CN102254181A - 多阶微分环形模板匹配跟踪方法 - Google Patents

Abstract

本发明属于图像处理与机器视觉领域，具体为一种多阶微分环形模板匹配跟踪方法。模板与待匹配区域均选用环形结构，根据模板与待匹配区域的灰度值求取各阶微分图像。匹配准则函数包含模板与待匹配区域各环的灰度匹配值和各阶微分图像匹配值。匹配准则函数取值最小的位置确定为目标位置。环形模板匹配准则确保了目标识别结果具有平移和旋转不变性。各阶微分图像的匹配结果提高了图像细节信息的利用率，增加了算法识别的准确性。本发明可用于目标识别与跟踪系统中。

Description

多阶微分环形模板匹配跟踪方法

技术领域

本发明属于图像处理与机器视觉领域，涉及一种目标识别与跟踪方法，特别涉及一种基于环形模板的、具有旋转不变性的目标识别与跟踪方法。

背景技术

目标的识别与跟踪一直是机器视觉和图像处理领域的重要研究内容。在监控系统、安防系统、军事领域等方面有着重要的应用价值。由于目标识别系统通常要求具有实时性，因此限制了运算量较大的算法的应用范围。而运算量较小的算法通常识别精度不高。例如，“双波门”方法是一种简单、快速的识别跟踪方法，该方法通过设置被识别目标灰度的上下限阈值来区分目标和背景图像，从而实现目标的识别与跟踪，由于该方法过于简单，因此仅适用于简单背景下的目标识别与跟踪中，当目标或背景有多个较复杂的灰度级时，该方法就很难满足识别的精度要求。其他基于对比度跟踪的方法同样具有抗干扰能力差、识别精度低的缺点。

随着电子技术和计算机技术的迅速发展，相关匹配识别与跟踪方法在实际系统中得到广泛应用。该类方法是将系统的基准图像选定为模板，将模板在跟踪窗中以不同的偏移值移位，然后计算模板与其重叠区域图像的相关值，将最佳匹配区域确定为跟踪目标位置。例如，灰度差的绝对平均值算法就是一种简单的相关匹配算法。但由于这类方法采用点对点的匹配计算，因此通常仅具有平移不变性，而不具有旋转不变性。这使得算法在目标发生旋转运动时无法准确定位出目标位置，从而影响了算法的应用范围。

因此设计一种具有旋转不变性的模板匹配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，设计一种具有旋转不变性的模板匹配目标识别与跟踪方法，实现对灰度图像目标的识别与跟踪。

本发明所采用的技术方案是：一种多阶微分环形模板匹配跟踪方法，模板大小选为n×n(n为奇数)，模板中的像素以模板中心为环心，按环形排列形成(n+1)/2个子窗口，第一个子窗口即为特征点本身，第二个子窗口则为特征点为中心的3×3的窗口，第i个子窗口则为特征点为中心的(2i-1)×(2i-1)的窗口，其中i＝1，2，...，(n+1)/2。根据环形像素的灰度值分布情况，计算求取一阶微分图像，根据第i阶微分图像，计算求取第(i+1)阶微分图像。匹配准则函数D由D₀，D₁，D₂，...，D_m，共(m+1)部分组成，其中D₀为模板与待匹配区域各环像素灰度和的差值绝对值，D_i为模板第i阶微分图像与待匹配区域第i阶微分图像各环微分绝对值和的差值绝对值。匹配准则函数D最小的位置确定为目标位置。

本发明的目的在于提出一种多阶微分环形模板匹配跟踪方法，采用环形模板确保算法具有旋转不变性，在匹配准则函数中增加各阶微分图像的匹配值，以此提高图像的细节信息的利用率，从而提高目标识别的准确性，完成对灰度图像目标的识别与跟踪。

附图说明

图1为5×5的环形模板结构图。

图2为一阶微分图像结构图。

图3为车辆目标中提取的模板结果。

图4为灰度差的绝对平均值方法得到的跟踪结果。

图5为采用环形模板匹配方法得到的匹配结果(m＝0)。

图6为采用一阶微分环形模板匹配方法得到的结果(m＝1)。

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。

本发明采用模板匹配方法实现目标的识别与跟踪。模板A选用环形结构，模板大小选为n×n(n为奇数)，模板中的像素以模板中心为环心，按环形排列形成(n+1)/2个子环，第一个子环即为模板中心点本身，第二个子环所包围的窗口为以模板中心点为中心的3×3的窗口，第i个子环所包围的窗口为以模板中心为中心的(2i-1)×(2i-1)的窗口，其中i＝1，2，...，(n+1)/2。如图1所示为5×5的环形模板结构图。

该模板包括3个子环，a⁰ _l，j表示第i环的第j个像素的灰度值，第0环由a⁰ _0，0构成；第1环由a⁰ _1，0，a⁰ _1，1，...，a⁰ _1，7共8个像素构成，第2环由a⁰ _2，0，a⁰ _2，1，...，a⁰ _2，15共16个像素构成。图2为根据该模板求得的第k阶微分模板。

其中a^k _l，j(k＞0)表示第i环的第j个像素的第k阶微分值，其计算公式如下：

$a_{i,j}^k=\left\{\begin{array}{c}{a}_{i,j}^{k-1},i=0,k>0\\ a_{i,j}^{k-1}-a_{i,j-1}^{k-1},i\≠0,j\≠0,k>0\\ a_{i,j}^{k-1}-a_{{i,2}^{(i+2)}-1}^{k-1},i\≠0,j=0,k>0\end{array}\right.---\left(1\right)$

设搜索区中与模板进行匹配计算的区域为B，该区域也按照环形排列，记b⁰ _i，j表示该区域第i环的第j个像素的灰度值，b^k _l，j表示该区域第i环的第j个像素的第k阶微分值。其计算公式如下：

$b_{i,j}^k=\left\{\begin{array}{c}{b}_{i,j}^{k-1},i=0,k>0\\ b_{i,j}^{k-1}-b_{i,j-1}^{k-1},i\≠0,j\≠0,k>0\\ b_{i,j}^{k-1}-b_{{i,2}^{(i+2)}-1}^{k-1},i\≠0,j=0,k>0\end{array}\right.---\left(2\right)$

模板匹配准则函数定义为：

$D(A,B)=\underset{k=0}{\overset{m}{\mathrm{\Σ}}}{D}_k---\left(3\right)$

其中：

$D_k=\underset{i=0}{\overset{(n+1)/2}{\mathrm{\Σ}}}\left|\underset{j=0}{\overset{j=2^{(i+2)}-1}{\mathrm{\Σ}}}\right|a_{i,j}^k|-\underset{j=0}{\overset{j=2^{(i+2)}-1}{\mathrm{\Σ}}}|b_{i,j}^k\left|\right|---\left(4\right)$

将模板图像在跟踪区中移动，匹配准则函数D最小的区域确定为目标位置。

本发明选用环形模板，匹配过程中按照环形结构进行匹配，确保了匹配结果具有旋转不变性。由于灰度匹配值是模板图像与待匹配区图像的各环内像素灰度值的差值之和，这对图像的细节信息起到了一定的过滤作用，从而影响匹配结果的准确性。为了提高目标识别的准确性，在匹配准则函数中增加了多阶微分匹配信息，提高了图像细节信息的利用率，有利于提高识别性能。

实施例

图3给出了车辆目标上提取的模板结果。图4-图5给出了当目标图像发生旋转运动时各种跟踪方法的跟踪结果。图4为灰度差的绝对平均值方法得到的跟踪结果，图5为采用环形模板匹配方法得到的匹配结果(m＝0)，图6为采用一阶微分环形模板匹配方法得到的结果(m＝1)。由实例结果可以看出，当目标图像发生旋转运动时，灰度差的绝对平均值方法很难得到正确的识别结果，采用环形模板匹配方法(m＝0)识别的结果也不够准确，这是由于虽然环形模板具有旋转不变性，但在环形匹配过程中丢失了图像的大量细节信息造成的，采用一阶微分环形模板匹配方法则可得到较好的跟踪结果，这是由于微分匹配信息提高了图像细节信息的利用率，同时算法具有旋转不变性。

当目标与背景更加复杂时，为了提高识别的准确性，可增加微分匹配的阶数，即增大m的数值。

本发明方法可对连续图像中的目标进行较为准确的定位跟踪。在环境背景较为复杂或者目标发生了平移、旋转等变化的情况下，本发明方法仍然有效。

Claims (2)

1.一种多阶微分环形模板匹配跟踪方法，其特征在于，模板选用环形结构，以确保算法具有旋转不变性，根据环形模板的灰度值，求取各阶微分图像值，根据模板图像和各阶微分图像计算模板与搜索区中待匹配区域的匹配准则函数值D，匹配准则函数值最小的位置确定为目标位置。

2.根据权利要求1所述的多阶微分环形模板匹配跟踪方法，其特征在于，模板图像A与待匹配区域B的匹配准则函数的计算公式为：

$D(A,B)=\underset{k=0}{\overset{m}{\mathrm{\Σ}}}{D}_k---\left(1\right)$

其中：

$D_k=\underset{i=0}{\overset{(n+1)/2}{\mathrm{\Σ}}}\left|\underset{j=0}{\overset{j=2^{(i+2)}-1}{\mathrm{\Σ}}}\right|a_{i,j}^k|-\underset{j=0}{\overset{j=2^{(i+2)}-1}{\mathrm{\Σ}}}|b_{i,j}^k\left|\right|---\left(2\right)$

其中a^k _l，j表示模板图像中第i环的第j个像素的灰度值，a^k _l，j(k＞0)表示模板图像中第i环的第j个像素的第k阶微分值，其计算公式如下：

$a_{i,j}^k=\left\{\begin{array}{c}{a}_{i,j}^{k-1},i=0,k>0\\ a_{i,j}^{k-1}-a_{i,j-1}^{k-1},i\≠0,j\≠0\\ a_{i,j}^{k-1}-a_{{i,2}^{(i+2)}-1}^{k-1},i\≠0,j=0\end{array}\right.---\left(3\right)$

其中b^k _l，j表示待匹配区图像中第i环的第j个像素的灰度值，b^k _l，j(k＞0)表示待匹配区的第i环的第j个像素的第k阶微分值，其计算公式如下：

$b_{i,j}^k=\left\{\begin{array}{c}{b}_{i,j}^{k-1},i=0,k>0\\ b_{i,j}^{k-1}-b_{i,j-1}^{k-1},i\≠0,j\≠0,k>0\\ b_{i,j}^{k-1}-b_{{i,2}^{(i+2)}-1}^{k-1},i\≠0,j=0,k>0\end{array}\right.---\left(4\right)$

Images