[发明专利]一种基于边缘检测的自适应模板匹配算法

摘要

本发明公开了一种基于边缘检测的自适应模板匹配算法，运用基于边缘特征的视频序列影像自适应模板匹配算法获得全局运动估计矢量，避免了模板选取不合理的问题，并采用固定帧运动补偿方式对当前帧图像进行矫正，从而获得稳定高质量的输出视频。本发明可以检测出由于摄像头的抖动而产生的位移，从而进行运动估计获得图像的全局运动矢量，采用固定帧运动补偿方式对当前帧图像进行矫正，消除摄像头抖动带来的影响，降低视频检测的误判，获得稳定高质量的输出视频。

主权项

一种基于边缘检测的自适应模板匹配算法，其特征在于，包括如下步骤：(1)从摄像设备中获取序列影像，并有用序列均值法进行背景建模获得一个“干净”的背景；(2)用边缘检测算法提取出背景图像边缘、直线、纹理、角点的边缘特征；(3)匹配模板建立，经过灰度二值化后，边缘特征在图中表示为“1”的像素，而空白区域则为“0”，建立模板的目标是选取背景边缘特征图中特征最明显的若干个区域，寻找特征最明显的区域即是求在模板大小范围内“1”的数量最多的若干个位置，假设模板左上角的坐标(x,y)为模板位置，则模板用如下公式表示：$G(x,y)=max\left(\underset{i=0}{\overset{M}{\Σ}}\underset{j=0}{\overset{N}{\Σ}}P\right(i,j\left)\right)$$P(x,y)=\underset{i=x}{\overset{L}{\Σ}}\underset{j=y}{\overset{H}{\Σ}}t(i,j);$其中P(x,y)表示左上角以(x,y)为起点，在模板宽度L和高度H的范围内所有像素值的和，G(x,y)表示在整幅图像中，以(0,0)为起点，图像宽度M和高度N的范围内所有模板像素和的最大值，此时(x,y)位置的模板即为边缘特征最明显的模板；(4)模板进行自适应调整，在系统初始化时记录车辆经过的轨迹，并通过权值法来确定模板的位置，即是通过给不同区域的像素点赋予不同的权值来确定模板的位置，公式如下所示：$G(x,y)=max\left(\underset{i=0}{\overset{M}{\Σ}}\underset{j=0}{\overset{N}{\Σ}}P\right(i,j\left)\right)$$P(x,y)=\underset{i=x}{\overset{L}{\Σ}}\underset{j=y}{\overset{H}{\Σ}}t(i,j)$$t(i,j)=\left\{\begin{array}{c}T1,d(i,j)\∉E(x,y)\\ T2,d(i,j)\∈E(x,y)\end{array}\right.;$其中T1和T2分别表示不在轨迹覆盖区域和在轨迹覆盖区域的权值，若模板数量多于一个，在求出第一个模板位置之后，把这一点屏蔽掉，接着计算下一个模板位置；(5)模板搜索，假设其中一个模板的位置为D(x,y)，宽度和高度分别为L、H，则首先要在当前图像位置D(x,y)附近一定范围内进行模板的搜索与匹配，根据视频抖动的剧烈程度给搜索的范围设定一个阈值，例如图像抖动的幅度一般小于L或H的K分之一的话，可以把阈值定为max(L/K,H/K)，则搜索的范围如下所示：$\left\{\begin{array}{c}x:\max (0,x-\mathrm{\Δ}t)~\min (L,x+L-\mathrm{\Δ}t)\\ y:\max (0,y-\mathrm{\Δ}t)~\min (H,y+H-\mathrm{\Δ}t)\\ \mathrm{\Δ}t=\max (L/K,H/K)\end{array}\right.;$(6)模板匹配，采用最小均方误差准则进行模板匹配：$MSE(k,l)=\frac{1}{N_1{N}_2}\underset{x=1}{\overset{N_1}{\Σ}}\underset{y=1}{\overset{N_2}{\Σ}}{\[s(x,y)-\stackrel{\‾}{s}(x+k,y+l)\]}^2;$其中s表示当前帧的图像子块，表示参考帧的图像子块；k和l分别表示图像子块水平方向和垂直方向的移动量，其最小单位是1个像素；N1和N2分别代表图像子块的宽度和高度；(7)运动补偿，由模板匹配算法可以得到每一个模板的局部运动矢量，使用所有模板运动矢量的平均值作为图像的全局运动矢量，公式如下所示：$G=\frac{1}{M}\underset{i=1}{\overset{M}{\Σ}}{P}_i;$其中G表示全局运动矢量，P_i表示第i个模板的局部运动矢量，M为模板的数量。使用G作为全局补偿矢量对图像进行反向补偿即可消除图像抖动。