[发明专利]一种视觉目标识别与跟踪方法

说明书

技术领域

本发明涉及图像分析技术领域，尤其涉及一种视觉目标识别与跟踪方法。

背景技术

视觉目标识别与跟踪是从序列图像中识别视觉目标的位置，计算感兴趣目标状态，针对目标性质、自由度和跟踪条件，采用不同跟踪策略。视觉目标识别与跟踪技术在身份确认的指纹识别、人脸识别、图像处理、智能交通管理、仿真机器人等领域都有较好的应用情景。

目前，视觉目标识别与跟踪技术已成为国内外信息处理技术发展的重点。现有的视觉目标识别主要有以下几种方法：

(1)经典的统计模式识别方法。该方法主要是利用目标特征的统计分布，依靠目标识别系统的大量训练和基于模式空间距离度量的特征匹配分类技术，在较窄的场景定义域内获得有效地识别。但是，该方法为早期使用的方法，仅在很窄的场景定义域内，且在目标图像和周围背景变化不大的情况下才比较有效，难以解决姿态变化、目标污损变模糊、目标部分被遮蔽等问题。

(2)基于知识的目标识别方法。20世纪70年代末，人工智能专家系统开始应用到目标识别的研究，形成了基于知识的目标识别技术，即知识基(Knowledge Based，KB)系统。基于知识的目标识别算法在一定程度上克服了经典统计模式识别方法的局限性和缺陷。但是，该方法目前存在的主要问题是可供利用的知识源的辨识和知识的验证很困难，同时难以在适应新场景中有效地组织知识。

(3)基于模型的自动目标识别方法。模型基(Model Based，MB)的方法首先是将复杂的目标识别的样本空间模型化，这些模型提供了一种描述样本空间各种重要变化特性的简便途径。典型的模型基系统抽取一定的目标特性，并利用这些特性和一些辅助知识来登记目标的模型参数，从而选择一些初始假设，实现目标特性的预测。一个模型基系统的最终目标是匹配实际的特性和预测后面的特性。若标记准确，匹配过程则会成功和有效。但是，所述的基于模型的自动目标识别方法目前尚处于研究阶段，应用于实际还需时日。

(4)基于传感器信息融合的目标识别方法。单一传感器的导引头在有光、电干扰的复杂环境中，目标搜索和知识识别的能力、抗干扰能力及其工作可靠性都将降低。20世纪80年代兴起的基于多传感器信息融合(Multi-sensorInformation Fusion Based，MIFB)的目标识别方法克服了单一传感器系统的缺陷，每个传感器将数据馈入各自的信号处理机，先分别进行目标检测，得出有无目标的判决以及目标的位置信息或运动轨迹。然后将这些信息送入数据融合单元，对目标位置或运动轨迹进行关联后再做进一步的判决。但是，所述基于多传感器信息融合的自动目标识别方法，这些方法特征指标权重选取是认为确定，具有较大的主观随意性。

(5)基于人工神经网络和专家系统的目标识别方法。专家系统是以逻辑推理为基础，模拟人类思维的人工智能方法。人工神经网络(ANN)是以神经元连接结构为基础，通过模拟人脑结构来模拟人类形象思维的一种非逻辑、非语言的人工智能方法。神经网络应用到模式识别中能解决很多传统的识别方法所不能克服的困难，神经网络对有遮挡的目标进行识别也获得了较高的识别准确率。但是，所述基于人工神经网络和专家系统的目标识别方法，神经网络实现工程应用具有实时性欠佳的瓶颈。

针对现有技术存在的问题，本案设计人凭借从事此行业多年的经验，积极研究改良，于是有了本发明一种视觉目标识别与跟踪方法。

发明内容

本发明是针对现有技术中，现有的视觉目标识别和跟踪方法精确度低，实时性差等缺陷，提供一种视觉目标识别方法。

本发明的又一目的是针对现有技术中，现有的视觉目标识别和跟踪方法精确度低，实时性差等缺陷，提供一种利用所述视觉目标识别方法识别的视觉目标的跟踪方法。

为了解决上述问题，本发明提供一种视觉目标识别方法，所述视觉目标识别方法包括：将采集到的原始图像转换成二值图像；在所述二值图像的基础上计算出视觉目标的包围框；在所述包围框内寻找特征点。

可选的，所述特征点的个数为8个。

其中，所述原始图像转换成二值图像进一步包括：将原始图像转换成256级灰度图像；将灰度图像采用阈值分割法分割为二值图像。

所述原始图像转换成灰度图像的方法包括：通过Matrox捕捉卡取得原始图像的RGB格式的彩色图像，其中每个像素都使用R、G、B三个字节存储；将RGB色彩系统的图像转换到YUV色彩系统，其中Y信号代表像素的亮度；直接取出每个像素的Y信号，便获得一个代表256级的灰度图像。所述RGB色彩系统到YUV色彩系统的转化公式为