[发明专利]一种基于机器视觉的图像追踪定位方法及系统

说明书

本发明涉及图像跟踪领域，具体涉及一种基于机器视觉的图像追踪定位方法及系统。将全景摄像头拍摄得到的前一帧的灰度图像与当前帧的灰度图像进行帧间差分，获得帧差图像；对帧差图像用第一内核进行形态学腐蚀，得到腐蚀后的图像,用第二内核对腐蚀后的图像进行形态学膨胀，获得帧差图像；检测帧差图像中所有的外轮廓取最大的轮廓，作为检测出来的运动目标；用坐标转移矩阵对外接矩形中心进行坐标转换，得到云台摄像头的移动位置；用变焦转移矩阵对外接矩形中心进行转换，得到变焦系数；将前一帧的灰度图像替换为当前帧的灰度图像，重复第一步。通过本发明方法和系统，可以实现图像跟踪算法计算复杂度低，处理效率高，而且还提高了产品的可拓展性。

技术领域

本发明涉及图像跟踪领域，具体涉及一种基于机器视觉的图像追踪定位方法及系统。

背景技术

图像跟踪技术，是指通过某种方式(如机器视觉、红外、超声波等)将摄像头中拍摄到的物体进行定位，并指挥摄像头对该物体进行跟踪，让该物体一直被保持在摄像头视野范围内的技术。图像跟踪系统被广泛应用在教育、会议、医疗、庭审以及安防监控等各个行业。其中，应用于教育以及会议方面的全自动跟踪拍摄方案，更是引领了国内外全自动跟踪拍摄的技术潮流，为精品课程、视频会议的全自动摄制打下了坚实的技术基础。

现有的图像跟踪技术，大多采用机器视觉方法，即运动目标检测。常用的运动目标检测算法有帧间差分法、背景差分法、光流法等等。这些方法都是根据视频帧的上下文信息进行识别与检测。其中，帧间差分法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法。该方法原理简单，而且由于相邻帧的时间间隔比较小，对缓慢变化的环境光不敏感。

目前市面上的相关产品，大多采用将运动目标检测算法运行在嵌入式设备上的方案。但由于检测算法较高的计算复杂度和嵌入式CPU的计算负载瓶颈，运动目标检测算法会有较高的CPU占用率，大大影响了产品的开发成本和产品效果。

不仅如此，如今大多数产品的图像跟踪功能会跟固定的摄像头进行捆绑，用户无法自行选择摄像头型号，产品缺乏一定的可拓展性。

发明内容

鉴于以上现有技术中图像跟踪方法CPU耗费高、产品拓展性差的问题缺陷，本发明提供一种基于机器视觉的图像追踪定位方法及系统，可以实现对目标图像进行追踪定位以及跟踪拍摄。

本发明具体通过以下技术方案实现：

一种基于机器视觉的图像追踪定位方法，所述方法具体包括如下步骤：

步骤S01：将拍摄得到的前一帧的灰度图像与当前帧的灰度图像进行帧间差分，获得帧差图像；

步骤S02：对帧差图像用第一内核进行形态学腐蚀，得到腐蚀后的图像,用第二内核对腐蚀后的图像进行形态学膨胀，获得了膨胀后的帧差图像；

所述的内核为图像形态学处理中的概念，一般为一个领域范围，比如3*3的矩形领域范围，8*8的矩形领域范围。

步骤S03：检测膨胀后的帧差图像中所有的外轮廓，得到一系列连续轮廓，取其中最大的轮廓，作为检测出来的运动目标；

步骤S04：取最大的轮廓的外接矩形中心，用坐标转移矩阵对外接矩形中心进行坐标转换，得到所需移动位置；用变焦转移矩阵对外接矩形中心进行转换，得到变焦系数；

步骤S05：将前一帧的灰度图像替换为当前帧的灰度图像，重复步骤S01。

进一步的，于步骤S01中，所述的进行帧间差分，具体如下：

其中，I_d(x，y)为帧差图像；thr为差分阈值，abs为取绝对值；I_p(x，y)为前一帧灰度图像；I_c(x，y)为当前帧的灰度图像；所述的差分阈值用于控制算法的敏感度。