[发明专利]一种目标的跟踪方法和跟踪系统

说明书

技术领域

本申请涉及图像处理领域，特别涉及一种目标的跟踪方法和跟踪系统。

背景技术

现有的目标跟踪方法有多种，大致分为如下三类：

(1)基于区域匹配的跟踪方法：基本思想是将检测阶段经过目标分割后获得的含有运动目标的区域提取出来，并作为跟踪匹配的模板，同时定义目标的匹配度量方法。在后续序列的待搜索图像帧中，通过匹配度量全图搜索与模板达到最佳匹配的区域，找到的使得匹配度量值最小的位置即可确定为目标在当前帧的位置，从而达到运动目标跟踪的目的。目前常用的搜索算法一般被归为全局搜索和局部搜索这两大类。对于大幅图像来讲，搜索全图十分耗时，难以应用到实际的跟踪系统中。局部搜索省去了全图搜索所耗费的大部分时间，因此实时性很好，但其对于目标检测的精确度要求较高。

(2)基于动态轮廓的跟踪方法：基于动态轮廓模型是一种用一组封闭曲线来描述运动目标的方法，该方法是通过大致勾勒出目标的轮廓，用该封闭的轮廓曲线作为匹配的模板，对后续帧图像进行边缘提取，在此二值化图像中搜索最匹配的轮廓曲线，从而达到跟踪的目的。需要注意的是，基于动态模型是被参数化且其解空间受限于预定义的初始形状，其对初值位置过于敏感，因此需要准确的初始化，才能保证跟踪的质量。

(3)基于特征的跟踪方法：该方法的基本思路是以某些特定的特征来表示运动目标，而并非将其看成一个整体。可以作为运动目标的特征有许多，不论是刚体运动目标还是非刚体目标，在相邻的两帧图像中，由于采样时间间隔很小(一般采样频率为25～30帧/秒)，所以可以认为目标的特征是恒定不变的。因此可以用曲线、参照点、直线等来表示运动目标，继而进行目标跟踪。但是该方法也有其缺点，物体的运动并非都是简单运动，其往往含有复杂运动(如旋转等)。当物体做复杂运动时其特征的提取将比较困难，因此后续的匹配和跟踪的准确性也难以保证。

由此可见，现有的目标跟踪方法都有其缺点或缺陷。

申请内容

本申请的目的是提供一种目标的跟踪方法和跟踪系统，解决传统的目标跟踪方法复杂度较高，稳定性较低，适应性弱的问题。

为解决上述技术问题，本申请提供一种目标的跟踪方法，具体技术方案如下：

将所述目标的原始目标图像作插值处理，获得统一分辨率的缩放图像；

将所述缩放图像转换成灰度图像；

计算所述灰度图像经DCT变换后得到的DCT系数矩阵的平均值；

计算所述DCT系数矩阵对应的感知哈希值；

根据所述感知哈希值计算匹配区域与所述灰度图像的距离，当最小的所述距离小于预设值时，更新匹配区域并重复计算匹配区域与所述灰度图像的距离，直至最小的所述距离大于所述预设值时结束。

其中，计算所述灰度图像经DCT变换后得到的DCT系数矩阵的平均值包括：

计算所述灰度图像的DCT变换，得到32*32的第一DCT系数矩阵；

根据图像的频率系数缩小所述DCT系数矩阵，得到8*8的第二DCT系数矩阵；

计算所述第二DCT系数矩阵中各元素的DCT值；

计算所述DCT值的平均值。

其中，计算所述DCT系数矩阵对应的感知哈希值包括：

将所述DCT值大于或等于所述平均值的元素的哈希单位值设为1，小于所述平均值的元素的哈希单位值设为0；

组合所有元素的所述哈希单位值得到64位二进制编码的感知哈希值。

其中，根据所述感知哈希值计算匹配区域与所述灰度图像的距离包括：

利用穷尽搜索算法搜索匹配区域，根据所述感知哈希值计算所述匹配区域与所述灰度图像的汉明距离或欧式距离。

本申请还提供一种目标的跟踪系统，包括：

缩放模块，用于将所述目标的原始目标图像作插值处理，获得统一分辨率的缩放图像；

灰度模块，用于将所述缩放图像转换成灰度图像；

第一计算模块，用于计算所述灰度图像经DCT变换后得到的DCT系数矩阵的平均值；

第二计算模块，用于计算所述DCT系数矩阵对应的感知哈希值；

循环计算模块，用于根据所述感知哈希值计算匹配区域与所述灰度图像的距离，当最小的所述距离小于预设值时，更新匹配区域并重复计算匹配区域与所述灰度图像的距离，直至最小的所述距离大于所述预设值时结束。

其中，所述第一计算模块包括：

变换单元，用于计算所述灰度图像的DCT变换，得到32*32的第一DCT系数矩阵；