[发明专利]无标识运动目标跟踪测量方法

说明书

技术领域

本发明属于图像处理与机器视觉技术领域，具体涉及一种可对多个运动目标进行无标识跟踪测量的检测方法。

背景技术

运动目标检测与跟踪是图像处理与机器视觉相关领域的重要研究内容之一，目标跟踪主要是研究视频图像序列中运动目标的检测、提取、识别和跟踪，获得运动目标的运动参数，如位置、速度、加速度等，以及目标运动的轨迹，从而进行进一步处理与分析，实现对运动目标的行为理解，以完成更高一级的任务。因此，运动目标检测与跟踪成为了十分重要的研究方向。对于简单环境下的大目标，目前，已有相应的图像处理方法完成相应的自动检测和跟踪。

在“第九届全国信息获取与处理学术会议”上，李伟宁提出了基于运动区域分析、图像匹配、动态模板更新等的跟踪算法。当运动目标出现时，建立边界框并生成模板进行跟踪，如果运动目标外形发生变化，及时更新模板并初始化。该算法在可见光图像的实验中取得了较好的跟踪效果。

美国卡耐基梅隆大学机器人学院所发表的《Moving Target Classification and Tracking from Real-time Video》中提出了利用各帧之间的明暗差异和目标匹配的方式来进行目标的跟踪。文中提出将目标分为三种类型模板：人，机动车和背景，在追踪过程中将所发现的目标与该目标模板进行匹配，从而实现跟踪。

现如今，出现的目标跟踪测量系统基本上都只能对简单环境下的大目标或者是添加标记的目标进行跟踪测量，适用范围并不是很广。

发明内容

（一）要解决的技术问题

本发明针对以上不足之处，利用背景和目标的特征差异、前后帧的模板匹配以及目标识别等方式，完成了可对多种类型、多个目标、无标识跟踪测量的方法。

（二）技术方案

为了解决上述问题，本发明提供了一种无标识运动目标跟踪测量方法，包括：S1、在初始图像上获取背景和目标信息；S2、选择目标类型，选定目标，进行目标检测。

优选地，所述步骤S1包括：首先获取图像上的背景信息，然后将各个目标的信息与背景信息相互对比，进而确定各个目标的模板信息，之后，利用模板与图像的匹配，找到匹配程度最高的区域，将其中心点视为目标的准确位置，进而实现目标的跟踪。

优选地，初始图像上目标信息的获取过程如下：

1)获取图像背景上R、G、B分量的亮度平均值ave_r，ave_g，ave_b，并求出这三个值的平均值；

2)获取图像上目标的长短轴，求出长轴上R、G、B分量的亮度平均值和标准偏差，并与背景的亮度平均值相比较，确定目标与背景的明暗关系；

3)将目标长轴上R、G、B分量各像素点的亮度平均值进行排序，将其中亮度平均值最大分量的帧号设为a1帧，最小分量的帧号设为a2帧；

4)获得目标长轴在a1帧和a2帧图像上各像素点的亮度值,并依次求出各点E值大小，设长轴上某一像素点在a1帧和a2帧分量上的亮度值大小为P1、P2，亮度平均值为ave1、ave2，如果目标的亮度高于背景，由公式1求出E值并找出E值最大的坐标点（cx,cy），如果目标的亮度小于背景，由公式2求出E值并找出E值最小的坐标点（cx,cy），

E=(2*P1-P2)-4*||ave1-ave2|-|P1-P2||        （1）

E=P1+P2                                    （2）

5)以（cx,cy）为中心点，建立9×9像素的初始模板T（cx,cy），并以（cx,cy）为中心顺时针读取其周围80个像素在a1帧和a2帧分量上的亮度值，并存放在数组buf1[i]、buf2[i]中(0≤i<80)，对buf1[]、buf2[]中的值进行排序。

优选地，所述过程5）中排序方法如下：读取该模板最外层像素在a1帧上的亮度值，即从buf1[49]到buf2[80]，查找亮度值最大的元素作为新数组的第一个元素并记下其在原数组中的序号，将该序号之后的值依次排列在其后，该序号之前的值按原顺序排列到最后，按照这种方式，将buf1[]、buf2[]中的值依次存入数组sbuf1[]、sbuf2[]中。