三維目標(biāo)跟蹤的方法和裝置的制造方法
【專(zhuān)利摘要】本發(fā)明實(shí)施例提供一種三維目標(biāo)跟蹤的方法和裝置。所述方法包括：獲取一幀包括預(yù)定跟蹤目標(biāo)在內(nèi)的三維點(diǎn)云數(shù)據(jù)，從所述三維點(diǎn)云數(shù)據(jù)中所述跟蹤目標(biāo)所處的基準(zhǔn)空間區(qū)域提取灰度特征，得到基準(zhǔn)三維灰度圖像；獲取下一幀圖像，并根據(jù)所述基準(zhǔn)空間區(qū)域在所述三維點(diǎn)云中的位置，在所述下一幀圖像中設(shè)定目標(biāo)空間區(qū)域，并從所述目標(biāo)空間區(qū)域提取灰度特征，得到目標(biāo)三維灰度圖像；根據(jù)所述基準(zhǔn)三維灰度圖像和所述目標(biāo)三維灰度圖像采用均值偏移算法確定所述跟蹤目標(biāo)在所述下一幀圖像中的位置。采用本發(fā)明實(shí)施例，可以提高目標(biāo)的跟蹤精度。
【專(zhuān)利說(shuō)明】
H維目標(biāo)跟蹤的方法和裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及計(jì)算機(jī)視覺(jué)技術(shù)，尤其設(shè)及一種=維目標(biāo)跟蹤的方法和裝置。
【背景技術(shù)】
[0002] 目標(biāo)跟蹤技術(shù)通過(guò)對(duì)圖像序列中的每一帖圖像進(jìn)行分析，確定跟蹤目標(biāo)在每一帖 圖像中的位置，并將其關(guān)聯(lián)起來(lái)形成跟蹤目標(biāo)的運(yùn)動(dòng)軌跡，從而達(dá)到對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤目 的。
[0003] 對(duì)于目標(biāo)跟蹤通常采用Mean Shift算法進(jìn)行，具體包括S個(gè)處理過(guò)程:建立目標(biāo) 模型、相似度匹配和通過(guò)Mean SMf t向量迭代捜索相似性最大的點(diǎn)，其中，在建立目標(biāo)模型 的處理中，通過(guò)顏色直方圖的方式表示目標(biāo)。然而，盡管顏色直方圖能夠在一定程度上反映 物體的顏色組成及成分比例，但卻丟失了顏色在圖像中的位置分布信息，因此很容易被光 照等因素干擾而丟失目標(biāo)。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于，提供一種=維目標(biāo)跟蹤的方法W及實(shí)現(xiàn)該方法的裝置，W實(shí) 現(xiàn)對(duì)跟蹤目標(biāo)的快速準(zhǔn)確的跟蹤，有效避免光照等因素的影響，從而提高跟蹤目標(biāo)的跟蹤 精度。
[0005] 根據(jù)本發(fā)明的一方面，提供一種=維目標(biāo)跟蹤的方法。所述方法包括，獲取一帖包 括預(yù)定跟蹤目標(biāo)在內(nèi)的=維點(diǎn)云數(shù)據(jù)，從所述=維點(diǎn)云數(shù)據(jù)中所述跟蹤目標(biāo)所處的基準(zhǔn)空 間區(qū)域提取灰度特征，得到基準(zhǔn)=維灰度圖像;獲取下一帖圖像，并根據(jù)所述基準(zhǔn)空間區(qū)域 在所述=維點(diǎn)云中的位置，在所述下一帖圖像中設(shè)定目標(biāo)空間區(qū)域，并從所述目標(biāo)空間區(qū) 域提取灰度特征，得到目標(biāo)=維灰度圖像;根據(jù)所述基準(zhǔn)=維灰度圖像和所述目標(biāo)=維灰 度圖像采用均值偏移算法確定所述跟蹤目標(biāo)在所述下一帖圖像中的位置。
[0006] 優(yōu)選地，所述根據(jù)所述基準(zhǔn)=維灰度圖像和所述目標(biāo)=維灰度圖像采用均值偏移 算法確定所述跟蹤目標(biāo)在所述下一帖圖像中的位置的處理包括:概率密度確定步驟:計(jì)算 所述基準(zhǔn)=維灰度圖像的灰度概率分布密度，并計(jì)算所述目標(biāo)=維灰度圖像的灰度概率分 布密度;預(yù)期位置確定步驟:將所述基準(zhǔn)灰度圖像的灰度概率分布密度和所述目標(biāo)=維灰 度圖像的灰度概率分布密度代入均值偏移算法中計(jì)算，得到所述跟蹤目標(biāo)在所述下一帖圖 像中的預(yù)期位置；目標(biāo)位置確定步驟:如果所述跟蹤目標(biāo)在所述=維點(diǎn)云數(shù)據(jù)的初始位置 與所述預(yù)期位置之間的差值小于預(yù)設(shè)的差值闊值，則將所述預(yù)期位置確定為所述跟蹤目標(biāo) 在所述下一帖圖像中的位置;捜索空間重設(shè)步驟:如果所述初始位置與所述預(yù)期位置之間 的差值大于或等于預(yù)設(shè)的差值闊值，則重新在所述下一帖圖像中設(shè)定目標(biāo)空間區(qū)域。
[0007] 優(yōu)選地，所述目標(biāo)空間區(qū)域?yàn)殚L(zhǎng)方體，則其帶寬為
[000引
[0009]其中，T為帶寬，a為所述目標(biāo)空間區(qū)域的長(zhǎng)，b為所述目標(biāo)空間區(qū)域的寬，C為所述 目標(biāo)空間區(qū)域的高。
[0010] 優(yōu)選地，所述方法還包括:獲取所述下一帖圖像中所述跟蹤目標(biāo)的標(biāo)定位置;根據(jù) 所述標(biāo)定位置與確定的所述跟蹤目標(biāo)在所述下一帖圖像中的位置的差值是否小于預(yù)設(shè)闊 值判定跟蹤精度。
[0011] 優(yōu)選地，所述灰度概率分布密度的函數(shù)表達(dá)式為：
[0012]
[0013] 其中，n表示灰度級(jí)別，rn表示灰度級(jí)別為第n級(jí)的像素的權(quán)值之和，q(n)表示灰度 級(jí)別為第n級(jí)的灰度概率分布密度，h(i J，k)表示位置坐標(biāo)為QJ，k)處的灰度的權(quán)值，0< i《a，0<j《b，0<k《c。
[0014] 根據(jù)本發(fā)明的另一方面，提供一種=維目標(biāo)跟蹤的裝置。所述裝置包括:基準(zhǔn)圖像 獲取模塊，用于獲取一帖包括預(yù)定跟蹤目標(biāo)在內(nèi)的=維點(diǎn)云數(shù)據(jù)，從所述=維點(diǎn)云數(shù)據(jù)中 所述跟蹤目標(biāo)所處的基準(zhǔn)空間區(qū)域提取灰度特征，得到基準(zhǔn)=維灰度圖像；目標(biāo)圖像獲取 模塊，用于獲取下一帖圖像，并根據(jù)所述基準(zhǔn)空間區(qū)域在所述=維點(diǎn)云中的位置，在所述下 一帖圖像中設(shè)定目標(biāo)空間區(qū)域，并從所述目標(biāo)空間區(qū)域提取灰度特征，得到目標(biāo)=維灰度 圖像;跟蹤目標(biāo)確定模塊，用于根據(jù)所述基準(zhǔn)=維灰度圖像和所述目標(biāo)=維灰度圖像采用 均值偏移算法確定所述跟蹤目標(biāo)在所述下一帖圖像中的位置。
[0015] 優(yōu)選地，所述跟蹤目標(biāo)確定模塊包括:概率密度確定單元，用于計(jì)算所述基準(zhǔn)=維 灰度圖像的灰度概率分布密度，并計(jì)算所述目標(biāo)=維灰度圖像的灰度概率分布密度;預(yù)期 位置確定單元，用于將所述基準(zhǔn)灰度圖像的灰度概率分布密度和所述目標(biāo)=維灰度圖像的 灰度概率分布密度代入均值偏移算法中計(jì)算，得到所述跟蹤目標(biāo)在所述下一帖圖像中的預(yù) 期位置；目標(biāo)位置確定單元，用于如果所述跟蹤目標(biāo)在所述=維點(diǎn)云數(shù)據(jù)的初始位置與所 述預(yù)期位置之間的差值小于預(yù)設(shè)的差值闊值，則將所述預(yù)期位置確定為所述跟蹤目標(biāo)在所 述下一帖圖像中的位置;捜索空間重設(shè)單元，用于如果所述初始位置與所述預(yù)期位置之間 的差值大于或等于預(yù)設(shè)的差值闊值，則重新在所述下一帖圖像中設(shè)定目標(biāo)空間區(qū)域。
[0016] 優(yōu)洗化，所沐目梳罕間區(qū)域?yàn)殚L(zhǎng)方體，則其帶寬為
[0017]
[001引其中，T為帶寬，a為所述目標(biāo)空間區(qū)域的長(zhǎng)，b為所述目標(biāo)空間區(qū)域的寬，C為所述 目標(biāo)空間區(qū)域的高。
[0019] 優(yōu)選地，所述裝置還包括:標(biāo)定位置獲取模塊，用于獲取所述下一帖圖像中所述跟 蹤目標(biāo)的標(biāo)定位置;跟蹤精度判定模塊，用于根據(jù)所述標(biāo)定位置與確定的所述跟蹤目標(biāo)在 所述下一帖圖像中的位置的差值是否小于預(yù)設(shè)闊值判定跟蹤精度。
[0020] 優(yōu)選地，所述灰度概率分布密度的函數(shù)表達(dá)式為：
[0021]
[0022]其中，n表示灰度級(jí)別，rn表示灰度級(jí)別為第n級(jí)的像素的權(quán)值之和，q(n)表示灰度 級(jí)別為第n級(jí)的灰度概率分布密度，h(i，j，k)表示位置坐標(biāo)為（i，j，k)處的灰度的權(quán)值，0< i《a，0<j《b，0<k《c。
[0023] 根據(jù)本發(fā)明實(shí)施例提供的=維目標(biāo)跟蹤的方法和裝置，通過(guò)從獲取的一帖包括預(yù) 定跟蹤目標(biāo)在內(nèi)的=維點(diǎn)云數(shù)據(jù)中所述跟蹤目標(biāo)所處的基準(zhǔn)空間區(qū)域提取灰度特征，得到 基準(zhǔn)=維灰度圖像，并在下一帖圖像中根據(jù)基準(zhǔn)空間區(qū)域在=維點(diǎn)云中的位置設(shè)定目標(biāo)空 間區(qū)域，從目標(biāo)空間區(qū)域提取灰度特征得到目標(biāo)=維灰度圖像，根據(jù)基準(zhǔn)=維灰度圖像和 目標(biāo)=維灰度圖像采用均值偏移算法確定跟蹤目標(biāo)在下一帖圖像中的位置，W實(shí)現(xiàn)對(duì)跟蹤 目標(biāo)的快速準(zhǔn)確的跟蹤，有效避免光照等因素的影響，從而提高跟蹤目標(biāo)的跟蹤精度。
【附圖說(shuō)明】
[0024] 圖1是示出根據(jù)本發(fā)明實(shí)施例一的=維目標(biāo)跟蹤的方法的流程圖；
[0025] 圖2是示出根據(jù)本發(fā)明實(shí)施例二的=維目標(biāo)跟蹤的方法的流程圖；
[0026] 圖3是示出根據(jù)本發(fā)明實(shí)施例=的=維目標(biāo)跟蹤的裝置的一種邏輯框圖；
[0027] 圖4是示出根據(jù)本發(fā)明實(shí)施例=的=維目標(biāo)跟蹤的裝置的另一種邏輯框圖。
【具體實(shí)施方式】
[0028] 本方案的發(fā)明構(gòu)思是，通過(guò)對(duì)一帖=維點(diǎn)云數(shù)據(jù)中跟蹤目標(biāo)所處的基準(zhǔn)空間區(qū)域 提取灰度特征得到基準(zhǔn)=維灰度圖像，并基于該基準(zhǔn)=維灰度圖像，在下一帖圖像中捜索 跟蹤目標(biāo)的位置，W實(shí)現(xiàn)對(duì)跟蹤目標(biāo)的快速準(zhǔn)確的跟蹤，有效避免光照等因素的影響，從而 提局跟蹤目標(biāo)的跟蹤精度。
[0029] 下面結(jié)合附圖詳細(xì)描述本發(fā)明的示例性實(shí)施例。
[0030] 實(shí)施例一
[0031] 圖1是示出根據(jù)本發(fā)明實(shí)施例一的=維目標(biāo)跟蹤的方法的流程圖。通過(guò)包括如圖3 所示的裝置的計(jì)算機(jī)系統(tǒng)執(zhí)行所述方法。
[0032] 參照?qǐng)D1，在步驟S110,獲取一帖包括預(yù)定跟蹤目標(biāo)在內(nèi)的=維點(diǎn)云數(shù)據(jù)，從所述 =維點(diǎn)云數(shù)據(jù)中所述跟蹤目標(biāo)所處的基準(zhǔn)空間區(qū)域提取灰度特征，得到基準(zhǔn)=維灰度圖 像。
[0033] 其中，跟蹤目標(biāo)可W為人體、車(chē)輛和動(dòng)物等，本發(fā)明實(shí)施例中跟蹤目標(biāo)W人體為例 進(jìn)行詳細(xì)說(shuō)明，其它跟蹤目標(biāo)的處理方式與此相同，在此不再寶述。基準(zhǔn)空間區(qū)域?yàn)榘ǜ?蹤目標(biāo)在內(nèi)的=維區(qū)域，例如長(zhǎng)方體區(qū)域、立方體區(qū)域或圓柱體區(qū)域等。=維點(diǎn)云數(shù)據(jù)為W 點(diǎn)的形式記錄的數(shù)據(jù)，每一個(gè)點(diǎn)包含有=維坐標(biāo)，并且還可W包含有灰度信息。=維點(diǎn)云數(shù) 據(jù)中包含有跟蹤目標(biāo)的幾何結(jié)構(gòu)信息。
[0034] 具體地，運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)技術(shù)中的重要部分，如何通過(guò)計(jì)算機(jī)等相關(guān) 設(shè)備對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行快速準(zhǔn)確地跟蹤成為計(jì)算機(jī)視覺(jué)技術(shù)中的重要問(wèn)題。為了快速獲得跟 蹤目標(biāo)的=維形狀信息，可W采用激光成像雷達(dá)(具體如陣列式激光雷達(dá)）。激光成像雷達(dá) 可W安裝在需要對(duì)某區(qū)域內(nèi)的目標(biāo)進(jìn)行跟蹤的相應(yīng)位置，并通過(guò)發(fā)射和接收的激光光束確 定進(jìn)入該區(qū)域內(nèi)的跟蹤目標(biāo)的=維形狀信息。由于激光成像雷達(dá)發(fā)射的是多條激光光束， 當(dāng)多條激光光束打在跟蹤目標(biāo)上時(shí)構(gòu)成了多個(gè)點(diǎn)，運(yùn)些點(diǎn)展現(xiàn)出了跟蹤目標(biāo)的=維形狀信 息，可稱(chēng)為S維點(diǎn)云數(shù)據(jù)。
[0035] 當(dāng)需要對(duì)跟蹤目標(biāo)進(jìn)行跟蹤時(shí)，可W在激光成像雷達(dá)中提取最新的一帖包括預(yù)定 跟蹤目標(biāo)在內(nèi)的=維點(diǎn)云數(shù)據(jù)。由于=維點(diǎn)云數(shù)據(jù)中會(huì)包含有大量的冗余信息，對(duì)該=維 點(diǎn)云數(shù)據(jù)的處理計(jì)算量很大。為了減少計(jì)算機(jī)的處理壓力，可W只對(duì)跟蹤目標(biāo)所處的基準(zhǔn) 空間區(qū)域進(jìn)行分析處理，具體地，可W在=維點(diǎn)云中劃分一空間區(qū)域（即基準(zhǔn)空間區(qū)域），該 空間區(qū)域可為W該跟蹤目標(biāo)的中屯、為中屯、的S維空間區(qū)域，且其中包括跟蹤目標(biāo)，例如跟 蹤目標(biāo)為人體，該空間區(qū)域?yàn)榘ㄔ撊梭w點(diǎn)云數(shù)據(jù)的長(zhǎng)方體區(qū)域?？紤]到跟蹤目標(biāo)的外形 及結(jié)構(gòu)能很好地表征跟蹤目標(biāo)的信息，因此，可對(duì)跟蹤目標(biāo)的=維點(diǎn)云數(shù)據(jù)進(jìn)行體素化處 理，即將跟蹤目標(biāo)的=維點(diǎn)云數(shù)據(jù)分割成多個(gè)立方體，可將每個(gè)立方體包含的點(diǎn)的個(gè)數(shù)作 為=維圖像的灰度值存儲(chǔ)，從而將跟蹤目標(biāo)的=維點(diǎn)云數(shù)據(jù)轉(zhuǎn)化為粗分辨率的=維灰度圖 像。
[0036] 在步驟S120,獲取下一帖圖像，并根據(jù)所述基準(zhǔn)空間區(qū)域在所述=維點(diǎn)云中的位 置，在所述下一帖圖像中設(shè)定目標(biāo)空間區(qū)域，并從所述目標(biāo)空間區(qū)域提取灰度特征，得到目 標(biāo)=維灰度圖像。
[0037] 其中，下一帖圖像為上述步驟SllO獲取的一帖=維點(diǎn)云數(shù)據(jù)對(duì)應(yīng)的圖像的相鄰的 下一帖圖像。目標(biāo)空間區(qū)域可W與上述基準(zhǔn)空間區(qū)域相同，也可W與上述基準(zhǔn)空間區(qū)域不 同。本發(fā)明實(shí)施例中，為了提高數(shù)據(jù)處理速度，目標(biāo)空間區(qū)域與上述基準(zhǔn)空間區(qū)域相同。
[0038] 具體地，對(duì)于激光成像雷達(dá)，距離相同條件下其分辨率不變，相鄰兩帖圖像所間隔 的時(shí)間非常短，如0.05秒(即頻率為20化)等，運(yùn)樣，跟蹤目標(biāo)與激光成像雷達(dá)之間的距離變 化不大，因此，可W在該基準(zhǔn)空間區(qū)域周?chē)我膺x擇一個(gè)空間區(qū)域作為目標(biāo)空間區(qū)域。由于 跟蹤目標(biāo)與激光成像雷達(dá)之間的距離變化不大，因此，包括跟蹤目標(biāo)在內(nèi)的空間區(qū)域的點(diǎn) 云數(shù)據(jù)的數(shù)量并不會(huì)發(fā)生較大的變化，從而落在每個(gè)體素的點(diǎn)云個(gè)數(shù)也不會(huì)有較大的變 化，運(yùn)樣，每個(gè)體素的灰度值本身就是一個(gè)相對(duì)不變的特征，所W，可W提取相應(yīng)的灰度值 和矩特征作為跟蹤目標(biāo)的特征空間。根據(jù)上述的跟蹤目標(biāo)的特征空間可W對(duì)上述目標(biāo)空間 區(qū)域進(jìn)行灰度特征提取，得到目標(biāo)=維灰度圖像。
[0039] 在步驟S130,根據(jù)所述基準(zhǔn)=維灰度圖像和所述目標(biāo)=維灰度圖像采用均值偏移 算法確定所述跟蹤目標(biāo)在所述下一帖圖像中的位置。
[0040] 其中，均值偏移算法（即Mean Shift算法）可W為一種自動(dòng)迭代跟蹤算法，可由 Mean Shift補(bǔ)償向量不斷沿著預(yù)定的方向移動(dòng)，在一定條件下，Mean Shift算法能收斂到 局部最優(yōu)點(diǎn)，從而實(shí)現(xiàn)對(duì)跟蹤目標(biāo)的準(zhǔn)確定位。
[0041] 具體地，基于所述基準(zhǔn)=維灰度圖像，分別計(jì)算其灰度概率密度、質(zhì)屯、位置和權(quán)重 等參數(shù)的參數(shù)值，基于目標(biāo)=維灰度圖像，分別計(jì)算其灰度概率密度和權(quán)重等參數(shù)的參數(shù) 值，然后，可W將基準(zhǔn)=維灰度圖像的灰度概率密度和目標(biāo)=維灰度圖像的灰度概率密度 代入到均值偏移算法中進(jìn)行計(jì)算，得到所述跟蹤目標(biāo)在所述下一帖圖像中的位置。如果得 到的跟蹤目標(biāo)的位置不符合預(yù)先設(shè)定的標(biāo)準(zhǔn)，可W重新執(zhí)行上述步驟S120和S130,直到捜 索到符合預(yù)先設(shè)定的標(biāo)準(zhǔn)的跟蹤目標(biāo)的位置為止。
[0042] 本發(fā)明實(shí)施例提供的=維目標(biāo)跟蹤的方法，通過(guò)從獲取的一帖包括預(yù)定跟蹤目標(biāo) 在內(nèi)的=維點(diǎn)云數(shù)據(jù)中所述跟蹤目標(biāo)所處的基準(zhǔn)空間區(qū)域提取灰度特征，得到基準(zhǔn)=維灰 度圖像，并在下一帖圖像中根據(jù)基準(zhǔn)空間區(qū)域在=維點(diǎn)云中的位置設(shè)定目標(biāo)空間區(qū)域，從 目標(biāo)空間區(qū)域提取灰度特征得到目標(biāo)=維灰度圖像，根據(jù)基準(zhǔn)=維灰度圖像和目標(biāo)=維灰 度圖像采用均值偏移算法確定跟蹤目標(biāo)在下一帖圖像中的位置，W實(shí)現(xiàn)對(duì)跟蹤目標(biāo)的快速 準(zhǔn)確的跟蹤，有效避免光照等因素的影響，從而提高跟蹤目標(biāo)的跟蹤精度。
[0043] 實(shí)施例二
[0044] 圖2是示出根據(jù)本發(fā)明實(shí)施例二的=維目標(biāo)跟蹤的方法的流程圖，所述實(shí)施例可 視為圖1的又一種具體的實(shí)現(xiàn)方案。
[0045] 參照?qǐng)D2,在步驟S210,獲取一帖包括預(yù)定跟蹤目標(biāo)在內(nèi)的=維點(diǎn)云數(shù)據(jù)，從所述 =維點(diǎn)云數(shù)據(jù)中所述跟蹤目標(biāo)所處的基準(zhǔn)空間區(qū)域提取灰度特征，得到基準(zhǔn)=維灰度圖 像。
[0046] 在步驟S220,獲取下一帖圖像，并根據(jù)所述基準(zhǔn)空間區(qū)域在所述=維點(diǎn)云中的位 置，在所述下一帖圖像中設(shè)定目標(biāo)空間區(qū)域，并從所述目標(biāo)空間區(qū)域提取灰度特征，得到目 標(biāo)=維灰度圖像。
[0047] 其中，基準(zhǔn)空間區(qū)域的長(zhǎng)度、寬度和高度分別與目標(biāo)空間區(qū)域的長(zhǎng)度、寬度和高度 都相同，所述目標(biāo)空間區(qū)域?yàn)殚L(zhǎng)方體，則其帶寬可為
[004引
......--------......................(1)
[0049] 其中，T為帶寬，a為所述目標(biāo)空間區(qū)域的長(zhǎng)度，b為所述目標(biāo)空間區(qū)域的寬度，C為 所述目標(biāo)空間區(qū)域的高度。如果S維點(diǎn)云數(shù)據(jù)中，在(x，y，z)處的灰度用f(x，y，z)表示，貝U 其帶寬可為公式(1)所示，相應(yīng)的權(quán)值矩陣
[0050]
.... (2)
[0051 ]其中，h(x,y ,Z)為權(quán)值，0<x《a,0<x《b,0<z《c。
[0052] 上述步驟S210和步驟S220的步驟內(nèi)容與上述實(shí)施例一中的步驟5110和步驟5120 的步驟內(nèi)容相同，在此不再寶述。
[0053] 在步驟S230,計(jì)算所述基準(zhǔn)=維灰度圖像的灰度概率分布密度，并計(jì)算所述目標(biāo) =維灰度圖像的灰度概率分布密度。
[0化4]旦化抽.其干其準(zhǔn)二維灰底圖像，使用灰度概率分布密度的函數(shù)表達(dá)式
[0化5] .............................(3 J
[0056] 進(jìn)行計(jì)算，得到基準(zhǔn)=維灰度圖像的灰度概率分布密度；同時(shí)，基于目標(biāo)=維灰度 圖像，使用上述灰度概率分布密度的函數(shù)表達(dá)式(3)進(jìn)行計(jì)算，得到目標(biāo)=維灰度圖像的灰 度概率分布密度。
[0057] 其中，n表示灰度級(jí)別，rn表示灰度級(jí)別為第n級(jí)的像素的權(quán)值之和，q(n)表示灰度 級(jí)別為第n級(jí)的灰度概率分布密度，h(i J，k)表示位置坐標(biāo)為QJ，k)處的灰度的權(quán)值，0< i《a，0<j《b，0<k《c。
[0058] 在步驟S240,將所述基準(zhǔn)灰度圖像的灰度概率分布密度和所述目標(biāo)=維灰度圖像 的灰度概率分布密度代入均值偏移算法中計(jì)算，得到所述跟蹤目標(biāo)在所述下一帖圖像中的 預(yù)期位置。
[0059] 具體地，在均值偏移算法中可W使用化attacharyya系數(shù)作為跟蹤目標(biāo)(如人體） 與待甄別跟蹤目標(biāo)（如待甄別人體）的相似性度量。Bhattacha巧ya系數(shù)通?？杀挥糜谟?jì)算 兩個(gè)分布的相似性，化attacharyya系數(shù)的值即為兩個(gè)分布重疊量的大小。在=維灰度特征 空間中，跟蹤目標(biāo)的基準(zhǔn)空間區(qū)域的灰度特征與目標(biāo)空間區(qū)域的灰度特征均服從一定的分 布函數(shù)，跟蹤目標(biāo)的空間區(qū)域的分布函數(shù)與目標(biāo)空間區(qū)域的分布函數(shù)的化attacharyya系 數(shù)越大，意味著兩者的=維灰度分布相似度也越大，即二者在同樣的體素內(nèi)所包含的點(diǎn)云 個(gè)數(shù)也就越接近，兩者點(diǎn)云在空間的分布也越相似。
[0060]如果所述基準(zhǔn)灰度圖像的灰度概率分布密度為'(1^，1〇，。^'，4￡護(hù)），所述目標(biāo) S維灰度圖像的灰度概率分布密度為g(i，j，k)，Q，j，kGN+)，則miattacharyya系數(shù)可表 示為：
[0061 ] 《斗
[0062] 可W對(duì)上述公式(4)進(jìn)行微分處理，使得化attacharyya系數(shù)取得最大值，從而得 到所述跟蹤目標(biāo)在所述下一帖圖像中的預(yù)期位置。
[0063] 除了可采用上述方法外，還可W通過(guò)其它方式計(jì)算得到所述跟蹤目標(biāo)在所述下一 帖圖像中的預(yù)期位置，即通過(guò)W下公式(5)

[0065] 其中，yo表示一帖S維點(diǎn)云數(shù)據(jù)中基準(zhǔn)空間區(qū)域的中屯、位置，yi表矛了一 A 跟蹤目標(biāo)的預(yù)期位置，h為權(quán)值，苗為跟蹤目標(biāo)的位置，Wi為跟蹤目標(biāo)的權(quán)值， ^ 跟蹤目標(biāo)的輪廓函數(shù)。
[0066] 可W通過(guò)所述跟蹤目標(biāo)在所述=維點(diǎn)云數(shù)據(jù)的初始位置與所述預(yù)期位置之間的 差值與預(yù)設(shè)的差值闊值之間的大小關(guān)系，確定所述跟蹤目標(biāo)在所述下一帖圖像中的位置， 相應(yīng)的處理可W參見(jiàn)下述步驟S250或步驟S260的處理。
[0067] 在步驟S250,如果所述跟蹤目標(biāo)在所述=維點(diǎn)云數(shù)據(jù)的初始位置與所述預(yù)期位置 之間的差值小于預(yù)設(shè)的差值闊值，則將所述預(yù)期位置確定為所述跟蹤目標(biāo)在所述下一帖圖 像中的位置。
[0068] 其中，差值闊值具體如0.8等，該差值闊值不宜過(guò)小，也不宜過(guò)大;如果差值闊值過(guò) 小則會(huì)大幅增加計(jì)算量，直接影響跟蹤目標(biāo)的跟蹤實(shí)時(shí)性，如果差值闊值過(guò)大則會(huì)降低跟 蹤目標(biāo)的跟蹤精度。差值闊值的選取可視具體應(yīng)用場(chǎng)景而定，對(duì)于實(shí)時(shí)性要求極高但跟蹤 精度不高的應(yīng)用場(chǎng)景，可W選用較大的差值闊值，而對(duì)于跟蹤精度要求較高的場(chǎng)景，可選取 較小的差值闊值。
[0069] 在步驟S260,如果所述初始位置與所述預(yù)期位置之間的差值大于或等于預(yù)設(shè)的差 值闊值，則重新在所述下一帖圖像中設(shè)定目標(biāo)空間區(qū)域。
[0070] 具體地，如果所述初始位置與所述預(yù)期位置之間的差值大于或等于預(yù)設(shè)的差值闊 值，則可確定所述預(yù)期位置與實(shí)際位置偏差較大，此時(shí)，可W執(zhí)行上述步驟S220中的根據(jù)所 述基準(zhǔn)空間區(qū)域在所述=維點(diǎn)云中的位置，在所述下一帖圖像中設(shè)定目標(biāo)空間區(qū)域，并從 所述目標(biāo)空間區(qū)域提取灰度特征，得到目標(biāo)=維灰度圖像的處理，同時(shí)繼續(xù)執(zhí)行上述步驟 S230~步驟S240的處理，直到所述跟蹤目標(biāo)在所述=維點(diǎn)云數(shù)據(jù)的初始位置與所述預(yù)期位 置之間的差值小于預(yù)設(shè)的差值闊值為止。
[0071] 在步驟S270,獲取所述下一帖圖像中所述跟蹤目標(biāo)的標(biāo)定位置。
[0072] 其中，標(biāo)定位置可W為下一帖圖像中跟蹤目標(biāo)的實(shí)際位置。
[0073] 在步驟S280,根據(jù)所述標(biāo)定位置與確定的所述跟蹤目標(biāo)在所述下一帖圖像中的位 置的差值是否小于預(yù)設(shè)闊值判定跟蹤精度。
[0074] 上述步驟S280的處理方式可W多種多樣，W下提供一種可選的處理方式，具體可 包括W下內(nèi)容:評(píng)估一個(gè)跟蹤目標(biāo)的跟蹤方法的優(yōu)劣，跟蹤精度是一個(gè)重要指標(biāo)。在=維激 光圖像中，跟蹤目標(biāo)的=維點(diǎn)云存在尺度不變性，即可W在點(diǎn)云中獲取跟蹤目標(biāo)的實(shí)際尺 寸大小，因此在跟蹤過(guò)程中，可W用圖像的量度直接表示跟蹤誤差，即可通過(guò)計(jì)算跟蹤目標(biāo) 中屯、的實(shí)際位置與預(yù)期位置的誤差距離來(lái)表征跟蹤精度。誤差距離D的數(shù)學(xué)表達(dá)式如下：
[0075]
[0076] ，、Ai,,1，H 'I/J、丄IH心巧w'j下也坐標(biāo)，（xo，yo，zo)表示空間區(qū)域的中屯、 坐標(biāo)（即跟蹤目標(biāo)的實(shí)際位置坐標(biāo)）。通過(guò)上述數(shù)學(xué)表達(dá)式(6)可知，誤差距離D越小表示跟 蹤精度越局。
[0077] 本發(fā)明實(shí)施例提供的=維目標(biāo)跟蹤的方法，一方面，考慮到跟蹤目標(biāo)=維點(diǎn)云數(shù) 據(jù)中可能包含太多的冗余信息，對(duì)跟蹤目標(biāo)的=維點(diǎn)云數(shù)據(jù)進(jìn)行體素化處理，將=維點(diǎn)云 數(shù)據(jù)轉(zhuǎn)化為粗分辨率的=維灰度圖像，舍去了跟蹤目標(biāo)點(diǎn)云中每個(gè)點(diǎn)的=維坐標(biāo)信息，使 得跟蹤目標(biāo)的=維點(diǎn)云數(shù)據(jù)被大幅壓縮，同時(shí)保留了點(diǎn)云的空間分布信息并W灰度值的形 式體現(xiàn)出來(lái)，從而提高了目標(biāo)跟蹤的速度和精度;另一方面，考慮到激光成像雷達(dá)前后兩帖 圖像之間的間隔時(shí)間非常短，分辨率不變，因此目標(biāo)區(qū)域的點(diǎn)云個(gè)數(shù)并不會(huì)發(fā)生較大的變 化，落在每個(gè)體素的點(diǎn)云個(gè)數(shù)相應(yīng)的也不會(huì)有較大變化，因此，可將每個(gè)體素的灰度值作為 一個(gè)相對(duì)不變的特征，進(jìn)而提取相應(yīng)的灰度值及矩特征作為跟蹤目標(biāo)的特征空間，W實(shí)現(xiàn) 對(duì)跟蹤目標(biāo)的快速準(zhǔn)確的跟蹤，有效避免光照等因素的影響。
[007引實(shí)施例S
[0079] 基于相同的技術(shù)構(gòu)思，圖3是示出根據(jù)本發(fā)明實(shí)施例=的=維目標(biāo)跟蹤的裝置的 邏輯框圖。參照?qǐng)D3,所述裝置包括基準(zhǔn)圖像獲取模塊310、目標(biāo)圖像獲取模塊320和跟蹤目 標(biāo)確定模塊330。
[0080] 基準(zhǔn)圖像獲取模塊310用于獲取一帖包括預(yù)定跟蹤目標(biāo)在內(nèi)的=維點(diǎn)云數(shù)據(jù)，從 所述=維點(diǎn)云數(shù)據(jù)中所述跟蹤目標(biāo)所處的基準(zhǔn)空間區(qū)域提取灰度特征，得到基準(zhǔn)=維灰度 圖像。
[0081] 目標(biāo)圖像獲取模塊320用于獲取下一帖圖像，并根據(jù)所述基準(zhǔn)空間區(qū)域在所述= 維點(diǎn)云中的位置，在所述下一帖圖像中設(shè)定目標(biāo)空間區(qū)域，并從所述目標(biāo)空間區(qū)域提取灰 度特征，得到目標(biāo)=維灰度圖像。
[0082] 跟蹤目標(biāo)確定模塊330用于根據(jù)所述基準(zhǔn)=維灰度圖像和所述目標(biāo)=維灰度圖像 采用均值偏移算法確定所述跟蹤目標(biāo)在所述下一帖圖像中的位置。
[0083] 另外，跟蹤目標(biāo)確定模塊330包括:概率密度確定單元，用于計(jì)算所述基準(zhǔn)=維灰 度圖像的灰度概率分布密度，并計(jì)算所述目標(biāo)=維灰度圖像的灰度概率分布密度;預(yù)期位 置確定單元，用于將所述基準(zhǔn)灰度圖像的灰度概率分布密度和所述目標(biāo)=維灰度圖像的灰 度概率分布密度代入均值偏移算法中計(jì)算，得到所述跟蹤目標(biāo)在所述下一帖圖像中的預(yù)期 位置；目標(biāo)位置確定單元，用于如果所述跟蹤目標(biāo)在所述=維點(diǎn)云數(shù)據(jù)的初始位置與所述 預(yù)期位置之間的差值小于預(yù)設(shè)的差值闊值，則將所述預(yù)期位置確定為所述跟蹤目標(biāo)在所述 下一帖圖像中的位置;捜索空間重設(shè)單元，用于如果所述初始位置與所述預(yù)期位置之間的 差值大于或等于預(yù)設(shè)的差值闊值，則重新在所述下一帖圖像中設(shè)定目標(biāo)空間區(qū)域。
[0084] 此外，所述目標(biāo)空間區(qū)域?yàn)殚L(zhǎng)方體，則其帶寬為
[0085]
[0086] 共T，1刃帶覓，a刃尸幾述目標(biāo)空間區(qū)域的長(zhǎng)，b為所述目標(biāo)空間區(qū)域的寬，C為所述 目標(biāo)空間區(qū)域的高。
[0087] 進(jìn)一步地，在如圖3所示的裝置的基礎(chǔ)上，如圖4所示的裝置還包括:標(biāo)定位置獲取 模塊340，用于獲取所述下一帖圖像中所述跟蹤目標(biāo)的標(biāo)定位置;跟蹤精度判定模塊350，用 于根據(jù)所述標(biāo)定位置與確定的所述跟蹤目標(biāo)在所述下一帖圖像中的位置的差值是否小于 預(yù)設(shè)闊值判定跟蹤精度。
[0088] 此外，所述灰度概率分布密度的函數(shù)表達(dá)式為：
[0089]
[0090] 其中，n表示灰度級(jí)別，rn表示灰度級(jí)別為第n級(jí)的像素的權(quán)值之和，q(n)表示灰度 級(jí)別為第n級(jí)的灰度概率分布密度，h(i J，k)表示位置坐標(biāo)為QJ，k)處的灰度的權(quán)值，0< i《a，0< j《b，0<k《c。
[0091 ]本發(fā)明實(shí)施例提供的=維目標(biāo)跟蹤的裝置，通過(guò)從獲取的一帖包括預(yù)定跟蹤目標(biāo) 在內(nèi)的=維點(diǎn)云數(shù)據(jù)中所述跟蹤目標(biāo)所處的基準(zhǔn)空間區(qū)域提取灰度特征，得到基準(zhǔn)=維灰 度圖像，并在下一帖圖像中根據(jù)基準(zhǔn)空間區(qū)域在=維點(diǎn)云中的位置設(shè)定目標(biāo)空間區(qū)域，從 目標(biāo)空間區(qū)域提取灰度特征得到目標(biāo)=維灰度圖像，根據(jù)基準(zhǔn)=維灰度圖像和目標(biāo)=維灰 度圖像采用均值偏移算法確定跟蹤目標(biāo)在下一帖圖像中的位置，W實(shí)現(xiàn)對(duì)跟蹤目標(biāo)的快速 準(zhǔn)確的跟蹤，有效避免光照等因素的影響，從而提高跟蹤目標(biāo)的跟蹤精度。
[0092] 進(jìn)一步地，本發(fā)明實(shí)施例中，一方面，考慮到跟蹤目標(biāo)=維點(diǎn)云數(shù)據(jù)中可能包含太 多的冗余信息，對(duì)跟蹤目標(biāo)的=維點(diǎn)云數(shù)據(jù)進(jìn)行體素化處理，將=維點(diǎn)云數(shù)據(jù)轉(zhuǎn)化為粗分 辨率的=維灰度圖像，舍去了跟蹤目標(biāo)點(diǎn)云中每個(gè)點(diǎn)的=維坐標(biāo)信息，使得跟蹤目標(biāo)的= 維點(diǎn)云數(shù)據(jù)被大幅壓縮，同時(shí)保留了點(diǎn)云的空間分布信息并W灰度值的形式體現(xiàn)出來(lái)，從 而提高了目標(biāo)跟蹤的速度和精度；另一方面，考慮到激光成像雷達(dá)前后兩帖圖像之間的間 隔時(shí)間非常短，分辨率不變，因此目標(biāo)區(qū)域的點(diǎn)云個(gè)數(shù)并不會(huì)發(fā)生較大的變化，落在每個(gè)體 素的點(diǎn)云個(gè)數(shù)相應(yīng)的也不會(huì)有較大變化，因此，可將每個(gè)體素的灰度值作為一個(gè)相對(duì)不變 的特征，進(jìn)而提取相應(yīng)的灰度值及矩特征作為跟蹤目標(biāo)的特征空間，W實(shí)現(xiàn)對(duì)跟蹤目標(biāo)的 快速準(zhǔn)確的跟蹤，有效避免光照等因素的影響。
[0093] 需要指出，根據(jù)實(shí)施的需要，可將本申請(qǐng)中描述的各個(gè)步驟/部件拆分為更多步 驟/部件，也可將兩個(gè)或多個(gè)步驟/部件或者步驟/部件的部分操作組合成新的步驟/部件， W實(shí)現(xiàn)本發(fā)明的目的。
[0094] 上述根據(jù)本發(fā)明的方法可在硬件、固件中實(shí)現(xiàn)，或者被實(shí)現(xiàn)為可存儲(chǔ)在記錄介質(zhì) (諸如CD R0M、RAM、軟盤(pán)、硬盤(pán)或磁光盤(pán))中的軟件或計(jì)算機(jī)代碼，或者被實(shí)現(xiàn)通過(guò)網(wǎng)絡(luò)下載 的原始存儲(chǔ)在遠(yuǎn)程記錄介質(zhì)或非暫時(shí)機(jī)器可讀介質(zhì)中并將被存儲(chǔ)在本地記錄介質(zhì)中的計(jì) 算機(jī)代碼，從而在此描述的方法可被存儲(chǔ)在使用通用計(jì)算機(jī)、專(zhuān)用處理器或者可編程或?qū)?用硬件(諸如ASIC或FPGA)的記錄介質(zhì)上的運(yùn)樣的軟件處理?？蒞理解，計(jì)算機(jī)、處理器、微 處理器控制器或可編程硬件包括可存儲(chǔ)或接收軟件或計(jì)算機(jī)代碼的存儲(chǔ)組件(例如，RAM、 ROM、閃存等），當(dāng)所述軟件或計(jì)算機(jī)代碼被計(jì)算機(jī)、處理器或硬件訪問(wèn)且執(zhí)行時(shí)，實(shí)現(xiàn)在此 描述的處理方法。此外，當(dāng)通用計(jì)算機(jī)訪問(wèn)用于實(shí)現(xiàn)在此示出的處理的代碼時(shí)，代碼的執(zhí)行 將通用計(jì)算機(jī)轉(zhuǎn)換為用于執(zhí)行在此示出的處理的專(zhuān)用計(jì)算機(jī)。
[0095] W上所述，僅為本發(fā)明的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何 熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明掲露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵 蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)W所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種三維目標(biāo)跟蹤的方法，其特征在于，所述方法包括： 獲取一幀包括預(yù)定跟蹤目標(biāo)在內(nèi)的三維點(diǎn)云數(shù)據(jù)，從所述三維點(diǎn)云數(shù)據(jù)中所述跟蹤目 標(biāo)所處的基準(zhǔn)空間區(qū)域提取灰度特征，得到基準(zhǔn)三維灰度圖像； 獲取下一幀圖像，并根據(jù)所述基準(zhǔn)空間區(qū)域在所述三維點(diǎn)云中的位置，在所述下一幀 圖像中設(shè)定目標(biāo)空間區(qū)域，并從所述目標(biāo)空間區(qū)域提取灰度特征，得到目標(biāo)三維灰度圖像； 根據(jù)所述基準(zhǔn)三維灰度圖像和所述目標(biāo)三維灰度圖像采用均值偏移算法確定所述跟 蹤目標(biāo)在所述下一幀圖像中的位置。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述基準(zhǔn)三維灰度圖像和所述目 標(biāo)三維灰度圖像采用均值偏移算法確定所述跟蹤目標(biāo)在所述下一幀圖像中的位置的處理 包括： 計(jì)算所述基準(zhǔn)三維灰度圖像的灰度概率分布密度，并計(jì)算所述目標(biāo)三維灰度圖像的灰 度概率分布密度； 將所述基準(zhǔn)灰度圖像的灰度概率分布密度和所述目標(biāo)三維灰度圖像的灰度概率分布 密度代入均值偏移算法中計(jì)算，得到所述跟蹤目標(biāo)在所述下一幀圖像中的預(yù)期位置； 如果所述跟蹤目標(biāo)在所述三維點(diǎn)云數(shù)據(jù)的初始位置與所述預(yù)期位置之間的差值小于 預(yù)設(shè)的差值閾值，則將所述預(yù)期位置確定為所述跟蹤目標(biāo)在所述下一幀圖像中的位置； 如果所述初始位置與所述預(yù)期位置之間的差值大于或等于預(yù)設(shè)的差值閾值，則重新在 所述下一幀圖像中設(shè)定目標(biāo)空間區(qū)域。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述目標(biāo)空間區(qū)域?yàn)殚L(zhǎng)方體，則其帶寬為其中，T為帶寬，a為所述目標(biāo)空間區(qū)域的長(zhǎng)，b為所述目標(biāo)空間區(qū)域的寬，c為所述目標(biāo) 空間區(qū)域的高。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述方法還包括： 獲取所述下一幀圖像中所述跟蹤目標(biāo)的標(biāo)定位置； 根據(jù)所述標(biāo)定位置與確定的所述跟蹤目標(biāo)在所述下一幀圖像中的位置的差值是否小 于預(yù)設(shè)閾值判定跟蹤精度。5. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述灰度概率分布密度的函數(shù)表達(dá)式為：其中，η表示灰度級(jí)別，rn表示灰度級(jí)別為第η級(jí)的像素的權(quán)值之和，q(n)表示灰度級(jí)別 為第η級(jí)的灰度概率分布密度，h(i，j，k)表示位置坐標(biāo)為（i，j，k)處的灰度的權(quán)值，0< i < a，0< j〇3,0<k^ic〇6. -種三維目標(biāo)跟蹤的裝置，其特征在于，所述裝置包括： 基準(zhǔn)圖像獲取模塊，用于獲取一幀包括預(yù)定跟蹤目標(biāo)在內(nèi)的三維點(diǎn)云數(shù)據(jù)，從所述三 維點(diǎn)云數(shù)據(jù)中所述跟蹤目標(biāo)所處的基準(zhǔn)空間區(qū)域提取灰度特征，得到基準(zhǔn)三維灰度圖像； 目標(biāo)圖像獲取模塊，用于獲取下一幀圖像，并根據(jù)所述基準(zhǔn)空間區(qū)域在所述三維點(diǎn)云 中的位置，在所述下一幀圖像中設(shè)定目標(biāo)空間區(qū)域，并從所述目標(biāo)空間區(qū)域提取灰度特征， 得到目標(biāo)三維灰度圖像； 跟蹤目標(biāo)確定模塊，用于根據(jù)所述基準(zhǔn)三維灰度圖像和所述目標(biāo)三維灰度圖像采用均 值偏移算法確定所述跟蹤目標(biāo)在所述下一幀圖像中的位置。7. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述跟蹤目標(biāo)確定模塊包括： 概率密度確定單元，用于計(jì)算所述基準(zhǔn)三維灰度圖像的灰度概率分布密度，并計(jì)算所 述目標(biāo)三維灰度圖像的灰度概率分布密度； 預(yù)期位置確定單元，用于將所述基準(zhǔn)灰度圖像的灰度概率分布密度和所述目標(biāo)三維灰 度圖像的灰度概率分布密度代入均值偏移算法中計(jì)算，得到所述跟蹤目標(biāo)在所述下一幀圖 像中的預(yù)期位置； 目標(biāo)位置確定單元，用于如果所述跟蹤目標(biāo)在所述三維點(diǎn)云數(shù)據(jù)的初始位置與所述預(yù) 期位置之間的差值小于預(yù)設(shè)的差值閾值，則將所述預(yù)期位置確定為所述跟蹤目標(biāo)在所述下 一幀圖像中的位置； 搜索空間重設(shè)單元，用于如果所述初始位置與所述預(yù)期位置之間的差值大于或等于預(yù) 設(shè)的差值閾值，則重新在所述下一幀圖像中設(shè)定目標(biāo)空間區(qū)域。8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述目標(biāo)空間區(qū)域?yàn)殚L(zhǎng)方體，則其帶寬為其中，T為帶寬，a為所述目標(biāo)空間區(qū)域的長(zhǎng)，b為所述目標(biāo)空間區(qū)域的寬，c為所述目標(biāo) 空間區(qū)域的高。9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括： 標(biāo)定位置獲取模塊，用于獲取所述下一幀圖像中所述跟蹤目標(biāo)的標(biāo)定位置； 跟蹤精度判定模塊，用于根據(jù)所述標(biāo)定位置與確定的所述跟蹤目標(biāo)在所述下一幀圖像 中的位置的差值是否小于預(yù)設(shè)閾值判定跟蹤精度。10. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述灰度概率分布密度的函數(shù)表達(dá)式為：其中，η表示灰度級(jí)別，rn表示灰度級(jí)別為第η級(jí)的像素的權(quán)值之和，q(n)表示灰度級(jí)別 為第η級(jí)的灰度概率分布密度，h(i，j，k)表示位置坐標(biāo)為（i，j，k)處的灰度的權(quán)值，0< i < a?0< j^b ?0<k^c〇
【文檔編號(hào)】G06T7/20GK105957106SQ201610266078
【公開(kāi)日】2016年9月21日
【申請(qǐng)日】2016年4月26日
【發(fā)明人】滕書(shū)華, 張文廣, 李洪
【申請(qǐng)人】湖南拓視覺(jué)信息技術(shù)有限公司