[发明专利]基于部件的对象跟踪方法

说明书

技术领域

本发明涉及一种图像处理技术领域的方法，具体是一种基于部件的对象跟踪方法。

背景技术

对象跟踪问题是计算机视觉中一个重要的研究领域，它在视频监控、图像压缩和三维重建等领域中都具有广泛的应用。运动对象在运动的过程中难免要遇到遮挡的问题，遮挡是影响跟踪稳定性的主要因素，克服遮挡是跟踪算法的难点之

经对现有技术文献的检索发现，Amit Adam等在Computer Vision andPattern Recognition(计算机视觉与模型识别)(2006年1月：798-805)发表的Robust Fragments-based Tracking using the Integral Histogram(基于部件和直方图的跟踪)提出将跟踪窗口分成若干个子窗口，对于被遮挡的子窗口直方图给予补偿，但其不足在于采用穷搜索的方法匹配两窗口降低了跟踪的实时性，并且结果不能体现出跟踪对象的运动角度。

发明内容

本发明的目的在于克服上述现有技术的不足，提出了一种基于部件的跟踪方法，将目标中的多个部件作为跟踪对象，使其采用基于核的灰度直方图来描述跟踪对象中的各个部件，通过卡尔曼滤波器预测部件的参数，继而利用基于核的灰度直方图进行修正，以完成跟踪，不但有效地克服遮挡问题，而且克服对象内部存在的相对运动以及非刚体变形等问题，具有良好的实时性和很好的跟踪效果。

本发明是通过以下技术方案实现的，包括如下步骤：

首先对出现的跟踪对象，使用FAST(加速区域)角点检测的方法对跟踪对象的跟踪部件进行定位；

然后通过灰度直方图描述跟踪部件，在后续的帧中通过卡尔曼滤波对跟踪部件进行跟踪，在每帧中通过观测值的测量来修正卡尔曼滤波的参数，并且进行部件的更新；

最后将跟踪对象标识出来。

所述对跟踪对象的跟踪部件进行定位，是指：采用FAST角点检测的方法检测运动对象中的角点，将以角点为中心的矩形窗口作为跟踪部件，FAST角点检测的方法具体为：为检查待检测点c周围的圆，寻找其中最长的圆弧，如果圆弧中所有的点的灰度值都大于c点的灰度值t个灰度值以上，t由用户根据需要设定，或者都小于c点的灰度值t个灰度值以上，则被判定为角点。

所述通过灰度直方图描述跟踪部件，是指：采用基于核的灰度直方图来描述跟踪部件，直方图为n维向量，n由用户根据需要设定，首先将颜色空间由256维映射到n维，然后采用Biweight(双权重)核函数对每个点加权，使距离中心较远的像素的权值较小，这样可以降低背景噪声的影响，提高直方图的稳定性。

所述的通过卡尔曼滤波对跟踪部件进行跟踪，具体为：卡尔曼滤波包括预测和修正两部分：预测部分采用预测方程组，利用前一时刻的状态值和预测误差做出预测，得到各个跟踪部件在当前时刻的位置，由于预测结果会存在一定误差，修改部分采用修正方程组，利用获得的当前时刻的观测值来修正预测结果。

所述通过观测值的测量来修正卡尔曼滤波器的参数，是指：在预测方程组预测出的跟踪部件位置周围采用螺旋式搜索的方法，找到一点，以该点为邻域的窗口的直方图和原部件直方图的欧氏距离小于设定的阈值，该点的位置就作为当前帧的观测值，修正方程组通过此观测值来修正当前的卡尔曼滤波器的预测值，得到修正后的状态估计值和噪声方差估计值。

所述进行部件的更新，具体为：如果在预测点周围无法找到符合条件的点，采用判决方法将对象标识，保留位于标识区域之内的部件，即保留由于对象旋转或由于遮挡而导致的部件消失但仍在跟踪对象之内的部件，淘汰因跟踪失败处在跟踪对象之外的部件，并将原部件的灰度直方图与当前时刻部件所处位置的灰度直方图加权相加的方法对灰度直方图进行更新。

所述将跟踪对象标识出来，是指：确定出跟踪对象的各个部件之后，用能够包含所有跟踪部件中心点的面积最小的矩形将跟踪对象标识出来，使得各个部件统一到一个对象，具体为：采用格雷厄姆方法确定出对象角点集合的凸壳，得到点集的凸壳之后，以凸壳上的一条边的延长线为矩形的一边，找出包含点集中所有点的矩形，依次旋转找出面积最小的矩形区域。