CN102034114A

CN102034114A - 一种基于特征点检测的模板匹配跟踪方法

Info

Publication number: CN102034114A
Application number: CN2010105737302A
Authority: CN
Inventors: 修春波
Original assignee: Tianjin Polytechnic University
Current assignee: Tianjin Polytechnic University
Priority date: 2010-12-03
Filing date: 2010-12-03
Publication date: 2011-04-27

Abstract

本发明属于图像处理与机器视觉领域，具体为一种基于特征点检测的模板匹配跟踪方法。根据像素的灰度和梯度信息分别在目标图像和模板图像中提取特征点。为减小相关匹配计算量，仅对模板图像和目标图像中的特征点的邻域像素进行相关匹配计算，实现两幅图像的特征点匹配。根据已匹配特征点的相对位置信息可确定目标的中心位置，从而实现目标的识别与跟踪。当目标图像中的目标发生姿态变化时，更新模板图像，减小误差累积。本发明可用于目标检测与目标跟踪系统中。

Description

一种基于特征点检测的模板匹配跟踪方法

技术领域

本发明属于图像处理与机器视觉领域，涉及一种基于特征点检测的模板匹配跟踪方法，特别涉及一种通过匹配检测出的特征点进行目标定位与识别的方法。

背景技术

目标的检测、识别、定位与跟踪一直是机器视觉和图像处理领域的重要研究内容。在工业检测、安防系统、军事领域等方面有着重要的应用价值。通常用于目标跟踪的方法有相关匹配方法、特征点检测与匹配等方法。

相关匹配方法是将模板图像与目标图像中的检测区域进行相关性计算，根据相关性度量准则确定最佳匹配位置。该类方法具有计算量小，运算速度快的优点，同时也存在一定的缺点，例如对目标的旋转变化和缩放变化识别结果的适应性不强，相关匹配算法存在累积误差，另外目标的细节信息利用不够充分，容易造成误匹配。

特征点检测方法利用图像的灰度和梯度等细节信息提取出特征点，根据特征点的相对位置信息实现模板图像和目标图像中相应特征点的匹配。由于该方法充分利用了图像的细节信息，而且相对位置信息具有旋转不变性，因此该方法对目标的识别结果具有良好的鲁棒性。但当目标图像中目标姿态或背景图像发生一定变化时，目标图像中与模板图像相对应的特征点可能丢失，从而造成匹配和识别的失败。

因此，结合上述两类方法的特点，设计一种同时具有二者优点的目标检测与识别跟踪方法具有重要的应用价值。

发明内容

本发明所要解决的技术问题是，设计一种基于特征点检测的模板匹配跟踪方法，实现对灰度图像目标的检测识别与跟踪定位。

本发明所采用的技术方案是：一种基于特征点检测的模板匹配跟踪方法，包括以下步骤：

(1)计算模板图像的特征点。

(2)计算目标图像的特征点。

(3)以模板图像中的各特征点为中心，建立多个模板，分别与目标图像中的特征点为中心的相应图像区域进行相关匹配计算，确定匹配点。

(4)根据已匹配特征点的相对位置信息，确定被遮挡或漏检的特征点位置，从而实现对目标的定位。

本发明的目的在于提出一种基于特征点检测的模板匹配跟踪方法，利用特征点检测方法分别在模板图像和目标图像中检测特征点，根据特征点的灰度信息进行模板匹配，并根据匹配特征点的相对位置信息确定目标的位置，完成对灰度图像目标的有效检测识别与定位跟踪。

附图说明

图1为遮挡特征点的确定。

图2为目标识别结果。

具体实施方式

下面结合实施例和附图对本发明作进一步详细说明。

本发明分别在模板图像和目标图像中检测特征点，根据模板图像和目标图像中灰度的梯度信息确定特征点。主要选取一些边缘上的显著点作为特征点。利用边缘检测算法求取图像中各点的边缘强度信息。设图像中点(x，y)处的图像灰度值为P(x，y)，利用边缘检测算法求得的边缘强度信息为S(x，y)。如果该点的边缘强度信息S(x，y)是其邻域内的最大值，且大于给定阈值R₁，则将该点确定为特征点。这可有效避免将多个相邻点选为同一个特征对应的特征点。这样就可在模板图像和目标图像中分别检测到M个和N个特征点。

为减小计算量，分别对模板图像和目标图像中的特征点位置的图像区域进行相关匹配计算，从而实现特征点的匹配。

相关匹配的准则有很多，为了减小计算量，同时为了使匹配结果对旋转具有不变性，可将各特征点的领域窗口内的像素按照环形排列，以模板图像和目标图像中特征点邻域内的各环灰度差的绝对值作为指标。设模板图像中以第i个特征点A_i为中心的第k个环形邻域内的像素灰度值之和为目标图像中第j个特征点B_j为中心的第k个环形邻域内的像素灰度值之和为

邻域内像素环的数量为c，则特征点A_i与B_j的匹配值D为：

D (A_{i}, B_{j}) = \frac{1}{c} Σ_{k = 1}^{c} | a_{k}^{i} - b_{k}^{j} | - - - (1)

设D(A_i，B_j)＝min{D(A_i，B_j)，l＝1，2，...，N}，且匹配值D(A_i，B_j)小于阈值R₂，则可确定模板图像的特征点A_i与目标图像中的特征点B_j相匹配。

由于运动目标背景复杂，因而目标图像中的某些特征点可能由于某种原因(如遮挡等)而丢失，从而无法得到匹配结果，这可通过已经得到匹配的各特征点之间的相对位置关系确定其位置。

例如，对于图1(a)所示的模板中的四个特征点A、B、C、D，如果在图1(b)的目标图像中只找到相应的三个匹配点A′、B′、C′，则可按图1(c)中的方法确定第四个特征匹配点D′的位置。即分别以A′、B′、C′为圆心，以AD、BD、CD为半径做圆，则所得唯一交点即为D′的位置。

采用上述方法同样可确定出目标的中心位置。

如果模板图像中的M个特征点有1/3以上未在目标图像中寻得匹配点，则说明目标姿态发生了较大变化，此时将目标图像中的目标提取出来作为新的模板，即更新模板。

根据目标图像中的目标位置计算跟踪误差，给出控制器误差输入信号，根据控制器输出的控制量驱动伺服系统完成运动目标的连续跟踪。

实施例

图2给出了采用本发明方法在几幅连续图像中进行目标识别与跟踪的结果。选取左上顶点为坐标原点，向右和向下为正方向。图2(a)所示的110×60的坦克作为模板图像，图2(b-f)为目标图像，目标图像的大小为260×170。在模板图像中检测到6个特征点，而在目标图像图2(b-e)中分别检测到11、10、10、11个特征点。而对于图像图2(f)，由于大部分目标已经被烟雾所遮挡，因此虽然在该图像中检测到12个特征点(如图2(g)所示)，但与模板图像相匹配的许多特征点已经丢失。

从实验结果可见，在图2(b-e)中，目标图像包含模版图像全部的特征点，利用本发明方法可以完全正确地匹配出相应的特征点，得到正确的识别结果。而对于图2(f)，由于场景复杂，所以待识别的目标大部分被烟尘遮挡。经过特征点检测操作(图2(g))，与模板图像相匹配的大部分特征点丢失。经过特征点匹配，只得到特征点4、5、6的匹配结果(图2(h))，根据已得到的正确匹配的特征点之间的相对关系，可以进一步确定出丢失的特征点1、2、3、4的正确位置(图2(i))，从而完成目标识别与定位跟踪功能。

Claims

1.一种基于特征点检测的模板匹配跟踪方法，其特征在于根据图像的灰度和梯度信息分别在模板图像和目标图像中提取特征点，对模板图像和目标图像中的特征点进行相关匹配，实现目标的识别与跟踪。

2.根据权利要求1所述的一种基于特征点检测的模板匹配跟踪方法，其特征在于，选取边缘中的显著点作为特征点，即选取边缘强度信息具有局部极大值的边缘点作为特征点。

3.根据权利要求1所述的一种基于特征点检测的模板匹配跟踪方法，其特征在于，为减少计算量，将模板图像中各特征点的邻域窗口作为特征匹配模板，根据相关匹配准则在目标图像中寻找相应的匹配特征点。

4.根据权利要求1所述的一种基于特征点检测的模板匹配跟踪方法，其特征在于，为保持匹配准则具有旋转不变性，特征点邻域窗口的像素按环形排列和匹配计算。

5.根据权利要求1所述的一种基于特征点检测的模板匹配跟踪方法，其特征在于，根据获得匹配的特征点的相对位置信息，可确定丢失特征点的位置。

6.根据权利要求1所述的一种基于特征点检测的模板匹配跟踪方法，其特征在于，当目标图像中的目标发生较大姿态变化时，更新模板图像，即将目标图像中检测的目标作为新的模板。