專利名稱：一種運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理與計(jì)算機(jī)視覺領(lǐng)域，涉及DSP技木，特別涉及金子塔多分辨率算法、粒子群優(yōu)化算法和鉆石搜索算法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的方法和系統(tǒng)。
背景技術(shù)：
運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤技術(shù)是計(jì)算機(jī)視覺的重要分支，是當(dāng)前智能圖像處理和視頻處理的熱點(diǎn)問(wèn)題，有著廣闊的應(yīng)用前景和長(zhǎng)遠(yuǎn)的經(jīng)濟(jì)價(jià)值。在軍事方面，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)可用于對(duì)空中或者地面監(jiān)視范圍內(nèi)的運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤；在社會(huì)生活方面，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)可用于各種単位的實(shí)時(shí)監(jiān)控，及時(shí)發(fā)現(xiàn)險(xiǎn)情，預(yù)測(cè)可能出現(xiàn)的危險(xiǎn)；在醫(yī)學(xué)方面，運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤技術(shù)可以使醫(yī)生更好的診斷病情，解除病人痛苦。
運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)是指通過(guò)圖像序列間的運(yùn)算，找出圖像中運(yùn)動(dòng)目標(biāo)所在區(qū)域，為之后運(yùn)動(dòng)目標(biāo)的匹配與跟蹤做準(zhǔn)備。常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法主要有背景差分法、幀間差分法和光流法。但是背景差分法無(wú)法適應(yīng)實(shí)際環(huán)境中光線的變化；幀間差分法下分割出來(lái)的運(yùn)動(dòng)區(qū)域內(nèi)常有空洞；光流法的計(jì)算量龐大，算法復(fù)雜無(wú)法滿足實(shí)時(shí)跟蹤的要求。運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)是指分析檢測(cè)獲取的運(yùn)動(dòng)目標(biāo)，將不同幀內(nèi)的同一運(yùn)動(dòng)目標(biāo)關(guān)聯(lián)起來(lái)，得到其運(yùn)動(dòng)軌跡。常用的運(yùn)動(dòng)目標(biāo)跟蹤方法有基于模板的跟蹤、基于特征的跟蹤、基于目標(biāo)區(qū)域的跟蹤和基于目標(biāo)輪廓的跟蹤。但是基于模板的跟蹤計(jì)算量很大；基于特征的跟蹤很難確定目標(biāo)的特征；基于目標(biāo)區(qū)域的跟蹤當(dāng)目標(biāo)被遮擋或者變形時(shí)容易跟丟目標(biāo)；基于目標(biāo)輪廓的跟蹤很難實(shí)時(shí)跟蹤速度快或者形變大的目標(biāo)。粒子群優(yōu)化算法是Kennedy博士和Eberhart博士通過(guò)對(duì)鳥群覓食行為的研究，提出的一種求解復(fù)雜問(wèn)題的優(yōu)化方法，在求解問(wèn)題的最優(yōu)解時(shí)，每個(gè)粒子通過(guò)當(dāng)前自身的最優(yōu)解(個(gè)體極值 )和整個(gè)粒子群的最優(yōu)解(全局極值& )來(lái)更新自己的速度》S和位置ft，進(jìn)而通過(guò)適應(yīng)度訐偽函數(shù)計(jì)算對(duì)應(yīng)的適應(yīng)值，進(jìn)而比較適應(yīng)值選擇出整體最優(yōu)解，依據(jù)下式更新下一代的速度和位置，不斷迭代從而尋找到系統(tǒng)的最優(yōu)解。V1 =- ) + C2JJigi-Xi)
Pi ニ Pu +
其中，m為慣性權(quán)重，R為粒子的速度，為學(xué)習(xí)因子，其取值為^ = = 2, 5和!！
是(0，I)之間的隨機(jī)數(shù)，代表個(gè)體極值&代表全局極值。粒子在空間中不斷學(xué)習(xí)個(gè)體極值和全局極值的經(jīng)驗(yàn)更新粒子速度和位置直到尋找到最優(yōu)解。鉆石搜索法是指充分利用運(yùn)動(dòng)矢量的中心偏執(zhí)思想，通過(guò)搜索窗ロ中心位置附近的點(diǎn)找到目標(biāo)模塊與待捜索區(qū)域的最佳匹配區(qū)域。在使用該方法搜索最佳匹配區(qū)域吋，選擇小的搜索模板可能陷入局部最優(yōu)，而選擇大的搜索模板可能無(wú)法找到最佳匹配區(qū)域，因此該方法采用兩種形狀大小的鉆石模板進(jìn)行匹配捜索。其搜索過(guò)程如下首先從搜索窗ロ的中心開始，反復(fù)使用大鉆石模板進(jìn)行捜索。如果最佳匹配點(diǎn)出現(xiàn)在模塊的邊沿，那么以該點(diǎn)為中心，繼續(xù)以大鉆石模板進(jìn)行捜索；如果最佳匹配點(diǎn)出現(xiàn)在模板的中心，那么換用小鉆石模板進(jìn)行捜索周圍的四個(gè)點(diǎn)，找出最佳匹配點(diǎn)，最后結(jié)束捜索。在搜索過(guò)程中，如果本步需要捜索的點(diǎn)在上一歩中已經(jīng)搜索過(guò)了，那么就不再考慮這些點(diǎn)了。如果模板中有些點(diǎn)超出了搜索窗ロ的范圍，那么也不再考慮這些點(diǎn)。雖然鉆石捜索法沒(méi)有限定捜索的次數(shù)，但是由于運(yùn)動(dòng)矢量的中心偏置，會(huì)很快搜索到最佳匹配區(qū)域。目前需要提出更加有效的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法。

發(fā)明內(nèi)容
為克服上述已有技術(shù)問(wèn)題的不足，本發(fā)明提出一種實(shí)時(shí)的基于DSP的運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤方法以及實(shí)現(xiàn)這種方法的圖像處理系統(tǒng)，從而實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)檢測(cè)與跟
足示O本發(fā)明提供的基于DSP的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤系統(tǒng)，包含視頻采集模塊、視頻處 理模塊以及顯示模塊；所述視頻采集模塊通過(guò)一路CXD攝像頭采集視頻信號(hào)，將采集的模擬視頻信號(hào)傳輸?shù)絊EED VPM642視頻處理模塊，在VPM642中通過(guò)高性能視頻解碼器TVP5150將模擬視頻信號(hào)轉(zhuǎn)換成BT. 656格式的視頻信號(hào)，并將該信號(hào)傳輸給DSP的視頻接ロ ；DSP的視頻接ロ結(jié)合EDMA通道將視頻信號(hào)傳送到SDRAM的緩存區(qū)中，通過(guò)DM642處理完數(shù)據(jù)后，由視頻編碼器SAA7121H將數(shù)據(jù)轉(zhuǎn)換成模擬信號(hào)傳送給顯示模塊的顯示器，通過(guò)顯示器顯示前景運(yùn)動(dòng)目標(biāo)。本發(fā)明還提供了一種改進(jìn)的針對(duì)采集到的圖像中Y分量的背景建模方法，包括如下步驟
步驟I :首先輸入ー幀圖像，判斷幀數(shù)是否大于3，當(dāng)幀數(shù)大于3的時(shí)候?qū)斎雸D像的Y分量進(jìn)行連續(xù)三幀差分，并將差分后的圖像進(jìn)行ニ值化；假設(shè)輸入的三幀圖像分別為
Hfta ,其差分圖像分別記為H ,其中這=Lfi-ム丨Au=|U|,其三巾貞差分圖像
記為も=,此處&代表邏輯與運(yùn)算；
步驟2 :將冬進(jìn)行ニ值化處理，生成ニ值化圖像~ ;
步驟3 :將ニ值化圖像~分割為Im*的模塊，記為;
步驟4 :將每ー塊~4/1進(jìn)行形態(tài)學(xué)連通區(qū)域檢測(cè)和濾波，去除噪聲；如果該區(qū)域內(nèi)O的個(gè)數(shù)超過(guò)整體像素?cái)?shù)的85%，則此塊圖像的背景穩(wěn)定，進(jìn)行步驟5 ;否則，進(jìn)行步驟6 ；步驟5 :生成該塊圖像的背景圖像模型；
步驟6 :判斷生成的背景模塊的數(shù)量是否大于整體模塊數(shù)量的90%，如果大于90%，則背景模型初始化結(jié)束，生成背景圖像模型·^力，否則，進(jìn)行步驟I。本發(fā)明提供的基于DSP的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，包括以下步驟
Α、針對(duì)圖像的Y分量通過(guò)幀間差分和背景差分相結(jié)合的方法檢測(cè)出前景運(yùn)動(dòng)目標(biāo)；
B、通過(guò)前景運(yùn)動(dòng)目標(biāo)建立目標(biāo)模板同時(shí)確定下ー幀待跟蹤的區(qū)域；
C、對(duì)目標(biāo)模板和待跟蹤區(qū)域進(jìn)行金字塔采樣；
D、通過(guò)粒子群優(yōu)化算法和鉆石搜索算法跟蹤運(yùn)動(dòng)目標(biāo)；
Ε、不斷更新目標(biāo)模板實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤。前面所述的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，優(yōu)選的方案在于，所述步驟A具體步驟如下
Al、針對(duì)圖像的Y分量通過(guò)幀間差分和背景差分建模的方法建立背景模型；
A2、將當(dāng)前幀圖像的Y分量與背景圖像的Y分量相減，得到圖像Y分量的差值圖像；
A3、對(duì)由A2得到的Y分量的差值圖像進(jìn)行ニ值化處理；
A4、對(duì)A3得到的Y分量的ニ值化圖像進(jìn)行連通區(qū)域檢測(cè)和濾波，去除噪聲；
A5、將A4得到的Y分量的ニ值化圖像分別向X軸和y軸投影，根據(jù)設(shè)定的閾值尋找出前景運(yùn)動(dòng)目標(biāo)。前面所述的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，優(yōu)選的方案在于，所述步驟B具體步驟如下將當(dāng)前幀圖像的Y分量中以運(yùn)動(dòng)目標(biāo)的形心作為中心，選取》 的區(qū)域作為目標(biāo)模板，在下一幀圖像的Y分量中以上ー幀圖像測(cè)得的運(yùn)動(dòng)目標(biāo)的形心為中心，選取的區(qū)域作為待跟蹤區(qū)域。前面所述的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，優(yōu)選的方案在于，所述步驟C具體步驟如下
Cl、對(duì)目標(biāo)模板進(jìn)行降采樣處理，得到目標(biāo)模板的中間層金字塔圖像；然后對(duì)目標(biāo)模板的中間層金字塔進(jìn)行降采樣處理，得到目標(biāo)模板的頂層金字塔； C2、對(duì)待跟蹤區(qū)域進(jìn)行降采樣處理，得到待跟蹤區(qū)域的中間層金字塔，然后對(duì)待跟蹤區(qū)域的中間層金字塔進(jìn)行降采樣處理，得到待跟蹤區(qū)域的頂層金字塔。前面所述的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，優(yōu)選的方案在于，所述步驟D具體步驟如下
D1、對(duì)目標(biāo)模板和待跟蹤區(qū)域的頂層金字塔進(jìn)行匹配運(yùn)算，在捜索的過(guò)程中結(jié)合PSO算法，通過(guò)粒子間的相互作用得到待跟蹤區(qū)域頂層金字塔中運(yùn)動(dòng)目標(biāo)的位置，本發(fā)明中使用的相關(guān)匹配函數(shù)是最小平均絕對(duì)差值函數(shù)(MAD)，運(yùn)用此函數(shù)可以有效地減少運(yùn)算量；
D2、根據(jù)Dl得到的匹配區(qū)域像素位置，在待跟蹤區(qū)域的中間層圖像中，進(jìn)行搜索匹配，所搜的區(qū)域?yàn)镈l匹配定位的位置附近，捜索的過(guò)程中使用的捜索方法是鉆石捜索法；
D3、根據(jù)D2確定的位置，在待跟蹤區(qū)域的原始層圖像中進(jìn)行搜索匹配，捜索的過(guò)程中使用的方法是鉆石捜索法，經(jīng)過(guò)這一歩，捜索到這ー幀中運(yùn)動(dòng)目標(biāo)的位置；
D4、根據(jù)D3確定的位置，在該幀圖像上標(biāo)記出目標(biāo)位置，同時(shí)標(biāo)記出下ー幀的搜索范圍。前面所述的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，優(yōu)選的方案在于，所述步驟E具體步驟如下
Ε1、根據(jù)D4確定的位置，更新目標(biāo)模板和下一幀圖像中待跟蹤區(qū)域的范圍；
Ε2、判斷跟蹤是否結(jié)束，如果沒(méi)有結(jié)束，則回到BI進(jìn)行下ー幀的跟蹤。本發(fā)明提供的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，該方法包括采集視頻圖像序列，將圖像序列的Y分量通過(guò)幀間差分和幀間差分結(jié)合的方法，建立Y分量下的背景圖像；將當(dāng)前幀圖像的Y分量和背景圖像的Y分量進(jìn)行背景差分，得到當(dāng)前幀圖像Y分量的差值圖像；接著對(duì)得到的圖像Y分量進(jìn)行ニ值化，然后對(duì)其進(jìn)行連通區(qū)域檢測(cè)和濾波，去除噪聲，接著將圖像分別向X軸和 軸投影，根據(jù)設(shè)定的閾值尋找出前景運(yùn)動(dòng)目標(biāo)。本發(fā)明提供的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，該方法包括將尋找到的前景運(yùn)動(dòng)目標(biāo)的形心作為中心，選取》"的區(qū)域作為目標(biāo)模板，在下一幀圖像的Y分量中以上一幀圖像測(cè)得的運(yùn)動(dòng)目標(biāo)的形心為中心，選取》的區(qū)域作為待跟蹤區(qū)域。接著對(duì)目標(biāo)模板和待跟蹤區(qū)域進(jìn)行金字塔采樣，具體步驟如下對(duì)目標(biāo)模板進(jìn)行降采樣處理，得到目標(biāo)模板的中間層金字塔圖像；然后對(duì)目標(biāo)模板的中間層金字塔進(jìn)行降采樣處理，得到目標(biāo)模板的頂層金字塔；對(duì)待跟蹤區(qū)域進(jìn)行降采樣處理，得到待跟蹤區(qū)域的中間層金字塔，然后對(duì)待跟蹤區(qū)域的中間層金字塔進(jìn)行降采樣處理，得到待跟蹤區(qū)域的頂層金字塔。對(duì)目標(biāo)模板和待跟蹤區(qū)域的頂層金字塔進(jìn)行匹配運(yùn)算，在捜索的過(guò)程中結(jié)合PSO算法，通過(guò)粒子間的相互作用得到待跟蹤區(qū)域頂層金字塔中運(yùn)動(dòng)目標(biāo)的位置。運(yùn)用PSO算法可以優(yōu)化搜索過(guò)程，在待跟蹤區(qū)域中有效的尋找到目標(biāo)模板的最佳匹配區(qū)域。
權(quán)利要求
1.基于DSP的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤系統(tǒng)，其特征在于，包含視頻采集模塊、視頻處理模塊以及顯示模塊；所述視頻采集模塊通過(guò)一路CCD攝像頭采集視頻信號(hào)，將采集的模擬視頻信號(hào)傳輸?shù)絊EED VPM642視頻處理模塊，在VPM642中通過(guò)高性能視頻解碼器TVP5150將模擬視頻信號(hào)轉(zhuǎn)換成BT. 656格式的視頻信號(hào)，并將該信號(hào)傳輸給DSP的視頻接ロ ；DSP的視頻接ロ結(jié)合EDMA通道將視頻信號(hào)傳送到SDRAM的緩存區(qū)中，通過(guò)DM642處理完數(shù)據(jù)后，由視頻編碼器SAA7121H將數(shù)據(jù)轉(zhuǎn)換成模擬信號(hào)傳送給顯示模塊的顯示器，通過(guò)顯示器顯示前景運(yùn)動(dòng)目標(biāo)。
2.一種改進(jìn)的針對(duì)采集到的圖像中Y分量的背景建模方法，其特征在于，包括如下步驟 步驟I :首先輸入ー幀圖像，判斷幀數(shù)是否大于3，當(dāng)幀數(shù)大于3的時(shí)候?qū)斎雸D像的Y分量進(jìn)行連續(xù)三幀差分，并將差分后的圖像進(jìn)行ニ值化；假設(shè)輸入的三幀圖像分別為HSuk ,其差分圖像分別記為H ,其中戰(zhàn)=Lfi=|u|,其三巾貞差分圖像記為も= 4 ,此處&代表邏輯與運(yùn)算； 步驟2 :將冬進(jìn)行ニ值化處理，生成ニ值化圖像ち； 步驟3 :將ニ值化圖像~分割為Im*的模塊，記為; 步驟4 :將每ー塊％(4/1進(jìn)行形態(tài)學(xué)連通區(qū)域檢測(cè)和濾波，去除噪聲；如果該區(qū)域內(nèi)O的個(gè)數(shù)超過(guò)整體像素?cái)?shù)的85%，則此塊圖像的背景穩(wěn)定，進(jìn)行步驟5 ;否則，進(jìn)行步驟6 ；步驟5 :生成該塊圖像的背景圖像模型； 步驟6 :判斷生成的背景模塊的數(shù)量是否大于整體模塊數(shù)量的90%，如果大于90%，則背景模型初始化結(jié)束，生成背景圖像模型·^力，否則，進(jìn)行步驟I。
3.一種基于DSP的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征在于，包括以下步驟 A、針對(duì)圖像的Y分量通過(guò)幀間差分和背景差分相結(jié)合的方法檢測(cè)出前景運(yùn)動(dòng)目標(biāo)； B、通過(guò)前景運(yùn)動(dòng)目標(biāo)建立目標(biāo)模板同時(shí)確定下ー幀待跟蹤的區(qū)域； C、對(duì)目標(biāo)模板和待跟蹤區(qū)域進(jìn)行金字塔采樣； D、通過(guò)粒子群優(yōu)化算法和鉆石搜索算法跟蹤運(yùn)動(dòng)目標(biāo)； E、不斷更新目標(biāo)模板實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤。
4.根據(jù)權(quán)利要求3所述的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征在于，所述步驟A具體步驟如下 Al、針對(duì)圖像的Y分量通過(guò)幀間差分和背景差分建模的方法建立背景模型； A2、將當(dāng)前幀圖像的Y分量與背景圖像的Y分量相減，得到圖像Y分量的差值圖像； A3、對(duì)由A2得到的Y分量的差值圖像進(jìn)行ニ值化處理； A4、對(duì)A3得到的Y分量的ニ值化圖像進(jìn)行連通區(qū)域檢測(cè)和濾波，去除噪聲； A5、將A4得到的Y分量的ニ值化圖像分別向X軸和y軸投影，根據(jù)設(shè)定的閾值尋找出前景運(yùn)動(dòng)目標(biāo)。
5.根據(jù)權(quán)利要求3所述的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征在于，所述步驟B具體步驟如下將當(dāng)前幀圖像的Y分量中以運(yùn)動(dòng)目標(biāo)的的形心作為中心，選取"*的區(qū)域作為目標(biāo)模板，在下一幀圖像的Y分量中以上ー幀圖像測(cè)得的運(yùn)動(dòng)目標(biāo)的形心為中心，選取的區(qū)域作為待跟蹤區(qū)域。
6.根據(jù)權(quán)利要求3所述的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征在于，所述步驟C具體步驟如下 Cl、對(duì)目標(biāo)模板進(jìn)行降采樣處理，得到目標(biāo)模板的中間層金字塔圖像；然后對(duì)目標(biāo)模板的中間層金字塔進(jìn)行降采樣處理，得到目標(biāo)模板的頂層金字塔； C2、對(duì)待跟蹤區(qū)域進(jìn)行降采樣處理，得到待跟蹤區(qū)域的中間層金字塔，然后對(duì)待跟蹤區(qū)域的中間層金字塔進(jìn)行降采樣處理，得到待跟蹤區(qū)域的頂層金字塔。
7.根據(jù)權(quán)利要求3所述的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征在于，所述步驟D具體步驟如下 D1、對(duì)目標(biāo)模板和待跟蹤區(qū)域的頂層金字塔進(jìn)行匹配運(yùn)算，在捜索的過(guò)程中結(jié)合PSO算法，通過(guò)粒子間的相互作用得到待跟蹤區(qū)域頂層金字塔中運(yùn)動(dòng)目標(biāo)的位置，本發(fā)明中使用的相關(guān)匹配函數(shù)是最小平均絕對(duì)差值函數(shù)(MAD)，運(yùn)用此函數(shù)可以有效地減少運(yùn)算量； D2、根據(jù)Dl得到的匹配區(qū)域像素位置，在待跟蹤區(qū)域的中間層圖像中，進(jìn)行搜索匹配，所搜的區(qū)域?yàn)镈l匹配定位的位置附近，捜索的過(guò)程中使用的捜索方法是鉆石捜索法； D3、根據(jù)D2確定的位置，在待跟蹤區(qū)域的原始層圖像中進(jìn)行搜索匹配，捜索的過(guò)程中使用的方法是鉆石捜索法，經(jīng)過(guò)這一歩，捜索到這ー幀中運(yùn)動(dòng)目標(biāo)的位置； D4、根據(jù)D3確定的位置，在該幀圖像上標(biāo)記出目標(biāo)位置，同時(shí)標(biāo)記出下ー幀的搜索范圍。
8.根據(jù)權(quán)利要求3所述的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，其特征在于，所述步驟E具體步驟如下 E1、根據(jù)D4確定的位置，更新目標(biāo)模板和下一幀圖像中待跟蹤區(qū)域的范圍； E2、判斷跟蹤是否結(jié)束，如果沒(méi)有結(jié)束，則回到BI進(jìn)行下ー幀的跟蹤。
全文摘要
本發(fā)明公開了一種基于DSP的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法，以及實(shí)現(xiàn)該方法的系統(tǒng)。該方法首先針對(duì)圖像的Y分量使用幀間差分和背景差分結(jié)合的方法建立背景模型，然后檢測(cè)出前景運(yùn)動(dòng)目標(biāo)；接著通過(guò)前景運(yùn)動(dòng)目標(biāo)建立初始目標(biāo)模板，再對(duì)目標(biāo)模板和待跟蹤視頻圖像分別進(jìn)行兩次金字塔降采樣，降低目標(biāo)模板和待跟蹤視頻圖像的分辨率。在頂層金子塔上采用粒子群優(yōu)化算法對(duì)跟蹤目標(biāo)進(jìn)行定位，在中間層和底層金字塔上采用鉆石搜索的方法對(duì)跟蹤目標(biāo)進(jìn)行定位。在目標(biāo)跟蹤的過(guò)程中目標(biāo)模板隨運(yùn)動(dòng)目標(biāo)的變化而不斷更新，實(shí)現(xiàn)對(duì)目標(biāo)的實(shí)時(shí)連續(xù)跟蹤。
文檔編號(hào)H04N5/14GK102831617SQ20121024694
公開日2012年12月19日 申請(qǐng)日期2012年7月17日 優(yōu)先權(quán)日2012年7月17日
發(fā)明者葛廣英, 龐國(guó)瑞 申請(qǐng)人:聊城大學(xué)