[发明专利]基于OpenCV的目标尺度自适应跟踪方法

摘要

本发明公开了一种基于OpenCV的目标尺度自适应跟踪方法，该方法先利用均值漂移算法对目标进行定位跟踪，每隔6帧运用SIFT变换提取目标特征，将模板图像与跟踪实时图像进行特征匹配，通过仿射变换确立匹配点之间的映射关系，得到尺度变换因子，从而更新实时图像中候选区域目标模板的尺寸，解决运动目标尺度不断增大导致容易丢失跟踪或误跟踪的问题。

主权项

1.一种基于OpenCV的目标尺度自适应跟踪方法，其特征在于，它包括如下步骤：步骤1：获取运动目标的视频帧图像序列，在视频帧图像序列的任意帧中设定初始搜索窗口，在初始搜索窗口中选定要跟踪的目标，使初始搜索窗口中选定的目标恰好包含整个实际的目标，并使用鼠标响应函数获取初始搜索窗口的宽度a和高度b；对运动目标的视频帧图像进行计数，保存当前帧的图像为I₁，保存之后第A帧的图像为I₂，此后每隔A帧将图像交替保存为I₁和I₂，依次循环，将初始搜索窗口区域从RGB颜色空间转换为HSV颜色空间，建立均值漂移模型，统计搜索窗内所有像素点的颜色值，建立直方图并归一化，得到目标区域的模型描述，即得到了目标区域的密度概率函数；步骤2：根据目标的归一化直方图，在序列图像中通过相似度度量寻找与目标最为相似的候选区域，将前一帧的中心位置作为搜索窗口的中心，应用均值漂移迭代算法求解当前帧目标的新位置坐标，实现目标中心位置由前一帧位置到当前帧位置的跟踪；步骤3：用SIFT算法构建尺度空间，分别对图像I₁和I₂进行不同尺度的高斯核函数滤波，获得图像多尺度下的尺度空间表示序列，在尺度空间中，求其局部极值，对特征点进行定位，基于图像局部的梯度方向，确定特征点的方向，在特征点周围的邻域内，测量图像局部的梯度，提取特征点描述子，用特征点特征向量的欧式距离来作为图像I₁和I₂中特征点的相似性判断度量；步骤4：采用仿射变换模型拟合模板图像和跟踪实时图像之间匹配点的映射关系，从图像I₁和I₂的所有SIFT特征点匹配对中随机选取四对，根据这四对SIFT特征点的坐标确定图像I₁和I₂的仿射变换矩阵H，得到尺度变化因子，对当前帧图像I₂跟踪窗口的大小进行修正，得到更新的候选区域目标；步骤5：判断是否是最后一帧，若是，则算法结束；否则，返回步骤2继续计算。