[发明专利]基于多特征融合的非刚体目标跟踪方法

说明书

本发明公开了基于多特征融合的非刚体目标跟踪方法，属于图像处理技术领域，方法具体包括将单帧目标区域图像分成若干跟踪子块；建立所述跟踪子块的关联模型；建立所述跟踪子块的预测模型；根据所述关联模型与预测模型预测所述跟踪子块运动轨迹。本发明利用一种基于多特征融合的非刚体目标跟踪方法解决了目标跟踪领域中非刚体目标的稳定准确跟踪问题，实现了对于目标发生较大变形的情况下依然具备较高准确度的跟踪能力。

技术领域

本发明涉及图像处理技术领域，尤其涉及基于多特征融合的非刚体目标跟踪方法。

背景技术

目标跟踪技术在军事及安防领域都有着十分重要的作用。目前目标跟踪的主要方法有激光跟踪、雷达跟踪、光电跟踪等，其中光电跟踪的核心方法就属于图像处理中的目标检测与识别范畴。

目标跟踪主要由图像处理算法和闭环的转台构成，实现的原理就是通过相机采集连续帧图像，并能够在每帧中提取出图像中目标的特征或模板，最终解算出目标的x方向与y方向的位置，并将该位置传给闭环的转台机构即可完成跟踪。其中跟踪的核心是图像处理的跟踪算法，跟踪算法又分不同的种类，根据大小有微弱目标跟踪、小目标跟踪、扩展目标跟踪；根据光的波段有红外目标跟踪、可见光目标跟踪；根据目标是否为刚体则可分为刚体目标跟踪、非刚体目标跟踪等等。

在实际的跟踪算法中，目前有两大类较难跟踪的情况，第一类是复杂背景目标，通常把目标称为前景，其他图像信息称为背景，而背景的复杂性直接决定了目标跟踪的算法难度，其主要原因是复杂背景会导致目标与背景无法进行有效区分；另一类难度较大的跟踪则是非刚体目标，对于刚体目标而言，通过Meanshifit方法或模板匹配等常规方法即使背景有一定的复杂度也依然可以保持一定时间的跟踪，例如：三峡大学的研究人员就是使用该方法实现了运动目标的跟踪，但是对于非刚体目标，目标的形态在发生变化，同一个模板内信息在不同的帧之间都会产生较大的差别，因此对于刚体目标的跟踪方法在非刚体上都缺乏较好的适应性，如何实现非刚体物体的跟踪是目前亟需解决的问题。

发明内容

本发明的目的在于克服现有技术中对刚体目标的跟踪方法应用于非刚体上都缺乏较好的适应性的问题，提供基于多特征融合的非刚体目标跟踪方法。

本发明的目的是通过以下技术方案来实现的：基于多特征融合的非刚体目标跟踪方法，包括以下步骤：

将单帧目标区域图像分成若干跟踪子块；

建立所述跟踪子块的关联模型；

建立所述跟踪子块的预测模型；

根据所述关联模型与预测模型预测所述跟踪子块运动轨迹进而实现了对非刚体目标的跟踪。

具体地，所述将目标图像区域分成若干跟踪子块具体包括：

将所述单帧目标区域图像分为若干子块，对所述子块进行离散余弦变换；

计算单帧目标区域图像若干子块中点特征的中高频的复杂指数；

根据中高频的复杂指数将目标图像区域分成若干相互分散的跟踪子块。

具体地，所述根据中高频的复杂指数将目标图像区域分成若干跟踪子块具体包括：

选取若干较大的中高频的复杂指数对应的单帧目标区域图像点特征作为跟踪关键点；

选取包括所述跟踪关键点的子块作为跟踪子块，该跟踪子块稳定性强，利于实现该跟踪子块的跟踪。

具体地，所述将单帧目标区域图像分成若干跟踪子块步骤前还包括：

采用多帧差法获取单帧原始图像中单帧目标区域图像，能够快速定位目标区域图像。

具体地，所述建立所述跟踪子块的关联模型步骤前还包括：