亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種基于深度圖像或深度視頻序列的實(shí)時(shí)跟蹤目標(biāo)的計(jì)算方法

文檔序號:9506837閱讀:591來源:國知局
一種基于深度圖像或深度視頻序列的實(shí)時(shí)跟蹤目標(biāo)的計(jì)算方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于深度圖像或深度視頻序列的實(shí)時(shí)跟蹤目標(biāo)的計(jì)算方法,屬計(jì) 算機(jī)視覺領(lǐng)域。
【背景技術(shù)】
[0002] 在彩色圖像的實(shí)時(shí)目標(biāo)跟蹤技術(shù)中,跟蹤效果往往受光照、遮擋及復(fù)雜背景等因 素的干擾,跟蹤性能大受影響。因此,目標(biāo)跟蹤仍然是個(gè)具有挑戰(zhàn)性的問題。
[0003] 獲取深度圖像或深度視頻序列的設(shè)備主要有雙目視覺攝像機(jī)、激光掃描儀、 Kinect設(shè)備等。其中,Kinect是微軟在2010年6月14日對XB0X360體感周邊外設(shè)正式發(fā) 布的名字,是一種3D體感攝影機(jī)(開發(fā)代號"Project Natal"),同時(shí)它導(dǎo)入了即時(shí)動態(tài)捕 捉、影像辨識、麥克風(fēng)輸入、語音辨識、社群互動等功能。隨著Kinect的推出,通過Kinect 采集的深度信息可不受場景光照和陰影的影響,為跟蹤領(lǐng)域的研究提供了新的契機(jī)。
[0004] 現(xiàn)有的實(shí)時(shí)目標(biāo)跟蹤算法中存在跟蹤不準(zhǔn)確、運(yùn)算速度慢、目標(biāo)移動過快或變化 過大造成目標(biāo)丟失、執(zhí)彳T效率低等缺點(diǎn)。

【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有技術(shù)的不足,本發(fā)明提供了一種基于深度圖像或深度視頻序列的實(shí)時(shí)跟 蹤目標(biāo)的計(jì)算方法;
[0006] 該算法大致分為三步:(1)預(yù)處理深度圖像,包括腐蝕、膨脹、邊緣提取、距離變換 等;(2)利用粗搜索到精搜索的搜索方法,確定預(yù)處理后的深度圖像中跟蹤目標(biāo)的位置; (3)實(shí)時(shí)更新跟蹤模板。在該部分的研究中,常用的技術(shù)為模板匹配,加權(quán)平均等。
[0007] 術(shù)語解釋:
[0008] 求補(bǔ):將圖像進(jìn)行取反。
[0009] 腐蝕:利用一定尺寸的模版對圖像進(jìn)行與操作。
[0010] 膨脹:利用一定尺寸的模版對圖像進(jìn)行或操作。
[0011] 填充:在圖像上利用緊鄰像素恢復(fù)像素的缺失值。
[0012] 重構(gòu):在對圖像進(jìn)行膨脹腐蝕操作后,基于原圖像的圖像恢復(fù)操作。
[0013] 邊緣提取:在圖像上利用不同的邊緣算子提取圖像的邊緣信息。
[0014] 距離變換:在圖像上計(jì)算任意點(diǎn)到目標(biāo)點(diǎn)的距離。
[0015] 歸一化:在圖像上通過數(shù)學(xué)關(guān)系式,使數(shù)據(jù)分布在一定區(qū)間范圍內(nèi)。
[0016] 本發(fā)明的技術(shù)方案為:
[0017] -種基于深度圖像或深度視頻序列的實(shí)時(shí)跟蹤目標(biāo)的計(jì)算方法,具體步驟包括:
[0018] (1)采集深度圖像,并對采集的深度圖像進(jìn)行預(yù)處理,所述預(yù)處理包括依次進(jìn)行求 補(bǔ)、腐蝕、膨脹、填充、重構(gòu)、邊緣提取、距離變換、歸一化;
[0019] 由于環(huán)境噪聲和設(shè)備噪聲的存在,深度圖像的質(zhì)量不理想,所以需要對獲取的深 度圖像進(jìn)行預(yù)處理。
[0020] (2)在第1幀深度圖像中,手動標(biāo)記初始跟蹤目標(biāo)A1;在初始跟蹤目標(biāo)A 近取若 干個(gè)訓(xùn)練樣本Xlt,訓(xùn)練樣本Xlt中心點(diǎn)的選取方法為:在以初始跟蹤目標(biāo)A 圓心、(1-20) 個(gè)像素點(diǎn)為半徑的圓內(nèi)隨機(jī)取若干個(gè)像素點(diǎn);在遠(yuǎn)離初始跟蹤目標(biāo)A1處取若干個(gè)訓(xùn)練樣本 Yu,訓(xùn)練樣本Ylj中心點(diǎn)的選取方法為:在以初始跟蹤目標(biāo)A1為圓心、(20-100)像素點(diǎn)為內(nèi) 半徑、(40-150)個(gè)像素點(diǎn)為外半徑的圓環(huán)內(nèi)隨機(jī)取若干個(gè)像素點(diǎn);任一訓(xùn)練樣本X lt、任一 訓(xùn)練樣本Yu均與初始跟蹤目標(biāo)A i大小相同;訓(xùn)練樣本B H包括所有的訓(xùn)練樣本X lt及所有 的訓(xùn)練樣本Yu, i = t+j,將每一個(gè)訓(xùn)練樣本B11分別與初始跟蹤目標(biāo)A i進(jìn)行模板匹配并分 類,模式匹配并分類公式如式(I )所示:
[0022] 式(I )中,C11為第一幀深度圖像中初始跟蹤目標(biāo)A1與訓(xùn)練樣本B11的匹配值, 均值,瓦為心的均值,召為B 11的矩陣,m為的行,η為為的列;為 4的矩陣,m為__的行,η為為_的列;
[0023] 當(dāng)C11的值大于閾值S時(shí),訓(xùn)練樣本B Η屬于正樣本,S的取值范圍為(0· 4-0. 8), 否則,屬于負(fù)樣本;
[0024] 分類完畢后,將獲取的所有正樣本加權(quán)平均,得到S1,并與初始跟蹤目標(biāo)A 1加權(quán), 加權(quán)公式如式(II )所示,得到第1幀圖像的跟蹤模板;
[0025] T1= a !XS^a2XA1 ( II )
[0026] 式(II )中,T1為第1幀圖像的跟蹤模板;a ^ a 2= I,a i的取值范圍為 (0. 5-0. 8);
[0027] (3)設(shè)定步驟⑴獲取〇幀深度圖像,p = 2,2 < p < 〇,執(zhí)行以下步驟:
[0028] A、在第p幀深度圖像中,對應(yīng)第p-1幀圖像中Ap i的相同位置為中心、(30-100)個(gè) 像素點(diǎn)為半徑、(5-10)個(gè)像素點(diǎn)為步長的圓內(nèi)獲取測試樣本Dpl的中心,測試樣本D pl與跟 蹤模板Tp i大小相同;將測試樣本D pl與T p i進(jìn)行模板匹配,模板匹配公式如式(III)所示:
[0030] 式(III)中,C' pl為第p幀深度圖像中測試樣本D pl與跟蹤模板T p i的匹配值, i為Tp i的均值,為Dpl的均值,為矩陣,m為的行,η為的列; 為矩陣,m為的行,η為的列;1為正整數(shù); ±r -mn F Lmn r Lmn
[0031] 選出通過公式(III)求取的最大的匹配值對應(yīng)的測試樣本,以最大的匹配值對 應(yīng)的測試樣本位置為中心、(5-10)個(gè)像素點(diǎn)為半徑、1個(gè)像素點(diǎn)為步長的圓內(nèi)取測試樣本 D' pl的中心,將測試樣本D' ^與Tpl進(jìn)行模板匹配,模板匹配公式如式(IV)所示:
[0033] 式(IV)中,C" pl為第p幀深度圖像中測試樣本D' pl與跟蹤模板Tpl的匹配值, 為Tp i的均值,5二為D,pl的均值,/^,為矩陣,m為!);^的行,η為的列; 為矩陣,m為Tt i的行,η為的列; F 1Jtin r lnw r Lmn
[0034] 選出通過公式(IV)求取的最大的匹配值對應(yīng)的測試樣本即第P幀深度圖像的跟 蹤目標(biāo)A p;
[0035] 判斷通過公式(IV)求取的最大的匹配值是否大于閾值S,S的取值范圍為 (0. 4-0. 8),如果大于,則進(jìn)入步驟B,否則,Tp= T p 1;T p為第p幀圖像的跟蹤模板,進(jìn)入步驟 C;
[0036] B、在跟蹤目標(biāo)Ap附近取若干個(gè)訓(xùn)練樣本Xpt,訓(xùn)練樣本Xpt中心點(diǎn)的選取方法為:在 以跟蹤目標(biāo)A p為圓心、(1-20)個(gè)像素點(diǎn)為半徑的圓內(nèi)隨機(jī)取若干個(gè)像素點(diǎn);在遠(yuǎn)離跟蹤目 標(biāo)Ap處取若干個(gè)訓(xùn)練樣本Y w,訓(xùn)練樣本Yw中心點(diǎn)的選取方法為:在以跟蹤目標(biāo)Ap為圓心、 (20-100)像素點(diǎn)為內(nèi)半徑、(40-150)個(gè)像素點(diǎn)為外半徑的圓環(huán)內(nèi)隨機(jī)取若干個(gè)像素點(diǎn);任 一訓(xùn)練樣本X pt、任一訓(xùn)練樣本Yw均與跟蹤目標(biāo)A p大小相同;訓(xùn)練樣本B P1包括所有的訓(xùn)練 樣本Xpt及所有的訓(xùn)練樣本Y w,i = t+j,將每一個(gè)訓(xùn)練樣本Bpi分別與跟蹤模板T p i進(jìn)行模 板匹配并分類,模式匹配并分類公式如式(V )所示:
[0038] 式(V )中,Cpi為第p幀深度圖像中每一個(gè)訓(xùn)練樣本B P1與跟蹤模板T p i的匹配 值,L為Tpl的均值,I為Bpi的均值,為矩陣,m為的行,!!為義'的列;?。籢 為矩陣,m為?^_ lwn的行,η為的列;
[0039] 當(dāng)Cpi的值大于閾值S時(shí),訓(xùn)練樣本B P1屬于正樣本,S的取值范圍為(0· 4-0. 8), 否則,屬于負(fù)樣本;
[0040] 分類完畢后,將獲取的所有正樣本加權(quán)平均,得到Sp,并與初始跟蹤目標(biāo)A 1加權(quán), 加權(quán)公式如式(VI)所示,得到第P幀圖像的跟蹤模板;
[0041] Tp= a IXSja2XA1 (VI)
[0042] 式(VI )中,Tp為第ρ幀圖像的跟蹤模板;
[0043] C、判斷ρ是否等于〇,如果是,結(jié)束,否則,ρ加1,進(jìn)入步驟Α。
[0044] 根據(jù)本發(fā)明優(yōu)選的,所述距離變換采用歐氏距離變換,歐氏距離變換公式如式 (W)所示:
[0046] 式(VE)中,D為兩點(diǎn)之間的歐氏距離,(Xl,yi)為獨(dú)立的像素點(diǎn),(x 2,y2)為離(Xl, yi)最近的非零像素點(diǎn)。
[0047] 根據(jù)本發(fā)明優(yōu)選的,步驟A中,如果通過公式(IV)求取的最大的匹配值不大于閾 值s,T p= T p i,Tp為第P幀圖像的跟蹤模板,進(jìn)入步驟C,并在搜索下一幀圖像的跟蹤目標(biāo) 時(shí)擴(kuò)大測試樣本Dpl中心點(diǎn)的選取范圍,其選取范圍的半徑可擴(kuò)大(1-50)個(gè)像素點(diǎn)。
[0048] 本發(fā)明的有益效果為:
[0049] 1、本發(fā)明所述方法應(yīng)用于深度圖像,能在保護(hù)跟蹤目標(biāo)隱私的同時(shí),實(shí)時(shí)跟蹤目 標(biāo)。
[0050] 2、由于深度圖像不受場景光照、陰影等復(fù)雜背景的影響,因此,本發(fā)明對光照、陰 影等復(fù)雜背景有很強(qiáng)的魯棒性,并且實(shí)驗(yàn)表明,本發(fā)明對遮擋有較強(qiáng)的魯棒性;
[0051] 3、本發(fā)明執(zhí)行效率高,在預(yù)測跟蹤目標(biāo)時(shí),本發(fā)明提出的方法采用了粗搜索到精 搜索的搜索方法,減少了測試樣本的數(shù)目,提高了算法的運(yùn)行速度;
[0052] 4、本發(fā)明具有較高的跟蹤準(zhǔn)確度,在跟蹤目標(biāo)的匹配值較低時(shí),本發(fā)明不更新跟 蹤模板并對下一幀圖像擴(kuò)大搜索范圍,避免了跟蹤目標(biāo)移動過快或變化過大造成的目標(biāo)丟 失。
【具體實(shí)施方式】
[0053] 下面結(jié)合實(shí)施例對本發(fā)明作進(jìn)一步限定,但不限于此。
[0054] 實(shí)施例1
[0055] -種基于深度圖像或深度視頻序列的實(shí)時(shí)跟蹤目標(biāo)的計(jì)算方法,具體步驟包括:
[0056] (1)采集深度圖像,并對采集的深度圖像進(jìn)行預(yù)處理,所述預(yù)處理包括依次進(jìn)行求 補(bǔ)、腐蝕、膨脹、填充、重構(gòu)、邊緣提取、距離變換、歸一化;
[0057] 由于環(huán)境噪聲和設(shè)備噪聲的存在,深度圖像的質(zhì)量不理想,所以需要對獲取的深 度圖像進(jìn)行預(yù)處理。
[0058] (2)在第1幀深度圖像中,手動標(biāo)記初始跟蹤目標(biāo)A1;在初始跟蹤目標(biāo)A 近取若 干個(gè)訓(xùn)練樣本Xlt,訓(xùn)練樣本Xlt中心點(diǎn)的選取方法為:在以初始跟蹤目標(biāo)A1S圓心、10個(gè)像 素點(diǎn)為半徑的圓內(nèi)隨機(jī)取20個(gè)像素點(diǎn);在遠(yuǎn)離初始跟蹤目標(biāo)A1處取若干個(gè)訓(xùn)練樣本Y y 訓(xùn)練樣本Yu中心點(diǎn)的選取方法為:在以初始跟蹤目標(biāo)A1為圓心、30像素點(diǎn)為內(nèi)半徑、50個(gè) 像素點(diǎn)為外半徑的圓環(huán)內(nèi)隨機(jī)取20個(gè)像素點(diǎn);任一訓(xùn)練樣本X lt、任一訓(xùn)練樣本Yu均與初 始跟蹤目標(biāo)A1大小相同;訓(xùn)練樣本B Η包括所有的訓(xùn)練樣本X lt及所有的訓(xùn)練樣本Y w i = t+j,將每一個(gè)訓(xùn)練樣本B11分別與初始跟蹤目標(biāo)A i進(jìn)行模板匹配并分類,模式匹配并分類 公式如式(I )所示:
[0060] 式(I )中,C11為第一幀深度圖像中初始跟蹤目標(biāo)A1與訓(xùn)練樣本B11的匹配值, 為A1的均值,瓦為B11的均值,凡為B11的矩陣,m為凡·的行,η為凡.的列;為 ? Ii. 聰. Ximn iIfm iMn- 為矩陣,m為J1的行,η為4的列; mn- mn
[00
當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1