[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

说明书

本申请公开了一种运动物体特征点跟踪结果的筛选方法和系统，获取运动物体的前后两帧图像中通过灰度预筛选之后剩余的n个特征点的位移向量，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任意一个特征点的位移向量与所有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；本方案通过计算运动物体任意一个特征点的位移向量与所有特征点的位移向量之间的相似度，对所述特征点的跟踪结果进行筛选；在满足跟踪精度要求的同时提高了运算速度。

技术领域

本申请涉及图像跟踪技术领域，尤其涉及一种运动物体特征点跟踪结果的筛选方法和系统。

背景技术

目前，在图像跟踪技术领域普遍采用光流算法对运动物体进行跟踪拍摄，光流算法中公认效果比较好的是金字塔LK(Lucas Kanade)算法(LKP)，LKP(金字塔卢卡斯-金出)算法分为两个关键步骤，首先提取goodfeature特征点作为跟踪对象，然后根据选取的特征点通过迭代过程得到该特征点的目标位置。虽然LKP算法可以比较精确的得到目标位置，但是仍然存在误差，需要将跟踪过程中得到的发生严重偏差的目标位置筛选去除，以免对后续的迭代跟踪过程造成影响，现有的方法采用Ransac法，正反跟踪误差法或者图像块的归一化相关系数对特征点的跟踪结果，即目标位置进行筛选，但这些算法存在计算量大的问题。

发明内容

本申请的目的在于提出一种运动物体特征点跟踪结果的筛选方法和系统，能够在图像跟踪的过程中对特征点的跟踪结果进行筛选，满足跟踪精度要求的同时提高了运算速度。

为达此目的，本申请采用以下技术方案：

一方面，本申请提出一种运动物体特征点跟踪结果的筛选方法，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

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。

其中，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；

其中，所述预设距离阈值的取值范围为0～5；

其中，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。

其中，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LKT算子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，根据所述特征点的坐标和所述LKP算法得到后一帧图像中所述特征点的跟踪结果的跟踪坐标。