本發(fā)明涉及圖像處理技術(shù)，特別是涉及一種基于快速相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤方法及系統(tǒng)。
背景技術(shù)：
：目標(biāo)跟蹤技術(shù)在圖像處理與計(jì)算機(jī)視覺領(lǐng)域有著廣泛的應(yīng)用，如異常行為監(jiān)控、交通流量監(jiān)控、目標(biāo)行為分析等領(lǐng)域。在現(xiàn)實(shí)場(chǎng)景中，由于目標(biāo)形態(tài)變化、場(chǎng)景外部環(huán)境突變及場(chǎng)景多目標(biāo)干擾，給目標(biāo)跟蹤的實(shí)時(shí)性與魯棒性帶來(lái)諸多難題。目前，國(guó)內(nèi)外研究學(xué)者對(duì)目標(biāo)跟蹤技術(shù)進(jìn)行了大量研究，齊志權(quán)等在專利“一種用于目標(biāo)跟蹤的模板特征選擇方法”中提出一種模板特征選取方法，能有效剔除目標(biāo)模板內(nèi)的非目標(biāo)特征點(diǎn)，但應(yīng)用于復(fù)雜場(chǎng)景下目標(biāo)跟蹤魯棒差。常發(fā)亮等在論文“遮擋情況下基于特征相關(guān)匹配的目標(biāo)跟蹤算法”中提出邊緣匹配算法及多塊灰度匹配，解決了部分遮擋情況下目標(biāo)跟蹤問(wèn)題，該方法難以適應(yīng)場(chǎng)景性差，難以獲得穩(wěn)定跟蹤。AlexBewley等人在論文“Simpleonlineandrealtimetracking”中提出一種在線的實(shí)時(shí)目標(biāo)跟蹤方法，利用FrRCNN框架構(gòu)造多目標(biāo)檢測(cè)與跟蹤，該方法在復(fù)雜場(chǎng)景及光照變化劇烈時(shí)，跟蹤性能難以保證。技術(shù)實(shí)現(xiàn)要素：發(fā)明目的：本發(fā)明的目的是提供一種能夠解決現(xiàn)有技術(shù)存在的缺陷的一種基于快速相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤方法及系統(tǒng)。技術(shù)方案：本發(fā)明所述的基于快速相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤方法，包括以下步驟：S1：生成目標(biāo)窗口模板：目標(biāo)窗口模板Tw包括左水平模板TL、右水平模板TR、上垂直模板TU、下垂直模板TD、當(dāng)前幀的窗口更新模板Twi和初始目標(biāo)窗口模板Tw0，其中，左水平模板TL、右水平模板TR、上垂直模板TU和下垂直模板TD由如下方法得到：以當(dāng)前窗口位置為中心，向左平移m個(gè)像素得到左水平模板TL，向右平移m個(gè)像素得到右水平模板TR，向上平移n個(gè)像素得到上垂直模板TU，向下平移n個(gè)像素得到下垂直模板TD；S2：提取快速相關(guān)鄰域特征點(diǎn)：構(gòu)建相關(guān)鄰域中的第一與第二鄰域，并設(shè)定對(duì)應(yīng)閾值；對(duì)目標(biāo)窗口進(jìn)行窗口滑動(dòng)遍歷，分別計(jì)算窗口第一鄰域特征關(guān)系f1(i,t)與第二鄰域特征關(guān)系f2(i,t)，根據(jù)興趣點(diǎn)判定準(zhǔn)則實(shí)現(xiàn)目標(biāo)模板特征點(diǎn)的提??；S3：篩選最優(yōu)興趣點(diǎn)：提取興趣點(diǎn)的目標(biāo)窗口，計(jì)算當(dāng)前窗口與上一幀圖像窗口的互相關(guān)系數(shù)Ckj，構(gòu)造加權(quán)距離系數(shù)Ekj，進(jìn)而計(jì)算對(duì)應(yīng)的興趣點(diǎn)質(zhì)量得分系數(shù)S，對(duì)興趣點(diǎn)集及對(duì)應(yīng)質(zhì)量得分系數(shù)S進(jìn)行排序，選取質(zhì)量得分系數(shù)在前T％且滿足S≥U的特征點(diǎn)子集作為該目標(biāo)的最優(yōu)興趣點(diǎn)；S4：興趣點(diǎn)滑窗搜索：對(duì)下一幀圖像進(jìn)行興趣點(diǎn)檢測(cè)，當(dāng)檢測(cè)興趣點(diǎn)有最優(yōu)特征點(diǎn)時(shí)，根據(jù)最優(yōu)興趣點(diǎn)相對(duì)位置計(jì)算映射后的窗口位置；當(dāng)檢測(cè)興趣點(diǎn)無(wú)最優(yōu)特征點(diǎn)時(shí)，根據(jù)所有檢測(cè)興趣點(diǎn)構(gòu)成的閉合曲線計(jì)算映射后的窗口位置，若檢測(cè)興趣點(diǎn)大于m個(gè)，窗口相對(duì)位置變化以所有興趣點(diǎn)構(gòu)成曲線的質(zhì)心位置進(jìn)行求解；S5：特征點(diǎn)模板匹配更新：對(duì)于步驟S4得到的疑似目標(biāo)窗口，首先構(gòu)造多尺度空間窗，對(duì)空間窗內(nèi)連續(xù)幀目標(biāo)變化的長(zhǎng)寬進(jìn)行限定；然后根據(jù)目標(biāo)特征點(diǎn)模板匹配度量采取歸一化互相參數(shù)，尋找對(duì)應(yīng)每一幀圖像中最匹配目標(biāo)窗口；S6：決策投票目標(biāo)輸出：對(duì)上述空間內(nèi)疑似目標(biāo)窗口進(jìn)行模板匹配，匹配模板采用步驟S1得到的六種目標(biāo)窗口模板Tw，將所有疑似目標(biāo)窗口分別與匹配模板中的初始目標(biāo)窗口模板Tw0進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)N0，將所有疑似目標(biāo)窗口分別與當(dāng)前幀的窗口更新模板Twi進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)Ni，分別計(jì)算N0、Ni與決策閾值a1的關(guān)系，構(gòu)造投票池A和B，進(jìn)而判斷輸出綜合得分最大的疑似目標(biāo)窗口。進(jìn)一步，所述步驟S2包括以下步驟：S2.1：形成候選的相關(guān)鄰域：相關(guān)鄰域由兩部分鄰域構(gòu)成：第一鄰域?yàn)闃?biāo)準(zhǔn)4鄰域，包括4個(gè)點(diǎn)；第二鄰域包括弱4鄰域和4鄰域輪廓外側(cè)點(diǎn)，共8個(gè)點(diǎn)；S2.2：設(shè)置第一鄰域閾值為t1，第二鄰域閾值為t2，候選興趣點(diǎn)的像素值為It，定義候選興趣點(diǎn)與第一鄰域像素的之間鄰域特征關(guān)系為：f1(i,t)=1It≥Ii+t10Ii-t1<It<Ii+t1-1It≤Ii-t1---(1)]]>式(1)中，i∈[1,4]；定義候選興趣點(diǎn)與第二鄰域像素的之間鄰域特征關(guān)系為：f2(i,t)=1It≥(1+t2)Ii0(1-t2)Ii<It<(1+t2)Ii-1It≤(1-t2)Ii---(2)]]>式(2)中，i∈[5,12]；S2.3：判斷候選興趣點(diǎn)：計(jì)算當(dāng)前候選興趣點(diǎn)的第一鄰域特征關(guān)系f1(i,t)，篩選出至少3個(gè)位置滿足第一鄰域關(guān)系f1(i,t)＝1或f1(i,t)＝-1的候選興趣點(diǎn)；然后，對(duì)篩選后的候選興趣點(diǎn)的位置按順時(shí)針順序計(jì)算其第二鄰域特征關(guān)系f2(i,t)，依次判斷篩選后的候選興趣點(diǎn)是否存在連續(xù)N個(gè)位置滿足f2(i,t)＝1或f2(i,t)＝-1，若存在，則輸出篩選后的候選興趣點(diǎn)；否則，則繼續(xù)進(jìn)行搜索，直至完成全部第二鄰域的搜索。進(jìn)一步，所述步驟S3包括以下步驟：S3.1：提取興趣點(diǎn)的目標(biāo)窗口，計(jì)算當(dāng)前窗口與上一幀圖像窗口的互相關(guān)系數(shù)Ckj，如式(3)所示：Ckj=Σu=1wΣv=1w(kuv-ka)(juv-ja)w2σkσj---(3)]]>式(3)中，σk為區(qū)域興趣點(diǎn)k的標(biāo)準(zhǔn)差，σj為區(qū)域興趣點(diǎn)j的標(biāo)準(zhǔn)差，kuv為興趣點(diǎn)k在窗口(u,v)處對(duì)應(yīng)的值，juv為興趣點(diǎn)j的在窗口(u,v)處對(duì)應(yīng)的值，ka為興趣點(diǎn)k窗口內(nèi)像素均值，ja為興趣點(diǎn)j窗口內(nèi)像素均值，w為目標(biāo)窗口模板的寬度；S3.2：根據(jù)互相關(guān)系數(shù)Ckj構(gòu)造加權(quán)距離系數(shù)Ekj：Ekj=Ckj+12e-rkj2/2σkj2---(4)]]>式(4)中，rkj為興趣點(diǎn)k和j的馬式距離，σkj為興趣點(diǎn)k和j的標(biāo)準(zhǔn)差；S3.3：根據(jù)加權(quán)距離系數(shù)Ekj計(jì)算對(duì)應(yīng)的興趣點(diǎn)質(zhì)量得分系數(shù)S：S＝log(1+Ekj)(5)S3.4：對(duì)興趣點(diǎn)集及對(duì)應(yīng)質(zhì)量得分系數(shù)S進(jìn)行排序，選取質(zhì)量得分系數(shù)在前T％且滿足S≥U的特征點(diǎn)子集作為該目標(biāo)的最優(yōu)特征點(diǎn)。進(jìn)一步，所述步驟S5包括以下步驟：S5.1：對(duì)于步驟S4得到的疑似目標(biāo)窗口，利用高斯金字塔采樣構(gòu)造多尺度空間窗，對(duì)空間窗內(nèi)連續(xù)幀目標(biāo)變化的長(zhǎng)寬進(jìn)行限定，高斯金字塔采樣因子N設(shè)置為:N＝1.2s(6)式(6)中，s為空間采樣因子；S5.2：根據(jù)目標(biāo)特征點(diǎn)模板匹配度量采取歸一化互相參數(shù)，尋找對(duì)應(yīng)每一幀圖像中最匹配目標(biāo)窗口，其中，窗口間歸一化互相關(guān)參數(shù)NCCP為：NCCP=Σi=0w-1Σj=0h-1T(i,j)TP(m+i,n+j)Σi=0w-1Σj=0h-1T2(i,j)Σi=0w-1Σj=0h-1TP2(m+i,n+j)---(7)]]>式(7)中，T為步驟S1中所述目標(biāo)窗口模板中的任意一種，TP為疑似目標(biāo)窗口，w和h分別是目標(biāo)窗口模板的寬度和高度，i和j分別為目標(biāo)窗口模板內(nèi)像素的水平坐標(biāo)與垂直坐標(biāo)。進(jìn)一步，所述步驟S6包括以下步驟：S6.1：對(duì)上述空間內(nèi)疑似目標(biāo)窗口進(jìn)行模板匹配，匹配模板采用步驟S1得到的六種目標(biāo)窗口模板Tw，將所有疑似目標(biāo)窗口分別與匹配模板中的初始目標(biāo)窗口模板Tw0進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)N0，將所有疑似目標(biāo)窗口分別與當(dāng)前幀的窗口更新模板Twi進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)Ni，分別計(jì)算N0、Ni與決策閾值a1的關(guān)系：若當(dāng)前疑似目標(biāo)窗口與N0及Ni都滿足歸一化互相關(guān)參數(shù)≥a1，則直接輸出該窗口；若當(dāng)前疑似目標(biāo)窗口只與N0滿足歸一化互相關(guān)參數(shù)≥a1，則返回步驟S2；若當(dāng)前疑似目標(biāo)窗口只與Ni滿足歸一化互相關(guān)參數(shù)≥a1，則返回步驟S3；若當(dāng)前疑似目標(biāo)窗口與N0及Ni都不滿足歸一化互相關(guān)參數(shù)≥a1，則返回步驟S4。S6.2：計(jì)算當(dāng)前疑似目標(biāo)窗口分別與TL、TR、TU及TD的相關(guān)響應(yīng)NL、NR、Nu及ND，將該疑似目標(biāo)窗口的綜合得分放入決策投票池A中，該情況下綜合得分ST計(jì)算為下式：ST＝0.3N0+0.5Ni+0.2(NL+NR+NU+ND)(8)S6.3：計(jì)算當(dāng)前疑似目標(biāo)窗口與N0、Ni模板的相關(guān)響應(yīng)，將該疑似目標(biāo)窗口的綜合得分放入決策投票池A中，該情況下綜合得分ST計(jì)算為下式：ST＝0.3N0+0.6Ni+0.1(NL+NR+NU+ND)(9)S6.4：計(jì)算當(dāng)前疑似目標(biāo)窗口與N0、Ni模板的相關(guān)響應(yīng)，將該疑似目標(biāo)窗口的綜合得分放入決策投票池B中，該情況下綜合得分ST計(jì)算為下式：ST＝0.3N0+0.4Ni+0.3(NL+NR+NU+ND)(10)S6.5：若投票池A中有疑似目標(biāo)窗口，則直接進(jìn)行綜合得分比較，輸出綜合得分最大的疑似目標(biāo)窗口；若投票池A中無(wú)疑似目標(biāo)窗口，則將投票池B中所有疑似目標(biāo)窗口的綜合得分進(jìn)行比較，輸出綜合得分最大的疑似目標(biāo)窗口。本發(fā)明所述的基于快速相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤系統(tǒng)，該系統(tǒng)包括：目標(biāo)窗口模板生成模塊：用于生成左水平模板TL、右水平模板TR、上垂直模板TU、下垂直模板TD、當(dāng)前幀的窗口更新模板Twi和初始目標(biāo)窗口模板Tw0；快速相關(guān)鄰域特征點(diǎn)提取模塊：用于構(gòu)建相關(guān)鄰域中的第一與第二鄰域，并設(shè)定對(duì)應(yīng)閾值；對(duì)目標(biāo)窗口進(jìn)行窗口滑動(dòng)遍歷，分別計(jì)算窗口第一鄰域特征關(guān)系f1(i,t)與第二鄰域特征關(guān)系f2(i,t)，根據(jù)興趣點(diǎn)判定準(zhǔn)則實(shí)現(xiàn)目標(biāo)模板特征點(diǎn)的提?。蛔顑?yōu)興趣點(diǎn)篩選模塊：用于提取興趣點(diǎn)的目標(biāo)窗口，計(jì)算當(dāng)前窗口與上一幀圖像窗口的互相關(guān)系數(shù)Ckj，構(gòu)造加權(quán)距離系數(shù)Ekj，進(jìn)而計(jì)算對(duì)應(yīng)的興趣點(diǎn)質(zhì)量得分系數(shù)S，對(duì)興趣點(diǎn)集及對(duì)應(yīng)質(zhì)量得分系數(shù)S進(jìn)行排序，選取質(zhì)量得分系數(shù)在前T％且滿足S≥U的特征點(diǎn)子集作為該目標(biāo)的最優(yōu)興趣點(diǎn)；興趣點(diǎn)滑窗搜索模塊：用于對(duì)下一幀圖像進(jìn)行興趣點(diǎn)檢測(cè)，當(dāng)檢測(cè)興趣點(diǎn)有最優(yōu)特征點(diǎn)時(shí)，根據(jù)最優(yōu)興趣點(diǎn)相對(duì)位置計(jì)算映射后的窗口位置；當(dāng)檢測(cè)興趣點(diǎn)無(wú)最優(yōu)特征點(diǎn)時(shí)，根據(jù)所有檢測(cè)興趣點(diǎn)構(gòu)成的閉合曲線計(jì)算映射后的窗口位置，若檢測(cè)興趣點(diǎn)大于m個(gè)，窗口相對(duì)位置變化以所有興趣點(diǎn)構(gòu)成曲線的質(zhì)心位置進(jìn)行求解；特征點(diǎn)模板匹配更新模塊：用于對(duì)興趣點(diǎn)滑窗搜索模塊得到的疑似目標(biāo)窗口構(gòu)造多尺度空間窗，對(duì)空間窗內(nèi)連續(xù)幀目標(biāo)變化的長(zhǎng)寬進(jìn)行限定；然后根據(jù)目標(biāo)特征點(diǎn)模板匹配度量采取歸一化互相參數(shù)，尋找對(duì)應(yīng)每一幀圖像中最匹配目標(biāo)窗口；決策投票目標(biāo)輸出模塊：用于對(duì)上述空間內(nèi)疑似目標(biāo)窗口進(jìn)行模板匹配，匹配模板采用目標(biāo)窗口模板生成模塊得到的六種目標(biāo)窗口模板Tw，將所有疑似目標(biāo)窗口分別與匹配模板中的初始目標(biāo)窗口模板Tw0進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)N0，將所有疑似目標(biāo)窗口分別與當(dāng)前幀的窗口更新模板Twi進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)Ni，分別計(jì)算N0、Ni與決策閾值a1的關(guān)系，構(gòu)造投票池A和B，進(jìn)而判斷輸出綜合得分最大的疑似目標(biāo)窗口。有益效果：本發(fā)明解決了復(fù)雜場(chǎng)景下目標(biāo)跟蹤的實(shí)時(shí)性差與穩(wěn)定性低的問(wèn)題，以快速相關(guān)鄰域特征點(diǎn)為興趣點(diǎn)檢測(cè)，增強(qiáng)復(fù)雜場(chǎng)景下目標(biāo)特征描述的魯棒性；利用窗口互相關(guān)關(guān)系進(jìn)行興趣點(diǎn)篩選，提高目標(biāo)描述的準(zhǔn)確性；在進(jìn)行模板構(gòu)造時(shí)采用滑動(dòng)窗口搜素與自適應(yīng)多尺度模板匹配在線更新，最后采用決策投票實(shí)現(xiàn)目標(biāo)窗口輸出，提高了復(fù)雜場(chǎng)景下目標(biāo)跟蹤的精度及穩(wěn)定性。與現(xiàn)有技術(shù)相比，本發(fā)明提出的方法在場(chǎng)景適應(yīng)性與魯棒性上均獲得較好效果，目標(biāo)跟蹤效果優(yōu)異。附圖說(shuō)明圖1為本發(fā)明的具體實(shí)施方式的方法流程圖；圖2為本發(fā)明的具體實(shí)施方式的快速相關(guān)鄰域特征點(diǎn)檢測(cè)的示意圖；圖3為本發(fā)明的具體實(shí)施方式的決策投票目標(biāo)輸出過(guò)程的流程圖。具體實(shí)施方式下面結(jié)合附圖和具體實(shí)施方式，對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步的介紹。本發(fā)明公開了一種基于相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤方法，如圖1所示，包括以下步驟：S1：生成目標(biāo)窗口模板；設(shè)目標(biāo)窗口Tw尺寸w×h，窗口位置(x,y)，以當(dāng)前窗口位置為中心，向左平移m個(gè)像素得到左水平模板TL，向右平移m個(gè)像素得到右水平模板TR，向上平移n個(gè)像素得到上垂直模板TU，向下平移n個(gè)像素得到下垂直模板TD；其中m＝0.2w(向上取整，不足3個(gè)像素時(shí)取3)，n＝0.2h(向上取整，不足3個(gè)像素時(shí)取3)，w和h分別是目標(biāo)窗口模板的寬度和高度，初始得到的目標(biāo)窗口模板由上述5種模板構(gòu)成。對(duì)于連續(xù)幀圖像，目標(biāo)窗口模板都將進(jìn)行在線更新，進(jìn)而確保適應(yīng)目標(biāo)變化來(lái)實(shí)現(xiàn)穩(wěn)定跟蹤，同時(shí)，初始目標(biāo)窗口Tw0將繼續(xù)保留，最終形成的目標(biāo)窗口模板由上述6種模板構(gòu)成。S2：提取快速相關(guān)鄰域特征點(diǎn)；包括以下步驟：S2.1：形成候選的相關(guān)鄰域：如圖2所示，相關(guān)鄰域由兩部分鄰域構(gòu)成：第一鄰域?yàn)闃?biāo)準(zhǔn)4鄰域，包括4個(gè)點(diǎn)，位置分別為1、2、3和4；第二鄰域包括弱4鄰域和4鄰域輪廓外側(cè)點(diǎn)，弱4領(lǐng)域的位置分別為6、8、10和12，4領(lǐng)域輪廓外側(cè)點(diǎn)的位置分別為5、7、9和11，共8個(gè)點(diǎn)；S2.2：設(shè)置第一鄰域閾值為t1＝10，第二鄰域閾值為t2＝6，候選興趣點(diǎn)的像素值為It，定義候選興趣點(diǎn)與第一鄰域像素的之間鄰域特征關(guān)系為：f1(i,t)=1It≥Ii+t10Ii-t1<It<Ii+t1-1It≤Ii-t1---(1)]]>式(1)中，i∈[1,4]；定義候選興趣點(diǎn)與第二鄰域像素的之間鄰域特征關(guān)系為：f2(i,t)=1It≥(1+t2)Ii0(1-t2)Ii<It<(1+t2)Ii-1It≤(1-t2)Ii---(2)]]>式(2)中，i∈[5,12]；f1(i,t)與f2(i,t)刻畫了相關(guān)鄰域?qū)χ行南袼攸c(diǎn)的不同影響程度；S2.3：計(jì)算當(dāng)前候選興趣點(diǎn)的第一鄰域特征關(guān)系f1(i,t)，篩選出至少3個(gè)位置滿足第一鄰域關(guān)系f1(i,t)＝1或f1(i,t)＝-1的候選興趣點(diǎn)；然后，對(duì)篩選后的候選興趣點(diǎn)的位置按順時(shí)針順序計(jì)算其第二鄰域特征關(guān)系f2(i,t)，即按照5,6,7,…,12的順序計(jì)算，依次判斷篩選后的候選興趣點(diǎn)是否存在連續(xù)N個(gè)位置滿足f2(i,t)＝1或f2(i,t)＝-1，若存在，則輸出篩選后的候選興趣點(diǎn)；否則，則繼續(xù)進(jìn)行搜索，直至完成全部第二鄰域的搜索。S3：篩選最優(yōu)興趣點(diǎn)：為刻畫檢測(cè)到的興趣點(diǎn)質(zhì)量得分系數(shù)S，對(duì)當(dāng)前幀圖像中興趣點(diǎn)與其上一幀圖像中興趣點(diǎn)進(jìn)行特征點(diǎn)匹配，特征點(diǎn)匹配要求興趣點(diǎn)位置在w×w窗口內(nèi)，因此，步驟S3包括以下步驟：S3.1：提取興趣點(diǎn)的目標(biāo)窗口，計(jì)算當(dāng)前窗口與上一幀圖像窗口的互相關(guān)系數(shù)Ckj，如式(3)所示：Ckj=Σu=1wΣv=1w(kuv-ka)(juv-ja)w2σkσj---(3)]]>式(3)中，σk為興趣點(diǎn)k的標(biāo)準(zhǔn)差，σj為興趣點(diǎn)j的標(biāo)準(zhǔn)差，kuv為興趣點(diǎn)k在窗口(u,v)處對(duì)應(yīng)的值，juv為興趣點(diǎn)j的在窗口(u,v)處對(duì)應(yīng)的值，ka為興趣點(diǎn)k窗口內(nèi)像素均值，ja為興趣點(diǎn)j窗口內(nèi)像素均值，w為目標(biāo)窗口模板的寬度；S3.2：根據(jù)互相關(guān)系數(shù)Ckj構(gòu)造加權(quán)距離系數(shù)Ekj：Ekj=Ckj+12e-rkj2/2σkj2---(4)]]>式(4)中，rkj為興趣點(diǎn)k和j的馬式距離，σkj為興趣點(diǎn)k和j的標(biāo)準(zhǔn)差；S3.3：根據(jù)加權(quán)距離系數(shù)Ekj計(jì)算對(duì)應(yīng)的興趣點(diǎn)質(zhì)量得分系數(shù)S：S＝log(1+Ekj)(5)S3.4：對(duì)興趣點(diǎn)集及對(duì)應(yīng)質(zhì)量得分系數(shù)S進(jìn)行排序，選取質(zhì)量得分系數(shù)在前20％且滿足S≥U的特征點(diǎn)子集作為該目標(biāo)的最優(yōu)特征點(diǎn)。需要說(shuō)明的是，若特征點(diǎn)子集中元素不足2個(gè)，則不需要進(jìn)行篩選。S4：興趣點(diǎn)滑窗搜索；對(duì)下一幀圖像進(jìn)行興趣點(diǎn)檢測(cè)，根據(jù)興趣點(diǎn)位置進(jìn)行窗口搜索，滑窗搜索實(shí)現(xiàn)疑似目標(biāo)窗口的提取。窗口搜索策略分為以下兩個(gè)情形：1)當(dāng)檢測(cè)興趣點(diǎn)有最優(yōu)特征點(diǎn)時(shí)，根據(jù)連續(xù)幀中最優(yōu)特征點(diǎn)相對(duì)位置計(jì)算映射后窗口位置，若最優(yōu)特征點(diǎn)大于兩個(gè)，窗口相對(duì)位置變化以最優(yōu)特征點(diǎn)構(gòu)成曲線的質(zhì)心位置進(jìn)行求解；2)當(dāng)檢測(cè)興趣點(diǎn)無(wú)最優(yōu)特征點(diǎn)時(shí)，根據(jù)連續(xù)幀中所有檢測(cè)興趣點(diǎn)構(gòu)成的閉合曲線計(jì)算映射后窗口位置，若檢測(cè)興趣點(diǎn)大于兩個(gè)，窗口相對(duì)位置變化以所有興趣點(diǎn)構(gòu)成曲線的質(zhì)心位置進(jìn)行求解。S5：特征點(diǎn)模板匹配更新；上步驟得到的疑似窗口在很多場(chǎng)景下并不能很好的刻畫當(dāng)前幀目標(biāo)變化情況，因此需要及時(shí)調(diào)整特征點(diǎn)模板匹配情況來(lái)實(shí)現(xiàn)自適應(yīng)窗口更新。步驟S5包括以下步驟：S5.1：對(duì)于原始疑似目標(biāo)窗口TPw，其尺寸大小為w'×h'，為解決多尺度下目標(biāo)窗口變化，采樣變化因子N設(shè)置為:N＝1.2s(6)式(6)中，s∈[-4,4]為空間采樣因子，空間窗內(nèi)連續(xù)幀目標(biāo)變化長(zhǎng)寬被分別限制在[0.5w',2w']，[0.5h',2h']。S5.2：為快速尋找每一幀圖像中最匹配的窗口，目標(biāo)特征點(diǎn)模板匹配度量采取歸一化互相參數(shù)；窗口間歸一化互相關(guān)參數(shù)NCCP定義如下：NCCP=Σi=0w-1Σj=0h-1T(i,j)TP(m+i,n+j)Σi=0w-1Σj=0h-1T2(i,j)Σi=0w-1Σj=0h-1TP2(m+i,n+j)---(7)]]>式(7)中，T為步驟S1中所述目標(biāo)窗口模板中的任意一種，TP為疑似目標(biāo)窗口，w與h分別是目標(biāo)窗口模板的寬度和高度，i和j分別為分別為目標(biāo)窗口模板內(nèi)像素的水平坐標(biāo)與垂直坐標(biāo)，因此在生成疑似目標(biāo)窗口后都需要將其歸一化到目標(biāo)窗口模板尺寸。S6：決策投票目標(biāo)輸出；對(duì)上述空間內(nèi)疑似目標(biāo)窗口進(jìn)行模板匹配，疑似目標(biāo)窗口種類有9種，匹配模板由6種，決策投票目標(biāo)輸出包括以下步驟：S6.1：對(duì)上述空間內(nèi)疑似目標(biāo)窗口進(jìn)行模板匹配，匹配模板采用步驟S1得到的六種目標(biāo)窗口模板Tw，將所有疑似目標(biāo)窗口分別與匹配模板中的初始目標(biāo)窗口模板Tw0進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)N0，將所有疑似目標(biāo)窗口分別與當(dāng)前幀的窗口更新模板Twi進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)Ni，分別計(jì)算N0、Ni與決策閾值a1的關(guān)系：若當(dāng)前疑似目標(biāo)窗口與N0及Ni都滿足歸一化互相關(guān)參數(shù)≥a1，則直接輸出該窗口；若當(dāng)前疑似目標(biāo)窗口只與N0滿足歸一化互相關(guān)參數(shù)≥a1，則返回步驟S2；若當(dāng)前疑似目標(biāo)窗口只與Ni滿足歸一化互相關(guān)參數(shù)≥a1，則返回步驟S3；若當(dāng)前疑似目標(biāo)窗口與N0及Ni都不滿足歸一化互相關(guān)參數(shù)≥a1，則返回步驟S4。S6.2：計(jì)算當(dāng)前疑似目標(biāo)窗口分別與TL、TR、TU及TD的相關(guān)響應(yīng)NL、NR、Nu及ND，將該疑似目標(biāo)窗口的綜合得分放入決策投票池A中，該情況下綜合得分ST計(jì)算為下式：ST＝0.3N0+0.5Ni+0.2(NL+NR+NU+ND)(8)S6.3：計(jì)算當(dāng)前疑似目標(biāo)窗口與N0、Ni模板的相關(guān)響應(yīng)，將該疑似目標(biāo)窗口的綜合得分放入決策投票池A中，該情況下綜合得分ST計(jì)算為下式：ST＝0.3N0+0.6Ni+0.1(NL+NR+NU+ND)(9)S6.4：計(jì)算當(dāng)前疑似目標(biāo)窗口與N0、Ni模板的相關(guān)響應(yīng)，將該疑似目標(biāo)窗口的綜合得分放入決策投票池B中，該情況下綜合得分ST計(jì)算為下式：ST＝0.3N0+0.4Ni+0.3(NL+NR+NU+ND)(10)S6.5：若投票池A中有疑似目標(biāo)窗口，則直接進(jìn)行綜合得分比較，輸出綜合得分最大的疑似目標(biāo)窗口；若投票池A中無(wú)疑似目標(biāo)窗口，則將投票池B中所有疑似目標(biāo)窗口的綜合得分進(jìn)行比較，輸出綜合得分最大的疑似目標(biāo)窗口。本發(fā)明還公開了一種基于快速相關(guān)鄰域特征點(diǎn)的滑窗目標(biāo)跟蹤系統(tǒng)，該系統(tǒng)包括：目標(biāo)窗口模板生成模塊：用于生成左水平模板TL、右水平模板TR、上垂直模板TU、下垂直模板TD、當(dāng)前幀的窗口更新模板Twi和初始目標(biāo)窗口模板Tw0；快速相關(guān)鄰域特征點(diǎn)提取模塊：用于構(gòu)建相關(guān)鄰域中的第一與第二鄰域，并設(shè)定對(duì)應(yīng)閾值；對(duì)目標(biāo)窗口進(jìn)行窗口滑動(dòng)遍歷，分別計(jì)算窗口第一鄰域特征關(guān)系f1(i,t)與第二鄰域特征關(guān)系f2(i,t)，根據(jù)興趣點(diǎn)判定準(zhǔn)則實(shí)現(xiàn)目標(biāo)模板特征點(diǎn)的提?。蛔顑?yōu)興趣點(diǎn)篩選模塊：用于提取興趣點(diǎn)的目標(biāo)窗口，計(jì)算當(dāng)前窗口與上一幀圖像窗口的互相關(guān)系數(shù)Ckj，構(gòu)造加權(quán)距離系數(shù)Ekj，進(jìn)而計(jì)算對(duì)應(yīng)的興趣點(diǎn)質(zhì)量得分系數(shù)S，對(duì)興趣點(diǎn)集及對(duì)應(yīng)質(zhì)量得分系數(shù)S進(jìn)行排序，選取質(zhì)量得分系數(shù)在前T％且滿足S≥U的特征點(diǎn)子集作為該目標(biāo)的最優(yōu)興趣點(diǎn)；興趣點(diǎn)滑窗搜索模塊：用于對(duì)下一幀圖像進(jìn)行興趣點(diǎn)檢測(cè)，當(dāng)檢測(cè)興趣點(diǎn)有最優(yōu)特征點(diǎn)時(shí)，根據(jù)最優(yōu)興趣點(diǎn)相對(duì)位置計(jì)算映射后的窗口位置；當(dāng)檢測(cè)興趣點(diǎn)無(wú)最優(yōu)特征點(diǎn)時(shí)，根據(jù)所有檢測(cè)興趣點(diǎn)構(gòu)成的閉合曲線計(jì)算映射后的窗口位置，若檢測(cè)興趣點(diǎn)大于m個(gè)，窗口相對(duì)位置變化以所有興趣點(diǎn)構(gòu)成曲線的質(zhì)心位置進(jìn)行求解；特征點(diǎn)模板匹配更新模塊：用于對(duì)興趣點(diǎn)滑窗搜索模塊得到的疑似目標(biāo)窗口構(gòu)造多尺度空間窗，對(duì)空間窗內(nèi)連續(xù)幀目標(biāo)變化的長(zhǎng)寬進(jìn)行限定；然后根據(jù)目標(biāo)特征點(diǎn)模板匹配度量采取歸一化互相參數(shù)，尋找對(duì)應(yīng)每一幀圖像中最匹配目標(biāo)窗口；決策投票目標(biāo)輸出模塊：用于對(duì)上述空間內(nèi)疑似目標(biāo)窗口進(jìn)行模板匹配，匹配模板采用目標(biāo)窗口模板生成模塊得到的六種目標(biāo)窗口模板Tw，將所有疑似目標(biāo)窗口分別與匹配模板中的初始目標(biāo)窗口模板Tw0進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)N0，將所有疑似目標(biāo)窗口分別與當(dāng)前幀的窗口更新模板Twi進(jìn)行一一匹配計(jì)算出相應(yīng)的響應(yīng)Ni，分別計(jì)算N0、Ni與決策閾值a1的關(guān)系，構(gòu)造投票池A和B，進(jìn)而判斷輸出綜合得分最大的疑似目標(biāo)窗口。當(dāng)前第1頁(yè)1 2 3