專利名稱：多階微分環(huán)形模板匹配跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理與機(jī)器視覺領(lǐng)域，涉及一種目標(biāo)識(shí)別與跟蹤方法，特別涉及一種基于環(huán)形模板的、具有旋轉(zhuǎn)不變性的目標(biāo)識(shí)別與跟蹤方法。
背景技術(shù)：
目標(biāo)的識(shí)別與跟蹤一直是機(jī)器視覺和圖像處理領(lǐng)域的重要研究?jī)?nèi)容。在監(jiān)控系統(tǒng)、安防系統(tǒng)、軍事領(lǐng)域等方面有著重要的應(yīng)用價(jià)值。由于目標(biāo)識(shí)別系統(tǒng)通常要求具有實(shí)時(shí)性，因此限制了運(yùn)算量較大的算法的應(yīng)用范圍。而運(yùn)算量較小的算法通常識(shí)別精度不高。例如，“雙波門”方法是一種簡(jiǎn)單、快速的識(shí)別跟蹤方法，該方法通過設(shè)置被識(shí)別目標(biāo)灰度的上下限閾值來區(qū)分目標(biāo)和背景圖像，從而實(shí)現(xiàn)目標(biāo)的識(shí)別與跟蹤，由于該方法過于簡(jiǎn)單，因此僅適用于簡(jiǎn)單背景下的目標(biāo)識(shí)別與跟蹤中，當(dāng)目標(biāo)或背景有多個(gè)較復(fù)雜的灰度級(jí)時(shí)，該方法就很難滿足識(shí)別的精度要求。其他基于對(duì)比度跟蹤的方法同樣具有抗干擾能力差、識(shí)別精度低的缺點(diǎn)。隨著電子技術(shù)和計(jì)算機(jī)技術(shù)的迅速發(fā)展，相關(guān)匹配識(shí)別與跟蹤方法在實(shí)際系統(tǒng)中得到廣泛應(yīng)用。該類方法是將系統(tǒng)的基準(zhǔn)圖像選定為模板，將模板在跟蹤窗中以不同的偏移值移位，然后計(jì)算模板與其重疊區(qū)域圖像的相關(guān)值，將最佳匹配區(qū)域確定為跟蹤目標(biāo)位置。例如，灰度差的絕對(duì)平均值算法就是一種簡(jiǎn)單的相關(guān)匹配算法。但由于這類方法采用點(diǎn)對(duì)點(diǎn)的匹配計(jì)算，因此通常僅具有平移不變性，而不具有旋轉(zhuǎn)不變性。這使得算法在目標(biāo)發(fā)生旋轉(zhuǎn)運(yùn)動(dòng)時(shí)無法準(zhǔn)確定位出目標(biāo)位置，從而影響了算法的應(yīng)用范圍。因此設(shè)計(jì)一種具有旋轉(zhuǎn)不變性的模板匹配方法具有重要的應(yīng)用價(jià)值。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是，設(shè)計(jì)一種具有旋轉(zhuǎn)不變性的模板匹配目標(biāo)識(shí)別與跟蹤方法，實(shí)現(xiàn)對(duì)灰度圖像目標(biāo)的識(shí)別與跟蹤。本發(fā)明所采用的技術(shù)方案是一種多階微分環(huán)形模板匹配跟蹤方法，模板大小選為η X η (η為奇數(shù))，模板中的像素以模板中心為環(huán)心，按環(huán)形排列形成(n+1) /2個(gè)子窗口， 第一個(gè)子窗口即為特征點(diǎn)本身，第二個(gè)子窗口則為特征點(diǎn)為中心的3X3的窗口，第i個(gè)子窗口則為特征點(diǎn)為中心的Oi-1) X Oi-D的窗口，其中i = l，2，...，(n+l)/2。根據(jù)環(huán)形像素的灰度值分布情況，計(jì)算求取一階微分圖像，根據(jù)第i階微分圖像，計(jì)算求取第(i+1) 階微分圖像。匹配準(zhǔn)則函數(shù)D由D0, D1, D2, ... , Dm，共(m+1)部分組成，其中D0為模板與待匹配區(qū)域各環(huán)像素灰度和的差值絕對(duì)值，Di為模板第i階微分圖像與待匹配區(qū)域第i階微分圖像各環(huán)微分絕對(duì)值和的差值絕對(duì)值。匹配準(zhǔn)則函數(shù)D最小的位置確定為目標(biāo)位置。本發(fā)明的目的在于提出一種多階微分環(huán)形模板匹配跟蹤方法，采用環(huán)形模板確保算法具有旋轉(zhuǎn)不變性，在匹配準(zhǔn)則函數(shù)中增加各階微分圖像的匹配值，以此提高圖像的細(xì)節(jié)信息的利用率，從而提高目標(biāo)識(shí)別的準(zhǔn)確性，完成對(duì)灰度圖像目標(biāo)的識(shí)別與跟蹤。


圖1為5 X 5的環(huán)形模板結(jié)構(gòu)圖。圖2為一階微分圖像結(jié)構(gòu)圖。圖3為車輛目標(biāo)中提取的模板結(jié)果。圖4為灰度差的絕對(duì)平均值方法得到的跟蹤結(jié)果。圖5為采用環(huán)形模板匹配方法得到的匹配結(jié)果(m = 0)。圖6為采用一階微分環(huán)形模板匹配方法得到的結(jié)果(m = 1)。
具體實(shí)施例方式下面結(jié)合實(shí)施例和附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。本發(fā)明采用模板匹配方法實(shí)現(xiàn)目標(biāo)的識(shí)別與跟蹤。模板A選用環(huán)形結(jié)構(gòu)，模板大小選為nXnOi為奇數(shù))，模板中的像素以模板中心為環(huán)心，按環(huán)形排列形成(n+l)/2個(gè)子環(huán)，第一個(gè)子環(huán)即為模板中心點(diǎn)本身，第二個(gè)子環(huán)所包圍的窗口為以模板中心點(diǎn)為中心的 3X3的窗口，第i個(gè)子環(huán)所包圍的窗口為以模板中心為中心的的窗口，其中i = 1，2，.. .，(n+l)/2。如圖1所示為5X5的環(huán)形模板結(jié)構(gòu)圖。該模板包括3個(gè)子環(huán)，B01,,表示第i環(huán)的第j個(gè)像素的灰度值，第0環(huán)由a:構(gòu)
成；第1環(huán)由^,。，一
，B01,7共8個(gè)像素構(gòu)成，第2環(huán)由a°2,Q，a'
必,15共16個(gè)
像素構(gòu)成。圖2為根據(jù)該模板求得的第k階微分模板。 其中a\, ,.(k > 0)表示第i環(huán)的第j個(gè)像素的第k階微分值，其計(jì)算公式如下
權(quán)利要求
1.一種多階微分環(huán)形模板匹配跟蹤方法，其特征在于，模板選用環(huán)形結(jié)構(gòu)，以確保算法具有旋轉(zhuǎn)不變性，根據(jù)環(huán)形模板的灰度值，求取各階微分圖像值，根據(jù)模板圖像和各階微分圖像計(jì)算模板與搜索區(qū)中待匹配區(qū)域的匹配準(zhǔn)則函數(shù)值D，匹配準(zhǔn)則函數(shù)值最小的位置確定為目標(biāo)位置。
2.根據(jù)權(quán)利要求1所述的多階微分環(huán)形模板匹配跟蹤方法，其特征在于，模板圖像A與待匹配區(qū)域B的匹配準(zhǔn)則函數(shù)的計(jì)算公式為
全文摘要
本發(fā)明屬于圖像處理與機(jī)器視覺領(lǐng)域，具體為一種多階微分環(huán)形模板匹配跟蹤方法。模板與待匹配區(qū)域均選用環(huán)形結(jié)構(gòu)，根據(jù)模板與待匹配區(qū)域的灰度值求取各階微分圖像。匹配準(zhǔn)則函數(shù)包含模板與待匹配區(qū)域各環(huán)的灰度匹配值和各階微分圖像匹配值。匹配準(zhǔn)則函數(shù)取值最小的位置確定為目標(biāo)位置。環(huán)形模板匹配準(zhǔn)則確保了目標(biāo)識(shí)別結(jié)果具有平移和旋轉(zhuǎn)不變性。各階微分圖像的匹配結(jié)果提高了圖像細(xì)節(jié)信息的利用率，增加了算法識(shí)別的準(zhǔn)確性。本發(fā)明可用于目標(biāo)識(shí)別與跟蹤系統(tǒng)中。
文檔編號(hào)G06K9/62GK102254181SQ20111018780
公開日2011年11月23日 申請(qǐng)日期2011年7月6日 優(yōu)先權(quán)日2011年7月6日
發(fā)明者修春波 申請(qǐng)人:天津工業(yè)大學(xué)