專利名稱：視頻圖像中車(chē)輛目標(biāo)的跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種視頻圖像中車(chē)輛目標(biāo)的跟蹤方法，該方法屬于圖像處理和圖像識(shí)別技術(shù)領(lǐng)域范疇，是一種基于運(yùn)動(dòng)檢測(cè)和圖像形狀識(shí)別理論來(lái)實(shí)現(xiàn)視頻圖像中車(chē)輛目標(biāo)的跟蹤檢測(cè)，應(yīng)用范圍甚廣。

背景技術(shù)：
相關(guān)匹配技術(shù)量大，特別耗時(shí)，在大目標(biāo)或多個(gè)目標(biāo)進(jìn)行相關(guān)匹配時(shí)，往往難于實(shí)時(shí)匹配或配準(zhǔn)，因此提高相關(guān)匹配速度倍受關(guān)注的問(wèn)題。


發(fā)明內(nèi)容
視頻圖像中車(chē)輛目標(biāo)的跟蹤，采差圖像運(yùn)動(dòng)分析技術(shù)和相關(guān)匹配技術(shù)。相關(guān)匹配技術(shù)包括有積相關(guān)匹配算法和平均絕對(duì)差分(MAD)，這兩種相關(guān)匹配算法各有千秋，用戶可依據(jù)自己的應(yīng)用環(huán)境進(jìn)行選擇。
本發(fā)明是在MAD算法基礎(chǔ)上提出固定門(mén)限及可變門(mén)限的MAD匹配方法，從而使大部分的點(diǎn)C(x，y)或D(x，y)無(wú)需計(jì)算，可極大地減少計(jì)算量，提高匹配速度，使多個(gè)目標(biāo)跟蹤及軌跡描繪成為可能。



圖1是差圖像Dfi，fj(x，y)； 圖2是

隨M2增長(zhǎng)情況； 圖3是本文明的方法流程圖。

具體實(shí)施例方式 參見(jiàn)圖3以下是對(duì)本發(fā)明方法作進(jìn)一步說(shuō)明，其主要部分的具體內(nèi)容如下1、車(chē)輛差圖像運(yùn)動(dòng)分析 車(chē)輛差圖像Dfi，fj是車(chē)輛圖像f(x，y，ti)和f(x，y，tj)在(x，y)坐標(biāo)位置像素的比較結(jié)果；它是一幅二值圖像
這里，f(x，y，ti)和f(x，y，tj)在(x，y)位置的明顯差異由下式?jīng)Q定|mi-mj|＞T.......................................................(2) 式中，f(x，y，ti)和f(x，y，tj)的均值，T為灰度閾值。
按差式(2)，若f(x，y，ti)和f(x，y，tj)在灰度上有明顯差異，則Dfi，fj(x，y)＝1 否則，有Dfi，fj(x，y)＝0 在視頻檢測(cè)中，TV攝像和位置不變。車(chē)輛在視場(chǎng)中運(yùn)動(dòng)過(guò)程中的灰度從時(shí)刻ti到tj也保持不變，即在給定的(x，y)象素位置上。附圖1說(shuō)明。
依據(jù)差圖像可檢測(cè)出車(chē)輛。
2、車(chē)輛相關(guān)跟蹤算法 設(shè)TV攝像機(jī)在視場(chǎng)中攝取景物實(shí)時(shí)圖像，其亮度為r(u，v)，車(chē)輛圖像為s(u，v)，它事先有效起來(lái)，作為模板圖像又稱之為基準(zhǔn)圖像或參考圖像。圖像r(u，v)與s(u，v)是對(duì)同一景物在兩個(gè)不同場(chǎng)次內(nèi)攝取的圖像，它們?cè)诹炼燃拔恢玫确较蚣扔邢嗨朴钟胁煌？捎孟嚓P(guān)函數(shù)來(lái)描述r(u，v)與s(u，v)之間的相似性。
基本的相關(guān)算法有兩種，即積相關(guān)法和平均絕對(duì)差分(MAD)法。
2.1積相關(guān)匹配算法 積相關(guān)匹配算法公式為 式中M×M為相關(guān)區(qū)域 它是用直接計(jì)算兩場(chǎng)圖像相關(guān)程度的方法來(lái)計(jì)算兩幅圖像之間的位移量，顯然，相關(guān)度的最大值點(diǎn)為匹配點(diǎn)，也稱之配準(zhǔn)點(diǎn)。
2.2平均絕對(duì)差分(MAD)法算式必然為零 當(dāng)圖像r(u，v)與s(u，v)之間有相對(duì)運(yùn)動(dòng)時(shí)，則差分值D(x，y)開(kāi)始逐漸增大。與在積相關(guān)矩陣C(x，y)曲面上取最大值方法相似，在差分矩陣D(x，y)曲面上為零值(最大值)的點(diǎn)即為配準(zhǔn)點(diǎn)。
由于噪聲存在，在跟蹤過(guò)程中，總是取D(x，y)最小值的點(diǎn)作為配準(zhǔn)點(diǎn)。
3、創(chuàng)新后相關(guān)匹配算法 3.1固定門(mén)限的MAD相關(guān)匹配算法 在計(jì)算基準(zhǔn)圖像S(u，v)和實(shí)時(shí)圖像r(u，v)的匹配區(qū)域里所有各(x，y)點(diǎn)進(jìn)行計(jì)算，然后找出最大值或最小值，以此作為匹配點(diǎn)。但實(shí)際上要找出最大值或最小值并不需要對(duì)整個(gè)匹配區(qū)域內(nèi)的所有點(diǎn)(x，y)進(jìn)行精確計(jì)算，有相當(dāng)多的點(diǎn)(x，y)的相關(guān)函數(shù)值C(x，y)或D(x，y)無(wú)需計(jì)算，這可大大減小計(jì)算量，提高匹配速度，使多個(gè)目標(biāo)跟蹤及軌跡描繪成為可能。
MAD算法描繪計(jì)算式為 令|r(μ+x，v+y)-s(μ，v)＝∑(μ，v；x，y)，|其含義是當(dāng)實(shí)時(shí)圖像r(μ，v)與其準(zhǔn)圖像 s(μ，v)之間目距為(x，y)，且(μ，v)為某個(gè)定值時(shí)，圖像r(μ，v)與s(μ，v)相應(yīng)單元像素的相應(yīng)單元像素亮度之差。當(dāng)(x，y)為某個(gè)定值時(shí)，而(u，v)變化時(shí)，∑(x，y；μ，v)也當(dāng)然會(huì)隨之變化。對(duì)M×M圖像區(qū)域而言，(u，v)的可能取值為(1，1)，(1，2)，(1，M)，(2，1)，(M，M)，即為由M2個(gè)值組成的坐標(biāo)序列．故(4)式可表示為 可簡(jiǎn)寫(xiě)為 分析式(5)若r(μ，v)與s(μ，v)是配準(zhǔn)點(diǎn)，則D(x，y)值均應(yīng)大于配準(zhǔn)點(diǎn)的值。如若設(shè)置一個(gè)固定門(mén)限值T，在計(jì)算某一像素點(diǎn)(x，y)的

時(shí)，當(dāng)

超過(guò)門(mén)限T，便可停止計(jì)算。這里固定門(mén)限T應(yīng)略大于匹配點(diǎn)值時(shí)D(x*，y*)。如圖2所示 曲線1為配準(zhǔn)點(diǎn)(x*，y*)的

曲線，它隨著M2增長(zhǎng)較慢，基終值D(x*，y*)的

也較??；曲線2和曲線3為遠(yuǎn)離配準(zhǔn)點(diǎn)的

曲線，它隨著M2增長(zhǎng)速度較快，其終值D(x2，y2)和D(x3，y3)較匹配點(diǎn)的匹配值D(x*，y*)大得多。
從以上不難看出，固定門(mén)限法的MAD匹配算法，它可大大減少相關(guān)匹配的計(jì)算量，使MAD算法更是有實(shí)時(shí)性。
3.2可變門(mén)限的MAD匹配算法 附圖2說(shuō)明，曲線1，2，3均為單調(diào)遞增曲線，如將固定門(mén)限改變可變門(mén)限如圖1VT曲線所示，則可進(jìn)一步，減少計(jì)算量。
可變門(mén)限VT隨計(jì)算次數(shù)M2的增長(zhǎng)而單調(diào)地增加，VT取值應(yīng)略大于匹配點(diǎn)的值，即略大于
權(quán)利要求
1.視頻圖像中車(chē)輛目標(biāo)的跟蹤方法，采用以下兩種相關(guān)匹配算法
(1)固定門(mén)限的MAD相關(guān)匹配算法
(2)可變門(mén)限的MAD匹配算法。
2.如權(quán)利要求1所述固定門(mén)限的MAD相關(guān)匹配算法，由下列方法得出
在計(jì)算基準(zhǔn)圖像S(u，v)和實(shí)時(shí)圖像r(u，v)的匹配區(qū)域里所有各(x，y)點(diǎn)進(jìn)行計(jì)算，然后找出最大值或最小值，以此作為匹配點(diǎn)。但實(shí)際上要找出最大值或最小值并不需要對(duì)整個(gè)匹配區(qū)域內(nèi)的所有點(diǎn)(x，y)進(jìn)行精確計(jì)算，有相當(dāng)多的點(diǎn)(x，y)的相關(guān)函數(shù)值C(x，y)或D(x，y)無(wú)需計(jì)算，這可大大減小計(jì)算量，提高匹配速度，使多個(gè)目標(biāo)跟蹤及軌跡描繪成為可能。
MAD算法描繪計(jì)算式為
令|r(μ+x，v+y)-s(μ，v)＝∑(μ，v；x，y)，|其含義是當(dāng)實(shí)時(shí)圖像r(μ，v)與其準(zhǔn)圖像s(μ，v)之間目距為(x，y)，且(μ，v)為某個(gè)定值時(shí)，圖像r(μ，v)與s(μ，v)相應(yīng)單元像素的相應(yīng)單元像素亮度之差。當(dāng)(x，y)為某個(gè)定值時(shí)，而(u，v)變化時(shí)，∑(x，y；μ，v)也當(dāng)然會(huì)隨之變化。對(duì)M×M圖像區(qū)域而言，(u，v)的可能取值為(1，1)，(1，2)，...(1，M)，(2，1)，(M，M)，即為由M2個(gè)值組成的坐標(biāo)序列，故(4)式可表示為
可簡(jiǎn)寫(xiě)為
分析式(5)若r(μ，v)與s(μ，v)是配準(zhǔn)點(diǎn)，則D(x，y)值均應(yīng)大于配準(zhǔn)點(diǎn)的值。如若設(shè)置一個(gè)固定門(mén)限值T，在計(jì)算某一像素點(diǎn)(x，y)的
時(shí)，當(dāng)
超過(guò)門(mén)限T，便可停止計(jì)算。這里固定門(mén)限T應(yīng)略大于匹配點(diǎn)值時(shí)D(x*，y*)。
3.如權(quán)利要求1所述的可變門(mén)限的MAD匹配算法，由下列方法得出
將固定門(mén)限改變可變門(mén)限如圖1VT曲線所示，則可進(jìn)一步，減少計(jì)算量?？勺冮T(mén)限VT隨計(jì)算次數(shù)M2的增長(zhǎng)而單調(diào)地增加，VT取值應(yīng)略大于匹配點(diǎn)的值，即略大于
全文摘要
本發(fā)明涉及視頻圖像中車(chē)輛目標(biāo)的跟蹤方法，該方法在MAD算法基礎(chǔ)上提出固定門(mén)限及可變門(mén)限的MAD匹配方法，從而使大部分的點(diǎn)C(x，y)或D(x，y)無(wú)需計(jì)算，可極大地減少計(jì)算量，提高匹配速度，使多個(gè)目標(biāo)跟蹤及軌跡描繪成為可能。
文檔編號(hào)H04N7/26GK101101670SQ20071014304
公開(kāi)日2008年1月9日 申請(qǐng)日期2007年8月22日 優(yōu)先權(quán)日2007年8月22日
發(fā)明者王海燕 申請(qǐng)人:王海燕