專利名稱：抽象定位自動跟蹤的制作方法
技術(shù)領(lǐng)域：
本發(fā)明一種跟蹤技術(shù)，尤其是指一種利用抽象函數(shù)建立的數(shù)學(xué)模型進(jìn)行抽象定位 自動跟蹤的技術(shù)。
背景技術(shù)：
在現(xiàn)代網(wǎng)絡(luò)信息時代，為及時快速的鎖定對象，常常需要使用跟蹤技術(shù)，如視頻會 議，數(shù)碼拍照、視頻聊天中鏡頭均需對準(zhǔn)發(fā)言人或者使用者，因此需要使用跟蹤技術(shù)，進(jìn)行 對象跟蹤，現(xiàn)有的跟蹤技術(shù)主要包括紅外跟蹤技術(shù)，超聲波跟蹤技術(shù)以及圖像識別技術(shù)。紅外跟蹤技術(shù)的基本原理是被跟蹤的目標(biāo)佩戴一個專用的紅外發(fā)射裝置向接受 端發(fā)送信號，接收端接受信號后送給單片機(jī)進(jìn)行處理并發(fā)出跟蹤命令；此方法由于被跟蹤 的目標(biāo)需佩戴一個專用的紅外發(fā)射裝置，因此當(dāng)紅外發(fā)射裝置被遮擋時，被跟蹤的目標(biāo)將 會丟失；且該方法受環(huán)境及紫外線影響很大，有時還無法跟蹤，且跟蹤距離近，范圍小。超聲 波跟蹤技術(shù)的基本原理是超聲波發(fā)生器按照一定的扇面角度發(fā)出超生波，當(dāng)被跟蹤目標(biāo)在 此范圍內(nèi)時會形成超聲波發(fā)射回來，單片機(jī)根據(jù)發(fā)射回來的超聲波處理后發(fā)出跟蹤命令， 但是此方法跟蹤距離近，范圍小，有死角。另圖像識別技術(shù)，其基本原理是單片機(jī)收到被跟 蹤的目標(biāo)圖像后，按照常規(guī)的計算方式計算出目標(biāo)所在的方位發(fā)出跟蹤命令；此方法容易 造成錯跟蹤、誤跟蹤，跟蹤偏移、目標(biāo)丟失的現(xiàn)象。

發(fā)明內(nèi)容
本發(fā)明提供一種能實(shí)現(xiàn)跟蹤準(zhǔn)確，目標(biāo)不會偏移或丟失的抽象定位目標(biāo)跟蹤的方法。本發(fā)明提供的一種抽象定位自動跟蹤的方法，包括步驟從跟蹤區(qū)域讀取目標(biāo)的視頻序列獲得初始幀，根據(jù)Canny邊緣檢測算法對初始幀 進(jìn)行目標(biāo)的檢測并計算目標(biāo)的形心坐標(biāo)；根據(jù)所述形心坐標(biāo)進(jìn)行定位，并將原始幀數(shù)復(fù)位0 ；Canny邊緣檢測算法根據(jù)所述目標(biāo)的移動位置改變描述方式，根據(jù)所述形心坐標(biāo) 確定所述目標(biāo)的初始位置及計算下一幀位置分布；根據(jù)所述初始位置及所述下一幀位置分布是否迭加至收斂點(diǎn)，并根據(jù)所述收斂點(diǎn) 計算函數(shù)值；判斷所述函數(shù)值是否與原始值相同；相同時，將所述原始值的幀數(shù)加1再與所述函數(shù)值判斷是否相同，相同時返回 至Canny邊緣檢測算法步驟；不同時，將所述收斂點(diǎn)設(shè)置為初始位置并更新函數(shù)值；根據(jù) Kalman預(yù)測下一幀位置；根據(jù)所述更新函數(shù)值及下一幀位置信息確定目標(biāo)的位置；根據(jù)所述目標(biāo)的位置控制云臺。本發(fā)明在獲得所述函數(shù)值后通過將所述函數(shù)值與所述原始值比較進(jìn)行判斷是否相同，相同時，將所述原始值的幀數(shù)加1在與所述函數(shù)值比較判斷是否相同，若相同，則說 明獲取的函數(shù)值是錯誤的，因此目標(biāo)丟失，需重新進(jìn)行搜索，如果不同，則說明獲取的函數(shù) 值是正確的，因此可根據(jù)所述函數(shù)值確定目標(biāo)的位置，以便于云臺的定位。本發(fā)明通過進(jìn)行 兩次位置確認(rèn)，從而保證跟蹤的目標(biāo)的準(zhǔn)確性，且在目標(biāo)獲取后將進(jìn)行核對，不會有目標(biāo)的 丟失或便宜的現(xiàn)象，因此本發(fā)明能實(shí)現(xiàn)跟蹤準(zhǔn)確，目標(biāo)不會偏移或者丟失。


附圖1是本發(fā)明抽象定位自動跟蹤的環(huán)形尋址方法的流程圖；附圖2為本發(fā)明小波算法的流程圖。
具體實(shí)施方式

下面將結(jié)合附圖對本發(fā)明的實(shí)施例進(jìn)行詳細(xì)說明。請參見附圖1，是本發(fā)明抽象定位目標(biāo)跟蹤的流程圖，包括步驟從跟蹤區(qū)域讀取目標(biāo)的視頻序列獲得初始幀，根據(jù)Carmy邊緣檢測算法對初始幀 進(jìn)行目標(biāo)的檢測并計算目標(biāo)的形心坐標(biāo)(步驟1)；根據(jù)所述形心坐標(biāo)進(jìn)行定位，并將原始 幀數(shù)復(fù)位O (步驟2) ；Canny邊緣檢測算法根據(jù)所述目標(biāo)的移動位置改變描述方式，根據(jù)所 述形心坐標(biāo)確定所述目標(biāo)的初始位置及計算下一幀位置分布(步驟3)；根據(jù)所述初始位置 及所述下一幀位置分布是否迭加至收斂點(diǎn)，并根據(jù)所述收斂點(diǎn)計算函數(shù)值(步驟4)；判斷 所述函數(shù)值是否與原始值相同(步驟5)；相同時，將所述原始值的幀數(shù)加1再與所述函數(shù) 值判斷是否相同，相同時返回至Carmy邊緣檢測算法步驟；不同時，將所述收斂點(diǎn)設(shè)置為初 始位置并更新函數(shù)值；根據(jù)Kalman預(yù)測下一幀位置(步驟6)；根據(jù)所述更新函數(shù)值及下一 幀位置信息確定目標(biāo)的位置(步驟7)；根據(jù)所述目標(biāo)的位置控制云臺(步驟8)。下面將詳細(xì)介紹本發(fā)明的各個步驟的具體執(zhí)行方法的最優(yōu)選方案，當(dāng)然不排除可 以通過其他方式實(shí)現(xiàn)每一步驟，但均屬于本發(fā)明所公開的方案的范疇。在執(zhí)行步驟1時， 從跟蹤區(qū)域讀取目標(biāo)的視頻序列獲取初始幀，可通過常用的跟蹤儀器進(jìn)行在跟蹤區(qū)域中掃 描，在獲得模糊目標(biāo)對象后，獲得視頻序列，視頻序列中包括模糊目標(biāo)對象的基本信息，如 常用的攝像頭在對準(zhǔn)某個目標(biāo)后，可看出其輪廓，身高，大概的位置信息等等；因此可從視 頻序列中獲得初始幀。優(yōu)選的，選用Carmy邊緣檢測算法對初始幀進(jìn)行計算，獲得目標(biāo)形心 坐標(biāo)。在執(zhí)行步驟2時，根據(jù)目標(biāo)形心定位后，將原始幀數(shù)復(fù)位0，從而記錄新的數(shù)據(jù)，此 步驟用于確定中心區(qū)域。在執(zhí)行步驟3時，由于模糊的目標(biāo)對象往往是一個移動的對象，如攝像頭所對的 人，一般位置常在發(fā)生的改變，因此通過使用Carmy邊緣檢測算法，根據(jù)所述目標(biāo)的移動位 置改變算法的描述方式，用于獲得目標(biāo)的多個位置信息，從而可以確定目標(biāo)的位置分布情 況，同時根據(jù)形心坐標(biāo)計算下一幀的位置分布。在執(zhí)行步驟4時，在獲得多個位置信息后，既包括初始位置信息及下一幀位置分 布信息后，通過抽象函數(shù)計算出所有位置信息是否為收斂值，由于發(fā)散值將無法找出中心 點(diǎn)，因此若根據(jù)所有的位置信息分析出后的值為發(fā)散值則說明所獲取的位置信息值為錯誤 信息；而若為收斂值，則可計算出所有位置信息的收斂點(diǎn)，從而可以確定目標(biāo)的具體位置信息，即根據(jù)收斂點(diǎn)計算出相應(yīng)的函數(shù)值。在執(zhí)行步驟5時，判斷函數(shù)值與原始值是否相同，若函數(shù)值與原始值不同，則需重新獲取位置信息，再進(jìn)行判斷；若函數(shù)值與原始值相同，則初步判斷為所獲得的目標(biāo)信息為 預(yù)設(shè)的目標(biāo)。在此步驟中，由于圖像受背景噪聲影響和非剛性目標(biāo)灰度形狀不斷變化甚至 被遮擋，目標(biāo)可能部分灰度級缺失或者僅分布在離窗口中心較遠(yuǎn)的邊緣位置。而窗口中心 附近有大量與其相近灰度級的像素。此時可認(rèn)為該灰度級為目標(biāo)特征的一部分，其概率密 度應(yīng)該較大，然而用常規(guī)數(shù)學(xué)理論簡歷的目標(biāo)模型計算得到的該灰度級像素的概率密度為 零或幾近為零，因此丟失了部分目標(biāo)特征，基于此，在考慮像素位置加權(quán)時，利用抽象函數(shù) 數(shù)學(xué)模型算法將像素灰度值賦予匹配的權(quán)值，保證所取相似像素值在特征值臨近范圍內(nèi)， 即用于判斷函數(shù)值是否與原始值相同。在執(zhí)行步驟6時，為了進(jìn)一步保證跟蹤信息的準(zhǔn)確性，防止錯誤的跟蹤，可通過設(shè) 定不同的檢測方式進(jìn)行檢測，優(yōu)選的在本實(shí)施例中，通過將原始值的幀數(shù)加1，再將加1后 的值與計算出的函數(shù)值判斷是否相同；若相同則返回至Carmy邊緣檢測算法步驟，如原始 值為5，而函數(shù)值為3+2，在初步判斷是，可判定3+2與5相等，因此判斷為相同的，但是當(dāng)將 原始值5加1后，若再次進(jìn)行判斷3+2與6是否相等是，若相等則說明選定的目標(biāo)不是預(yù)設(shè) 目標(biāo)，而若不同，則說明目標(biāo)即為預(yù)設(shè)目標(biāo)。此時可將收斂點(diǎn)設(shè)置為初始位置，并根據(jù)目標(biāo) 的位置更新函數(shù)值，同時根據(jù)Kalman預(yù)測下一幀位置。在執(zhí)行步驟7時，在相似性函數(shù)值較大的情況下，跟蹤嚴(yán)重偏離目標(biāo)，為了不影響 下一幀初始目標(biāo)模型的計算，必須對目標(biāo)位置進(jìn)行修正，在孤寂下一幀的跟蹤起始點(diǎn)的步 驟中，采用Kalman濾波器進(jìn)行運(yùn)動預(yù)測。第一幀到第N幀中，其中N為2、3、4、5........等抽象函數(shù)數(shù)學(xué)模型算法計算的
目標(biāo)位置信息可以形成一個運(yùn)動軌跡，將位置信息作為Kalman濾波器的觀測值，Kalman濾 波器算法包含信號模型、觀測模型兩個模型。但是在此過程中，Kalman預(yù)測在開始幾幀的 值可能不太準(zhǔn)確，往往需要若干幀后才能收斂，此時預(yù)測值將具有指導(dǎo)意義，因此可預(yù)設(shè)一 個較大的閾值去比較預(yù)測值與實(shí)際跟蹤點(diǎn)的距離，判斷是否收斂。根據(jù)此算法，再根據(jù)或許的目標(biāo)的幀信息，跟新函數(shù)值及下一幀位置信息從而確 定目標(biāo)的準(zhǔn)確位置，在此步驟中，Kalman濾波器可使獲得的目標(biāo)位置信息由模糊變得更為 清晰，從而可以觀測到更為清晰的圖像。在執(zhí)行步驟8時，根據(jù)目標(biāo)的位置控制云臺，由于前面的步驟已確定出目標(biāo)的位 置變化的范圍，并且已尋找到正確的目標(biāo)位置信息，因此一旦確定好目標(biāo)，則可鎖定該正確 的目標(biāo)，并及時跟蹤該目標(biāo)的變化，及云臺的位置變化由目標(biāo)的位置決定。下面將以假定的攝像機(jī)舉例的用以更加清楚的描述本發(fā)明，首先在啟動本方法 后，攝像機(jī)將在預(yù)定的跟蹤區(qū)域進(jìn)行掃描，從而能找到目標(biāo)，Carmy邊緣檢測將首先檢測到 目標(biāo)的模糊邊緣，獲得包括目標(biāo)的位置信息的視頻序列，根據(jù)視頻序列確定原始幀，并有原 始幀確定目標(biāo)形心位置，同時丟棄之前的幀，即用于確定目標(biāo)的中心區(qū)域。在根據(jù)抽象函數(shù) 計算初始位置分布，用于確定目標(biāo)移動區(qū)域范圍，同時計算下一幀的位置分布，通過不斷收 集的位置信息，將獲得的目標(biāo)的幀的位置信息疊加至收斂點(diǎn)，根據(jù)收斂點(diǎn)計算函數(shù)值，比較 函數(shù)值與原始值是否相同，若相同，則將幀數(shù)+1再次與函數(shù)值進(jìn)行比較，若不同，則通過濾 波將圖像處理更為清晰，同時將收斂點(diǎn)設(shè)為初始位置，同時丟失的幀數(shù)清零，根據(jù)變換的位置信息更新目標(biāo)模型，在輸出該目標(biāo)跟蹤點(diǎn)，同時控制云臺。若不同則可能目標(biāo)丟失，需重 新進(jìn)行邊緣檢測。在確定目標(biāo)形心坐標(biāo)是，利用的為小波的Cahhy邊緣檢測方法，此方法主要包括， 將原始圖像進(jìn)行濾波處理，同時還進(jìn)行小波消噪替換；之后再進(jìn)行微分處理，然后進(jìn)行非極 一直及閾值化和邊緣連接，形成邊緣圖像，此方法可以從復(fù)雜背景中提取出小目標(biāo)的邊緣， 從而可以更加準(zhǔn)確，可獲得形心坐標(biāo)。本發(fā)明通過根據(jù)抽象函數(shù)建立數(shù)學(xué)模型進(jìn)行跟蹤，從而可以實(shí)現(xiàn)不會錯跟、誤跟 或者跟蹤偏移、目標(biāo)丟失的問題，同時還可以解決被跟蹤目標(biāo)需佩戴專用設(shè)備和受環(huán)境及 跟蹤范圍受影響等等條件限制。以上所述的本發(fā)明實(shí)施方式，并不構(gòu)成對本發(fā)明保護(hù)范圍的限定。任何在本發(fā)明 的精神和原則之內(nèi)所作的修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的權(quán)利要求保護(hù)范 圍之內(nèi)。
權(quán)利要求
一種抽象定位自動跟蹤的方法，其特征在于，包括步驟從跟蹤區(qū)域讀取目標(biāo)的視頻序列獲得初始幀，根據(jù)Canny邊緣檢測算法對初始幀進(jìn)行目標(biāo)的檢測并計算目標(biāo)的形心坐標(biāo)；根據(jù)所述形心坐標(biāo)進(jìn)行定位，并將原始幀數(shù)復(fù)位0；Canny邊緣檢測算法根據(jù)所述目標(biāo)的移動位置改變描述方式，根據(jù)所述形心坐標(biāo)確定所述目標(biāo)的初始位置及計算下一幀位置分布；根據(jù)所述初始位置及所述下一幀位置分布是否迭加至收斂點(diǎn)，并根據(jù)所述收斂點(diǎn)計算函數(shù)值；判斷所述函數(shù)值是否與原始值相同；相同時，將所述原始值的幀數(shù)加1再與所述函數(shù)值判斷是否相同，相同時返回至Canny邊緣檢測算法步驟；不同時，將所述收斂點(diǎn)設(shè)置為初始位置并更新函數(shù)值；根據(jù)Kalman預(yù)測下一幀位置；根據(jù)所述更新函數(shù)值及下一幀位置信息確定目標(biāo)的位置；根據(jù)所述目標(biāo)的位置控制云臺。
2.如權(quán)利要求1所述的一種抽象定位自動跟蹤的方法，其特征在于，Canny邊緣檢測算 法在確定初始位置時，還包括步驟利用小波的Canny邊緣檢測方法，根據(jù)所述初始幀進(jìn)行 邊緣圖像處理，用于確定目標(biāo)形心坐標(biāo)。
全文摘要
本發(fā)明提供一種抽象定位自動跟蹤的方法，包括步驟從跟蹤區(qū)域讀取目標(biāo)的視頻序列獲得初始幀，計算目標(biāo)的形心坐標(biāo)；根據(jù)所述形心坐標(biāo)進(jìn)行定位，并將原始幀數(shù)復(fù)位0；根據(jù)所述目標(biāo)的移動位置改變描述方式，根據(jù)所述形心坐標(biāo)確定所述目標(biāo)的初始位置及計算下一幀位置分布；根據(jù)所述初始位置及所述下一幀位置分布是否迭加至收斂點(diǎn)，并根據(jù)所述收斂點(diǎn)計算函數(shù)值；判斷所述函數(shù)值是否與原始值相同；相同時，將所述原始值的幀數(shù)加1再與所述函數(shù)值判斷是否相同，相同時返回至Canny邊緣檢測算法步驟；不同時，將所述收斂點(diǎn)設(shè)置為初始位置并更新函數(shù)值；根據(jù)Kalman預(yù)測下一幀位置；根據(jù)所述更新函數(shù)值及下一幀位置信息確定目標(biāo)的位置。本發(fā)明不會誤跟，錯誤跟蹤。
文檔編號G06T7/20GK101872483SQ20101020493
公開日2010年10月27日 申請日期2010年6月18日 優(yōu)先權(quán)日2010年6月18日
發(fā)明者寧廣民, 梁福海 申請人:廣州卓佳科技有限公司