[发明专利]一种运动物体特征点跟踪结果的筛选方法和系统

权利要求书

1.一种运动物体特征点跟踪结果的筛选方法，其特征在于，包括：

获取运动物体的前后两帧图像；

获取前一帧图像中运动物体的特征点和所述特征点的原始坐标，根据所述原始坐标得到后一帧图像中所述特征点的跟踪结果的跟踪坐标；

根据灰度筛选法对所述跟踪结果进行预筛选得到筛选之后剩余的n个跟踪结果的跟踪坐标；

根据所述n个跟踪坐标和所述跟踪坐标对应的n个原始坐标得到n个所述特征点的位移向量1≤i≤n；

将所述位移向量单位化得到对应的单位向量根据所述单位向量得到所述n个特征点中任意一个特征点的位移向量与所述n个特征点的位移向量之间的相似度积分；

若所述相似度积分大于等于相似度预设阈值，所述相似度积分对应的特征点跟踪结果有效，反之所述特征点跟踪结果无效。

2.根据权利要求1所述的方法，其特征在于，所述相似度积分为v_i及v_j表示n个特征点中任意一个特征点单位化后的位移向量；d_ij表示位移一致性系数，其中，当小于预设距离阈值时，位移一致性系数d_ij＝1，反之d_ij＝0。

3.根据权利要求2所述的方法，其特征在于，所述预设距离阈值的取值范围为0～5。

4.根据权利要求1所述的方法，其特征在于，所述相似度预设阈值的取值范围为0～max(sum)，其中，max(sum)为所有特征点的相似度积分中的最大值。

5.根据权利要求1所述的方法，其特征在于，所述获取前一帧图像中运动物体的特征点和所述特征点的原始坐标，根据所述原始坐标得到后一帧图像中所述特征点的跟踪结果的跟踪坐标，具体为：

将前一帧图像的左上角设定为坐标原点，根据卢卡斯-金出-托马斯算子LKT获取运动物体在前一帧图像中的特征点和所述特征点的原始坐标；

将后一帧图像的左上角设定为坐标原点，根据所述特征点的原始坐标和金字塔卢卡斯-金出算法LKP得到后一帧图像中所述特征点的跟踪结果的跟踪坐标。

6.根据权利要求1所述的方法，其特征在于，若所述相似度积分大于相似度预设阈值，所述相似度积分对应的特征点跟踪结果有效之前，还包括：判断所述相似度积分是否大于等于所述相似度预设阈值。

7.一种运动物体特征点跟踪结果的筛选系统，其特征在于，包括：

图像获取模块，用于获取运动物体的前后两帧图像；

坐标获取模块，用于获取前一帧图像中运动物体的特征点和所述特征点的原始坐标，根据所述原始坐标得到后一帧图像中所述特征点的跟踪结果的跟踪坐标；

预筛选模块，用于根据灰度筛选法对所述跟踪结果进行预筛选得到筛选之后剩余的n个跟踪结果的跟踪坐标；

位移向量获取模块，用于根据所述n个跟踪坐标和所述跟踪坐标对应的n个原始坐标得到n个所述特征点的位移向量

相似度积分获取模块，用于将所述位移向量单位化得到对应的单位向量根据所述单位向量得到所述n个特征点中任意一个特征点的位移向量与所述n个特征点的位移向量之间的相似度积分；

跟踪结果筛选模块，用于若所述相似度积分大于等于相似度预设阈值，所述相似度积分对应的特征点跟踪结果有效，反之所述特征点跟踪结果无效。

8.根据权利要求7所述的系统，其特征在于，还包括：

距离阈值设置模块，用于设置预设距离阈值，所述预设距离阈值的取值范围为0～5；

相似度阈值设置模块，用于设置相似度预设阈值，所述相似度预设阈值的取值范围为0～max(sum)，其中，max(sum)为所有特征点的相似度积分中的最大值。