[发明专利]一种基于深度图像的多目标分割和跟踪方法

说明书

技术领域

本发明涉及图像处理、模式识别、自动控制及计算机应用领域，尤其涉及一种基于深度图像的多目标分割与跟踪方法。

背景技术

图像分割是图像处理到图像分析的关键步骤，是目标跟踪的准备阶段，也是进一步图像理解的基础。所谓图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。图像分割的应用广泛，几乎出现在有关图像处理的所有领域。例如，在遥感应用中，不同云系背景之间的分割，植被、道路、桥梁、水体间的分割等；在医学应用中，脑部MR图像分割；在交通图像分析中，车辆从背景中的分割、对车牌的分割等；在这些应用中，分割通常是为了进一步对图像进行分析、识别、压缩编码等，分割的准确性将直接影响后续任务的有效性。因此，分割的方法和精确度是至关重要的。

近几年来，研究人员不断改进原有方法并把其他学科的一些理论和方法用于图像分割，提出了不少新的分割方法，有分水岭分割技术、金字塔分割技术以及均值漂移分割技术等技术、遗传技术、尺度空间、多分辨率方法、非线性扩散方程等。目前，图像分割所采用的数据源主要为灰度图像和彩色图像，但都有着不可避免的缺点：就灰度图像而言，当图像中灰度差异不明显或者各物体的灰度范围值有大部分重叠现象时，往往难以得到准确的分割结果，从而产生很多过分割错误；而彩色图像不仅包括亮度信息，而且还有更多的有效信息，如色调、饱和度，实际上同样景物的灰度图像所包含的信息量与彩色图像难以相比，人类对色彩的感知更敏感，一幅质量较差的彩色图像似乎比一幅完美的灰度图像更具有吸引力，但其分割处理太过于复杂，实现也比灰度图像困难的多。

目标动态跟踪涉及了图像处理、模式识别、自动控制及计算机应用领域，是计算机视觉和图像编码研究领域的一个重要课题，在军事武器、工业监控、交通管理等领域都有广泛的应用。目标动态跟踪不仅需要完成背景分割，同时更得对目标进行识别，实现动态定位识别，同时，背景噪声和不特定的干扰等问题，也是需要面临的需要克服的挑战性问题。

发明内容

为了解决灰度图像分割时分辨率低、失误率大及彩色图像分割技术复杂问题和跟踪过程的噪声等干扰问题，本发明提供了基于深度图像的多目标分割和跟踪方法，提高了图像分割的效率，且分割效果好，同时实现了目标的动态跟踪且可靠性高，从而在图像处理和模式识别等方面具有重要的作用。

本发明所处理的数据源是深度图像，这与常见的灰度图像和彩色图像有很大的不同。深度图像是将传感器镜头与目标的各个像素点的距离读取并储存而获得的图像数据。在深度图像中，目标是深度值在一定阈值内平滑的各个像素点的集合。故此，本发明根据深度数据的连续性特点进行多目标分割。

本发明是通过以下方法实现的，本发明是基于深度图像的深度数据连续性准则，从而获得对图像进行多目标分割并且动态跟踪。本发明所提出的一种基于深度图像的多目标分割和跟踪方法，其特征在于，该方法包括以下步骤：

步骤1，采集多帧深度图像；

步骤2，基于采集到的多帧深度图像进行背景建模；

步骤3，基于建立的背景，寻找并显示前景；

步骤4，判断是否为首次发现前景，若是，则转到步骤5，若否，则转到步骤6；

步骤5，对发现的前景进行多目标分割；

步骤6，对发现的前景进行动态跟踪；

步骤7，判断是否有新的深度图像数据输入，若有，则回到步骤2，若无，则结束。

本发明的有益效果是：目标分割快速，分割效果优越，跟踪丢失和误跟踪发生概率低，处理速度快，具有较高的跟踪精度。同时，扩展了图像分割数据源，使得研究更具开放性，多样性。本发明运用前景广泛，在计算机图像处理，模式识别等方面有着重要作用，也为计算机三维应用在分割与跟踪提供了应用趋势。

附图说明

图1是本发明所提出的一种基于深度图像的多目标分割和跟踪方法流程图。

图2是本发明背景建模更新模块流程图。

图3是本发明前景发现模块流程图。

图4是本发明目标分割模块中邻域判断步骤流程图。

图5是本发明目标分割模块主流程图。

图6是本发明目标动态跟踪模块主流程图。

图7是本发明目标动态跟踪模块中寻点处理步骤流程图。

图8是本发明目标动态跟踪模块中发现点部分增长步骤流程图。

图9是本发明目标动态跟踪模块中发现区域扩增步骤流程图。

具体实施方式