一種不受障礙物影響的運動物體跟蹤及提取算法
【專利摘要】本發(fā)明設(shè)計一種不受障礙物影響的運動物體提取及跟蹤算法，同時該算法在追蹤目標(biāo)物體的同時還可以提供目標(biāo)物體各個部分的詳細(xì)運動信息。該算法對由攝像頭獲取的連續(xù)視頻圖像幀提取特征點，并將獲得的特征點建立匹配矩陣，并將運動物體的提取及追蹤轉(zhuǎn)換為一次指派問題，通過求解一次指派問題獲得特征點的匹配關(guān)系，并實現(xiàn)對移動物體的提取與追蹤。由于該算法在匹配時同時處理多幅圖像幀，因此在當(dāng)運動物體被障礙物遮擋時，追蹤不會受到影響。
【專利說明】一種不受障礙物影響的運動物體跟蹤及提取算法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機視覺的【技術(shù)領(lǐng)域】，特別涉及一種不受障礙物影響的運動物體跟 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物體的追蹤是計算機視覺研宄領(lǐng)域的一個熱點，在 機器人視覺，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，運動物體的跟蹤通常會被中斷。
[0003]目前許多研宄人員提出的用于追蹤移動物體的方法，如光流法，基于SIFT特征點 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題。不受障 礙物影響的運動物體跟蹤及提取算法在如安防，機器人視覺等應(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動物體跟蹤及提取算法，該方 法在追蹤目標(biāo)物體的同時還可以提供目標(biāo)物體各個部分的詳細(xì)運動信息。因此，該算法不 僅在移動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)用于人物的行為識別 領(lǐng)域中。
[0005] 為了實現(xiàn)上述發(fā)明目的，本發(fā)明提供了一種基于多幀特征點同時匹配的新的移動 物體跟蹤方法。該方法首先將由移動攝像頭獲得的視頻圖像的當(dāng)前時刻的圖像幀及之前時 刻的圖像幀提取出來，并將圖像中的特征點提取：
[0006] 假設(shè)當(dāng)前t時刻的圖像幀為framet，
[0007]t時刻之前的T幀被同時提取，該T幀為framet_h，h= {1，. . .T}，
[0008] 對framet及framet_h，h= {1，· · ·T}提取特征點，并在每一幀所提取的特征點中 保留穩(wěn)定性最好的N個特征點，則被提取的特征點總數(shù)為NX(T+1)個。
[0009] 由于移動物體的軌跡追蹤問題可以轉(zhuǎn)換為移動物體中各個部分在連續(xù)幀中的匹 配問題，因此，通過求得當(dāng)前幀中的各個特征點與之前幀中的各個特征點的匹配結(jié)果即可 得到移動物體在連續(xù)幀中的軌跡。
[0010] 求當(dāng)前幀中的N個特征點與之前幀中的NXT的特征點的匹配結(jié)果，可建立 NXNXT的原始效益矩陣，匹配結(jié)果即移動物體的各個部位在連續(xù)幀中的移動軌跡。
[0011] 當(dāng)前幀的特征點與之前幀的特征點在匹配時應(yīng)該滿足以下條件：
[0012] 相匹配的特征點之間的相似度的累加總值最大，即該1對1的匹配問題可以視為 一個全局相似度最大化的最優(yōu)化問題，即一次指派問題，。
[0013]當(dāng)一個新的移動物體首次出現(xiàn)在圖像幀畫面中時，該移動物體的特征點可能與之 前幀的任何特征點都無法匹配，作為上述技術(shù)方案的一種改進(jìn)，本方案對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)前幀的特征點與之前幀的特征點的匹配問題的最優(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動物體跟蹤及提取算法，其特征在于： 501 :當(dāng)前t時刻的圖像幀記為framet，t時刻之前的T幀記為framet-h，h= {1，...T}，并分別提取特征點，各幀的特征點個數(shù)記為N; 502 :然后計算framet的各個特征點與framet_h，h= {1，. ? ?T}的各特征點之前的特征 空間空間距離，建立一個尺寸為NXNXT的原始效益矩陣； 503 :建立一個尺寸為NX(TXN+1)的擴(kuò)展效益矩陣，包括T個尺寸為NXN的原始效益 矩陣和一個尺寸為NXN的閾值矩陣； 504 :將效益矩陣的匹配問題作為一次指派問題求解； 505 :根據(jù)不同的匹配結(jié)果判斷特征點是否為新的移動物體，如果當(dāng)前幀的特征點與的 閾值相匹配，則此特征點被視為屬于新的移動物體； 506 :根據(jù)連續(xù)的匹配結(jié)果判斷特征點是否消失，當(dāng)之前幀中屬于移動物體的特征點中 在當(dāng)前幀中無可匹配點時，之前幀中的移動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)的特征點在遮擋時的位置。
2. 根據(jù)權(quán)利要求1所述的一種不受障礙物影響的運動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個尺寸為NXN的原始效益矩陣和一個尺寸為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動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；[與 之前幀的特征點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動物體跟蹤及提取算法，其特征是 當(dāng)被追蹤的移動物體在被遮擋時，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動物體跟蹤及提取算法，其特征是 當(dāng)被追蹤的移動物體在被遮擋時，對物體的追蹤不會被中斷。
【文檔編號】G06T7/20GK104504724SQ201510020446
【公開日】2015年4月8日 申請日期:2015年1月15日 優(yōu)先權(quán)日:2015年1月15日
【發(fā)明者】李竹 申請人:杭州國策商圖科技有限公司