一種不受障礙物影響的運(yùn)動(dòng)物體跟蹤及提取算法
【專利摘要】本發(fā)明設(shè)計(jì)一種不受障礙物影響的運(yùn)動(dòng)物體提取及跟蹤算法，同時(shí)該算法在追蹤目標(biāo)物體的同時(shí)還可以提供目標(biāo)物體各個(gè)部分的詳細(xì)運(yùn)動(dòng)信息。該算法對(duì)由攝像頭獲取的連續(xù)視頻圖像幀提取特征點(diǎn)，并將獲得的特征點(diǎn)建立匹配矩陣，并將運(yùn)動(dòng)物體的提取及追蹤轉(zhuǎn)換為一次指派問(wèn)題，通過(guò)求解一次指派問(wèn)題獲得特征點(diǎn)的匹配關(guān)系，并實(shí)現(xiàn)對(duì)移動(dòng)物體的提取與追蹤。由于該算法在匹配時(shí)同時(shí)處理多幅圖像幀，因此在當(dāng)運(yùn)動(dòng)物體被障礙物遮擋時(shí)，追蹤不會(huì)受到影響。
【專利說(shuō)明】一種不受障礙物影響的運(yùn)動(dòng)物體跟蹤及提取算法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)視覺(jué)的【技術(shù)領(lǐng)域】，特別涉及一種不受障礙物影響的運(yùn)動(dòng)物體跟 蹤及提取算法。

【背景技術(shù)】
[0002] 在攝像頭獲取的視頻中的移動(dòng)物體的追蹤是計(jì)算機(jī)視覺(jué)研宄領(lǐng)域的一個(gè)熱點(diǎn)，在 機(jī)器人視覺(jué)，視頻監(jiān)控等系統(tǒng)中有著廣闊的應(yīng)用前景。傳統(tǒng)方法如背景差分法，連續(xù)幀間 差分法在攝像頭固定的情況下可以實(shí)現(xiàn)較為良好的追蹤效果，但是在受障礙物影響的情況 下，運(yùn)動(dòng)物體的跟蹤通常會(huì)被中斷。
[0003]目前許多研宄人員提出的用于追蹤移動(dòng)物體的方法，如光流法，基于SIFT特征點(diǎn) 的匹配法，Mean-Shift法和粒子濾波法，均不能解決在追蹤中遇到障礙物體的問(wèn)題。不受障 礙物影響的運(yùn)動(dòng)物體跟蹤及提取算法在如安防，機(jī)器人視覺(jué)等應(yīng)用領(lǐng)域卻是必不可少的。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于，提供一種不受障礙物影響的運(yùn)動(dòng)物體跟蹤及提取算法，該方 法在追蹤目標(biāo)物體的同時(shí)還可以提供目標(biāo)物體各個(gè)部分的詳細(xì)運(yùn)動(dòng)信息。因此，該算法不 僅在移動(dòng)物體的追蹤中相較傳統(tǒng)的方法又更好的效果外，也可以被應(yīng)用于人物的行為識(shí)別 領(lǐng)域中。
[0005] 為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提供了一種基于多幀特征點(diǎn)同時(shí)匹配的新的移動(dòng) 物體跟蹤方法。該方法首先將由移動(dòng)攝像頭獲得的視頻圖像的當(dāng)前時(shí)刻的圖像幀及之前時(shí) 刻的圖像幀提取出來(lái)，并將圖像中的特征點(diǎn)提?。?br> [0006] 假設(shè)當(dāng)前t時(shí)刻的圖像幀為framet，
[0007]t時(shí)刻之前的T幀被同時(shí)提取，該T幀為framet_h，h= {1，. . .T}，
[0008] 對(duì)framet及framet_h，h= {1，· · ·T}提取特征點(diǎn)，并在每一幀所提取的特征點(diǎn)中 保留穩(wěn)定性最好的N個(gè)特征點(diǎn)，則被提取的特征點(diǎn)總數(shù)為NX(T+1)個(gè)。
[0009] 由于移動(dòng)物體的軌跡追蹤問(wèn)題可以轉(zhuǎn)換為移動(dòng)物體中各個(gè)部分在連續(xù)幀中的匹 配問(wèn)題，因此，通過(guò)求得當(dāng)前幀中的各個(gè)特征點(diǎn)與之前幀中的各個(gè)特征點(diǎn)的匹配結(jié)果即可 得到移動(dòng)物體在連續(xù)幀中的軌跡。
[0010] 求當(dāng)前幀中的N個(gè)特征點(diǎn)與之前幀中的NXT的特征點(diǎn)的匹配結(jié)果，可建立 NXNXT的原始效益矩陣，匹配結(jié)果即移動(dòng)物體的各個(gè)部位在連續(xù)幀中的移動(dòng)軌跡。
[0011] 當(dāng)前幀的特征點(diǎn)與之前幀的特征點(diǎn)在匹配時(shí)應(yīng)該滿足以下條件：
[0012] 相匹配的特征點(diǎn)之間的相似度的累加總值最大，即該1對(duì)1的匹配問(wèn)題可以視為 一個(gè)全局相似度最大化的最優(yōu)化問(wèn)題，即一次指派問(wèn)題，。
[0013]當(dāng)一個(gè)新的移動(dòng)物體首次出現(xiàn)在圖像幀畫(huà)面中時(shí)，該移動(dòng)物體的特征點(diǎn)可能與之 前幀的任何特征點(diǎn)都無(wú)法匹配，作為上述技術(shù)方案的一種改進(jìn)，本方案對(duì)NXNXT的原效 益矩陣進(jìn)行擴(kuò)展。
[0014] NXNXT原效益矩陣被擴(kuò)展為NX(NXT+1)。效益矩陣的擴(kuò)展部分的元素值為預(yù) 設(shè)的閾值。
[0015] 則當(dāng)前幀的特征點(diǎn)與之前幀的特征點(diǎn)的匹配問(wèn)題的最優(yōu)化匹配的數(shù)學(xué)表達(dá)為：
[0016] Minimize

【權(quán)利要求】
1. 一種不受障礙物影響的運(yùn)動(dòng)物體跟蹤及提取算法，其特征在于： 501 :當(dāng)前t時(shí)刻的圖像幀記為framet，t時(shí)刻之前的T幀記為framet-h，h= {1，...T}，并分別提取特征點(diǎn)，各幀的特征點(diǎn)個(gè)數(shù)記為N; 502 :然后計(jì)算framet的各個(gè)特征點(diǎn)與framet_h，h= {1，. ? ?T}的各特征點(diǎn)之前的特征 空間空間距離，建立一個(gè)尺寸為NXNXT的原始效益矩陣； 503 :建立一個(gè)尺寸為NX(TXN+1)的擴(kuò)展效益矩陣，包括T個(gè)尺寸為NXN的原始效益 矩陣和一個(gè)尺寸為NXN的閾值矩陣； 504 :將效益矩陣的匹配問(wèn)題作為一次指派問(wèn)題求解； 505 :根據(jù)不同的匹配結(jié)果判斷特征點(diǎn)是否為新的移動(dòng)物體，如果當(dāng)前幀的特征點(diǎn)與的 閾值相匹配，則此特征點(diǎn)被視為屬于新的移動(dòng)物體； 506 :根據(jù)連續(xù)的匹配結(jié)果判斷特征點(diǎn)是否消失，當(dāng)之前幀中屬于移動(dòng)物體的特征點(diǎn)中 在當(dāng)前幀中無(wú)可匹配點(diǎn)時(shí)，之前幀中的移動(dòng)物體被視為被遮擋或消失； 507 :根據(jù)連續(xù)的匹配結(jié)果判斷特征點(diǎn)是否為遮擋后的再出現(xiàn)，； 508 :根據(jù)連續(xù)的匹配結(jié)果估算遮擋后的再出現(xiàn)的特征點(diǎn)在遮擋時(shí)的位置。
2. 根據(jù)權(quán)利要求1所述的一種不受障礙物影響的運(yùn)動(dòng)物體跟蹤及提取算法，其特征是 NX(TXN+1)的效益矩陣中包括T個(gè)尺寸為NXN的原始效益矩陣和一個(gè)尺寸為NXN的閾 值矩陣。
3. 根據(jù)權(quán)利要求1所述的一種不受障礙物影響的運(yùn)動(dòng)物體跟蹤及提取算法，其特征是 其最優(yōu)化匹配的數(shù)學(xué)表達(dá)為： Minimize
其中1'為當(dāng)前幀之前的幀數(shù)，8；[111；[131'；^7{(：111'1'(1：)1，？代￥(1：-11)』}為當(dāng)前幀特征點(diǎn)；[與 之前幀的特征點(diǎn)j之間的特征空間空間距離，thresholdforcreating為預(yù)設(shè)的閾值。
4. 根據(jù)權(quán)利要求8所述的一種不受障礙物影響的運(yùn)動(dòng)物體跟蹤及提取算法，其特征是 當(dāng)被追蹤的移動(dòng)物體在被遮擋時(shí)，其位置可由遮擋前后的位置做線性估算。
5.根據(jù)權(quán)利要求1所述的一種不受障礙物影響的運(yùn)動(dòng)物體跟蹤及提取算法，其特征是 當(dāng)被追蹤的移動(dòng)物體在被遮擋時(shí)，對(duì)物體的追蹤不會(huì)被中斷。
【文檔編號(hào)】G06T7/20GK104504724SQ201510020446
【公開(kāi)日】2015年4月8日 申請(qǐng)日期:2015年1月15日 優(yōu)先權(quán)日:2015年1月15日
【發(fā)明者】李竹 申請(qǐng)人:杭州國(guó)策商圖科技有限公司