shù)），待匹配圖像的大小為m*n（m，n為像素的個(gè)數(shù)），則有M＜m，N＜n。模板更新模塊15，用于刪除所述參考圖像并將與所述參考模板匹配成功的待匹配子圖作為新的參考圖像。具體的，模板更新模塊15將待匹配圖像中匹配成功的待匹配子圖作為新的參考圖像，在對(duì)下一幀待匹配圖像進(jìn)行目標(biāo)跟蹤時(shí)，采用新的參考圖像進(jìn)行圖像匹配。通過(guò)對(duì)參考圖像的動(dòng)態(tài)更新，能調(diào)整參考圖像中目標(biāo)的形狀和大小，是圖像匹配更準(zhǔn)確。其中，特征優(yōu)化模塊12包括：獲取單元121，用于獲取所述第一特征點(diǎn)集合中每個(gè)特征點(diǎn)的坐標(biāo)；判斷單元122，用于根據(jù)所述特征點(diǎn)集合中每個(gè)特征點(diǎn)的坐標(biāo)判斷是否超出所述待匹配圖像的范圍，若為是，則確定該特征點(diǎn)為異常點(diǎn)；剔除單元123，用于將所述第一特征點(diǎn)集合中所有的異常點(diǎn)剔除，得到第二特征點(diǎn)集合。圖像匹配模塊13包括：選取單元131，用于在所述待匹配圖像中選取一個(gè)與所述參考圖像相同大小的待匹配子圖；提取單元132，用于采用所述預(yù)置算法提取所述待匹配子圖的特征得到第三特征點(diǎn)集合；計(jì)算單元133，用于計(jì)算所述第二特征點(diǎn)集合與所述第三特征點(diǎn)集合之間的距離；匹配單元134，用于判斷所述距離是否小于預(yù)置閾值，若為是，則確定所述參考圖像與所述待匹配圖像中的待匹配子圖匹配成功，若為否，則重新執(zhí)行在所述待匹配圖像中選取一個(gè)與所述參考圖像相同大小的待匹配子圖的步驟。實(shí)施本發(fā)明的實(shí)施例，通過(guò)提取參考圖像的角點(diǎn)特征得到該參考圖像的特征點(diǎn)集合，剔除特征點(diǎn)集合中超出待匹配圖像范圍的異常點(diǎn)，將剔除過(guò)異常點(diǎn)的特征點(diǎn)集合與待匹配圖像進(jìn)行圖像匹配，以實(shí)現(xiàn)目標(biāo)跟蹤。采用角點(diǎn)特征進(jìn)行圖形匹配在保留圖像圖形重要特征的同時(shí)可以減少參與計(jì)算的數(shù)據(jù)量，角點(diǎn)特征具有良好的辨識(shí)性和穩(wěn)定性，大大提高匹配的速度。同時(shí)本方法對(duì)參考圖像中的特征點(diǎn)集合進(jìn)行優(yōu)化，剔除超范圍的角點(diǎn)，解決了現(xiàn)有技術(shù)中特征點(diǎn)超范圍無(wú)法匹配的不足，提高了匹配的可靠性。參見(jiàn)圖7，為本發(fā)明實(shí)施例的一種目標(biāo)跟蹤裝置的又一結(jié)構(gòu)示意圖，該目標(biāo)跟蹤裝置1包括處理器61、存儲(chǔ)器62、輸入裝置63和輸出裝置64，目標(biāo)跟蹤裝置1中的處理器61的數(shù)量可以是一個(gè)或多個(gè)，圖7以一個(gè)處理器為例。本發(fā)明的一些實(shí)施例中，處理器61、存儲(chǔ)器62、輸入裝置63和輸出裝置64可通過(guò)總線或其他方式連接，圖7中以總線連接為例。其中，存儲(chǔ)器62中存儲(chǔ)一組程序代碼，且處理器61用于調(diào)用存儲(chǔ)器62中存儲(chǔ)的程序代碼，用于執(zhí)行以下操作：采用預(yù)置算法提取參考圖像的角點(diǎn)特征得到所述參考圖像的第一特征點(diǎn)集合，所述參考圖像用于對(duì)當(dāng)前的待匹配圖像中的目標(biāo)進(jìn)行跟蹤；剔除所述第一特征點(diǎn)集合中超出所述待匹配圖像范圍的異常點(diǎn)，得到第二特征點(diǎn)集合；將所述第二特征點(diǎn)集合與所述待匹配圖像進(jìn)行圖像匹配，根據(jù)匹配結(jié)果完成所述待匹配圖像的目標(biāo)跟蹤。進(jìn)一步的，在本發(fā)明的一些實(shí)施例中，處理器61采用包括Harris角點(diǎn)檢測(cè)算法、FAST角點(diǎn)檢測(cè)算法、KLT角點(diǎn)檢測(cè)算法或SUSAN角點(diǎn)檢測(cè)算法的預(yù)置算法提取參考圖像的角點(diǎn)特征得到所述參考圖像的第一特征點(diǎn)集合。優(yōu)選的，在本發(fā)明的一些實(shí)施例中，處理器61還用于執(zhí)行：獲取攝像機(jī)采集的圖像序列，將該圖像序列作為待匹配圖像；并從所述圖像序列的第一幀圖像中確定該待匹配圖像的參考圖像。優(yōu)選的，在本發(fā)明的一些實(shí)施例中，處理器61執(zhí)行所述剔除所述第一特征點(diǎn)集合中超出所述待匹配圖像范圍的異常點(diǎn)，得到第二特征點(diǎn)集合的步驟包括：獲取所述第一特征點(diǎn)集合中每個(gè)特征點(diǎn)的坐標(biāo)；根據(jù)所述特征點(diǎn)集合中每個(gè)特征點(diǎn)的坐標(biāo)判斷是否超出所述待匹配圖像的范圍，若為是，則確定該特征點(diǎn)為異常點(diǎn)；將所述第一特征點(diǎn)集合中所有的異常點(diǎn)剔除，得到第二特征點(diǎn)集合。優(yōu)選的，在本發(fā)明的一些實(shí)施例中，處理器61執(zhí)行所述將所述第二特征點(diǎn)集合與所述待匹配圖像進(jìn)行圖像匹配，根據(jù)匹配結(jié)果完成所述待匹配圖像的目標(biāo)跟蹤的步驟包括：在所述待匹配圖像中選取一個(gè)與所述參考圖像相同大小的待匹配子圖；采用所述預(yù)置算法提所述待匹配子圖的特征得到第三特征點(diǎn)集合；計(jì)算所述第二特征點(diǎn)集合與所述第三特征點(diǎn)集合之間的距離；判斷所述距離是否小于預(yù)置閾值，若為是，則確定所述參考圖像與所述待匹配圖像中的待匹配子圖匹配成功，若為否，則重新執(zhí)行在所述待匹配圖像中選取一個(gè)與所述參考圖像相同大小的待匹配子圖的步驟。優(yōu)選的，在本發(fā)明的一些實(shí)施例中，處理器61還用于執(zhí)行刪除所述參考圖像并將與所述參考模板匹配成功的待匹配子圖作為新的參考圖像。實(shí)施本發(fā)明的實(shí)施例，通過(guò)提取參考圖像的角點(diǎn)特征得到該參考圖像的特征點(diǎn)集合，剔除特征點(diǎn)集合中超出待匹配圖像范圍的異常點(diǎn)，將剔除過(guò)異常點(diǎn)的特征點(diǎn)集合與待匹配圖像進(jìn)行圖像匹配，以實(shí)現(xiàn)目標(biāo)跟蹤。采用角點(diǎn)特征進(jìn)行圖形匹配在保留圖像圖形重要特征的同時(shí)可以減少參與計(jì)算的數(shù)據(jù)量，角點(diǎn)特征具有良好的辨識(shí)性和穩(wěn)定性，大大提高匹配的速度。同時(shí)本方法對(duì)參考圖像中的特征點(diǎn)集合進(jìn)行優(yōu)化，剔除超范圍的角點(diǎn)，解決了現(xiàn)有技術(shù)中特征點(diǎn)超范圍無(wú)法匹配的不足，提高了匹配的可靠性。本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過(guò)計(jì)算機(jī)程序來(lái)指令相關(guān)的硬件來(lái)完成，所述的程序可存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，所述的存儲(chǔ)介質(zhì)可為磁碟、光盤、只讀存儲(chǔ)記憶體（Read-OnlyMemory，ROM）或隨機(jī)存儲(chǔ)記憶體（RandomAccessMemory，RAM）等。以上所揭露的僅為本發(fā)明一種較佳實(shí)施例而已，當(dāng)然不能以此來(lái)限定本發(fā)明之權(quán)利范圍，本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分流程，并依本發(fā)明權(quán)利要求所作的等同變化，仍屬于發(fā)明所涵蓋的范圍。