[发明专利]一种基于粒子群优化的模版匹配跟踪方法

说明书

本发明公开了一种基于粒子群优化的模版匹配跟踪方法，所述方法首先根据目标以往的运动情况预测目标在当前帧中可能的位置，每一种预测用粒子群优化算法中的一个粒子进行表示，将目标的位置和范围作为粒子群优化算法的搜索空间；其次，在状态搜索空间中，运用粒子群优化搜索算法寻找具有最大相关匹配值的目标状态值作为目标跟踪的结果，并根据跟踪结果自适应更新模板以实现持续稳健的跟踪。本发明采用粒子群优化搜索的方法在目标状态空间中搜索，进行目标模板匹配，以得到当前帧的跟踪结果，该方法能够较好地提高跟踪算法的鲁棒性，并极大地降低算法的复杂度。

技术领域

本发明属于模版匹配技术领域，尤其涉及一种基于粒子群优化的模版匹配跟踪方法。

背景技术

视频目标跟踪是指根据视频中目标的视觉特征在视频帧序列中确定感兴趣的特定目标在图像中的位置、大小、速度等运动参数及轨迹。视频目标跟踪是计算机视觉系统的核心任务之一，在智能视频监控、人机交互、医学诊断、机器人导航等众多领域有着广泛的应用前景。然而在实际中，对复杂场景的鲁棒性以及对跟踪算法的实时性要求是目前视频目标跟踪技术的主要挑战。因此如何提高跟踪技术的准确性、实时性，以适应实际应用领域的各种需求是目前的视频目标跟踪技术领域关注的关键问题。

基于模版匹配的跟踪算法是一种简单、易行的跟踪算法，它是通过事先建立的目标模版在待测图像上与候选图像块进行相关性匹配运算，搜索寻找最佳匹配的图像块作为在当前帧中的跟踪结果，该算法具有理论简单明了、容易实现等特点。

Olson C F[Olson C F.Maximum-likelihood template matching[C]//ComputerVision and Pattern Recognition,2000.Proceedings.IEEE Conference on.IEEE,2000,2:52-57.]提出了运用最大似然计算模板匹配的方法，并提出该方法可用于视频跟踪。基于模版匹配的跟踪算法大多数能准确的跟踪上目标，但如果图上中有比较复杂的背景，存在干扰性很强的区域时，将会出现跟踪漂移并导致跟踪识别的情况，并且该算法计算复杂度较高，因此阻碍其在实际中的应用。为此，基于模版匹配的跟踪算法的不同的策略被提出，其目的在于提高模版匹配的效率及鲁棒性。目前基于模板匹配的跟踪算法的改进主要在两个方面，其一，减少相关匹配计算的运算量；其二，减少相关匹配计算的次数。减少相关匹配的计算量，也就可能改变了匹配的方法，那么匹配的精度就难以保证。

模版匹配算法以图像像素值信息进行匹配的，通常采用的是归一化相关系数的模版匹配算法，通过建立归一化的相关函数的方法来进行相似度量的计算。相似度量r(x,y)，即描述目标模版T(x₀,y₀)与候选模版G(x+ x₀,y+y₀)的相似程度的一个标量值。

根据柯西-施瓦兹不等式可知式(1)中0<r(x,y)≤1，只有当目标模版和候选模版完全一致时，r(x,y)取得最大值1。基于模板匹配的跟踪算法就是即要在视频当前帧中寻找使得r(x,y)取得最大值的候选图像块位置作为当前目标的位置；由公式(1)可知，对应每一个大小为W×H的候选匹配图像块，模板匹配算法需要进行Ο(WH)次乘法运算，传统的模板匹配算法在图像中采用遍历的方法搜索寻找最优的匹配，对于大小为U-V的图像搜索区域而言，则需要Ο(WHUV)次乘法运算，即使按照费俊琳等人提出的由粗及细的方法，也至少需要次乘法运算，m与n其中为粗搜索的间隔，而精搜索的图像区域大小为U′×V′。

现有的模板匹配的计算复杂度很高，由粗及细的搜索方法也容易陷入局部最优，使得最终得到的匹配结果不是最优结果。

发明内容