[发明专利]目标形状检测方法及装置

说明书

技术领域

本发明涉及一种目标形状检测和跟踪方法及装置，特别是，涉及检测和识别诸如交通形状之类的具有一定形状轮廓的移动目标，以及能够在检测出相应形状后，通过对该形状的搜索范围进行限定从而跟踪目标形状的方法及装置。

背景技术

诸如形状之类的目标检测是机器视觉的一项重要任务。随着计算机和电子技术的快速发展，对具有一定形状轮廓的移动目标的检测和识别，特别是对交通标识的检测和识别的研究和开发日益受到重视。交通标识的自动识别是智能交通技术中的重要组成部分。准确地识别诸如交通标识之类的目标能够有效降低交通事故发生的几率，增强汽车的安全性。另外，识别交通标识可以向驾驶员提供更多驾驶信息，舒缓疲劳，提供更加舒适的驾车和乘车环境。

在交通标识的自动识别过程中，如何高效准确地识别出道路场景中存在的各种交通标识是该研究的关键和难点之一。借助跟踪的方法可以有效地提高交通标识的识别率和系统的运行效率。

自动目标检测和跟踪是视频分析和理解的基本步骤之一，同时又是视觉监控的重要研究内容。如何有效地对视频序列中感兴趣的目标进行有效的检测和跟踪是计算机视觉领域中的一个主要课题。根据摄像机的状态视频进行目标检测和跟踪的问题可以分为两类，即，假设摄像机相对于背景被固定安置，或者摄像机处于运动状态。在后一种情况下，由于背景、目标均可能处于移动状态，而无法在前景目标与背景之间建立模型，检测、和跟踪的难度较大。

图1示出了由摄像头拍摄的道路交通的一帧视频场景的示意图。在现有技术中，可以通过图像边缘的灰度变化，利用已有的边缘化算法，提取出图像中包含的各种图形的边缘。如果这些图形中包含要检测的形状，可以通过检测形状的边缘得到相应形状的图案。

移动目标的识别和跟踪面临着多种困难。例如，目标在移动过程中可能受其它移动物体的干扰，其它物体的遮挡和阴影的干扰，来自各种光源的反光和强光照射使目标变得不清晰，目标移动过程中尺度、角度上的变化，以及距目标距离较远时目标成像模糊等等。目形状别算法往往不能保证较高的目标检测和识别率，结合目标跟踪算法可以有效的提高系统效率和提供识别率。

日本专利申请公开No.JP2004—240801(专利文献1)揭示了一种使用人工muck的智能型系统的自己位置识别装置和方法以及使用该装置和方法的智能型系统。日本专利申请公开No.JP2004—332258(专利文献2)揭示了一种形状检测装置及形状检测方法。这两篇专利文献主要采用CONDENSATION(条件概率密度传播，也即粒子滤波)的跟踪方法。该方法首先在一定的区域内选择具有不同权重的粒子，并通过运动模型预测这些粒子的可能的运动位置，然后对每个粒子添加一定的随机位移量。此后，通过模版匹配、颜色等各种特征量度量粒子在新位置的权重。权重大的粒子进行分裂，权重小的粒子则衰亡。最终通过对所有粒子的统计分析计算目标可能的位置。

尽管该类方法具有多目标跟踪的能力，而且可以解决非线性的动态模型问题，效率较高的优点。然而，该方法也存在一些问题。例如，对交通形状的跟踪问题，一方面无法采用较为简单的粒子权重计算方法(模版匹配或者颜色模型等无法采用)。另一方面则由多个粒子计算目标的真实位置存在一定的困难。

日本专利申请公开No.JP2005—100997(专利文献3)揭示了一种通过局部边缘特性的似然计算，推定边缘模型的跟踪位置的技术。专利文献3所公开的方法如下：1.确定跟踪对象的边缘模型；2.将边缘模型投影到输入画面；3.在边缘模型的投影的局部区域，检测输入画面的边缘点，并使之组织化；4.通过组织化的参数，进行似然计算；5.通过多个似然的组合推定跟踪位置和跟踪形状；6.更新边缘模型。然后，该方法重复从步骤2起的过程。

然而，该方法存在下列问题。首先，该方法完全以边缘图像为前提条件，因此很难用于低画质的图像。另外，在边缘模型的投影位置和输入图像的边缘分布之间，需要紧密接触的关系。然而，在车载摄影图像的情况下，道路状况和运行状态等变化很多，所以不能保证这种关系。此外，似然计算和模型的更新等对非刚体有优点。然而，在刚体的情况下，局部边缘特征少，所以很难进行正确的似然计算。