CN103226834B - 一种图像运动目标特征点快速搜索方法 - Google Patents

Abstract

本发明一种图像运动目标特征点快速搜索方法，包括图像块分割，计算第一帧图像和第二帧图像以及第三帧图像和第二帧图像中以像素点为中心的图像块的灰度差值的绝对值和，标记目标块，进行边缘检测，寻找最佳角点，创建以角点为中心的基本匹配模板，寻找到匹配点，保存匹配点信息，重复步骤，预测新的匹配点，获取车辆行驶轨迹线，以前一帧记录的角点位置为依据，与当前帧中的记录的目标的匹配点位置做比较，确定是否为新的车辆目标。本发明的图像运动目标特征点快速搜索方法，与现有技术相比，可对视频范围内所有车辆目标进行快速搜索匹配跟踪，能够快速、准确的得到跟踪轨迹及有效信息，并且降低了计算复杂度和时间复杂度。

Description

一种图像运动目标特征点快速搜索方法

技术领域

本发明属于视频检测领域，具体涉及一种图像运动目标特征点快速搜索方法。

背景技术

运动物体跟踪是计算机视觉和模式识别领域研究的一个热点，在安全监控、运动检测等领域有较大的前景。运动物体跟踪包含运动目标的检测和跟踪两个部分。

物体的跟踪就是利用运动物体的特征，选择适当的匹配与搜索算法，寻找与目标相似的位置，实现对运动物体的跟踪。目前最常用的搜索方法就是全搜索法。全搜索法，即对搜索范围内的所有位置依次进行计算，选择与模板最相似的小块作为匹配块，该方法计算复杂度高，但是精确度最高。为了降低计算复杂度，搜索范围的选取变得十分重要。搜索区域范围的选择要覆盖目标可能运动到的最大位移范围，否则可能会将非匹配块的小块误选为匹配块，造成跟踪误差，但搜索区域范围也不能太大，这样匹配计算量会相当大。因此，如何合理地选择搜索范围至关重要。

现在常用的搜索方法有三步搜索法、菱形搜索法和全搜索法。三步搜索法是按某个步长，计算在确定中心点周围8个位置(即搜索位置)处小块与模版相似性，得到相似性最好的位置，之后以该位置为中心，将步长减半，重新遍历8个搜索位置，并以此类推。步长为1时的位置就是最终匹配位置。菱形搜索法与三步搜索法类似，只是将8个搜索位置按菱形分布。全搜索法的搜索范围是以中心点为中心的M*N大小的矩形范围。其中，三步搜索法和菱形搜索法，不能遍历搜索区域中所有位置，误差较大，而全搜索法的搜索范围大，计算量大。

发明内容

针对现有技术的不足和缺陷，本发明的目的在于，提供一种图像运动目标特征点快速搜索方法，该方法可以合理地选取搜索范围，有效的降低计算复杂度。

为了实现上述任务，本发明采用如下技术方案予以实现：

一种图像运动目标特征点快速搜索方法，该方法按照以下步骤进行：

步骤一，将视频图像的每一帧分割成多个块区域，然后采用帧差法对视频图像进行运动目标检测，分别按图像块计算第一帧图像和第二帧图像以及第三帧图像和第二帧图像中以像素点为中心的图像块的灰度差值的绝对值和，

当两次帧差所得的绝对值同时大于阈值A，则该块为目标块，并将该目标块内部所有像素的灰度值赋值为255，

当两次帧差所得的绝对值有一个小于或等于设定的阈值A，则该块为背景块，并将该背景块内部所有像素的灰度值赋值为0，其中：

所述的阈值A的取值范围为(20～30)×块的面积；

步骤二，对经过帧差法检测后的二值化图像进行边缘检测，寻找最佳角点，即当纵向、横向、左倾斜45度方向和右倾斜45度方向四个方向检测数据的最小值大于阈值B时，保留角点位置，所述的角点即为运动目标特征点，其中：

所述的阈值B的取值范围为48×(20～30)；

步骤三，创建以角点为中心的5×5矩形大小的基本匹配模板作为车辆的特征信息，同时创建一个目标数据记录结构体数组，记录这些车辆目标的具体位置以及匹配跟踪计数器信息，匹配跟踪计数器第一次初始化为零；

步骤四，若匹配跟踪计数器未超过阈值C，则在下一帧图像进行模板匹配，使用全搜索，在以角点为中心的矩形搜索框中寻找到匹配点，保存匹配点信息，所述的匹配点即为新的运动目标特征点，其中：

所述的阈值C的取值范围为4～6；

步骤五，若匹配跟踪计数器超过阈值C，则在下一帧图像中根据已有匹配点信息预测新的匹配点位置，然后根据已有匹配点和预测匹配点信息，获取车辆行驶轨迹线，设定三角形搜索范围，即以前一帧匹配点位置为顶点，在下一帧图像中沿着匹配点到预测点的方向，划定三角形搜索范围，接下来在新的搜索范围内进行模版匹配，寻找到匹配点，保存匹配点信息；

步骤六，重复步骤一至步骤五的处理方法对从第四帧图像起的所有连续的图像进行处理，以前一帧记录的角点位置为依据，与当前帧中的记录的目标的匹配点位置做比较，当两者位置的差的绝对值大于一定的阈值D，表示当前帧中该匹配点所在的目标块为新的车辆目标，再按照步骤三、步骤四、步骤五进行处理，其中：

所述的阈值D的取值为55。

本发明的图像运动目标特征点快速搜索方法，与现有技术相比，可对视频范围内所有车辆目标进行快速搜索匹配跟踪，能够快速、准确的得到跟踪轨迹及有效信息，并且降低了计算复杂度和时间复杂度。

附图说明

图1为第339帧图像。

图2为第339帧图像与第340帧图像的帧差结果。

图3为第339帧图像与第338帧图像的帧差结果。

图4为两次帧差结果的二值化图像。

图5为已标出角点的第339帧图像。

图6为三角形搜索范围示意图。

图7为已画出跟踪线的第355帧图像。

以下结合附图和实施例对本发明的内容作进一步详细说明。

具体实施方式

本实施例给出一种图像运动目标特征点快速搜索方法，以块为单位进行处理，通过已有匹配点和预测匹配点信息，获取车辆行驶轨迹线，需要说明的是，本发明的方法过程中所处理的图像是视频中的沿正时间序列的第一帧图像、第二帧图像、第三帧图像、…、第m(m为正整数)帧图像。

设每一帧视频图像的大小为W*H，每个块的面积大小为w*h，其中W为每一帧视频视频图像水平方向的像素，H为每一帧视频图像垂直方向的像素，w为每个块区域的宽度，h为每个块区域的高度。

本实施例的方法具体采用以下步骤实现：

步骤一，将每幅图像从上到下，从左到右分成大小为w*h的图像块，图像块大小为6*8，然后采用帧差法对视频图像进行运动目标检测，分别按图像块计算第一帧图像和第二帧图像以及第三帧图像和第二帧图像中以像素点为中心的图像块的灰度差值的绝对值和，

当两次帧差所得的绝对值同时大于设定的阈值A，则该块为目标块，并将该目标块内部所有像素的灰度值赋值为255，

当两次帧差所得的绝对值有一个小于或等于设定的阈值A，则该块为背景块，并将该背景块内部所有像素的灰度值赋值为0，其中：

所述的阈值A的取值范围为(20～30)×(w*h)；

步骤二，对经过帧差法检测后的二值化图像进行边缘检测，寻找最佳角点，即当纵向、横向、左倾斜45度方向和右倾斜45度方向四个方向检测数据的最小值大于阈值B时，保留角点位置，所述的角点即为运动目标特征点，其中：

所述的阈值B的取值范围为48×(20～30)；

步骤三，创建以角点为中心的5×5矩形大小的基本匹配模板作为车辆的特征信息，同时创建一个目标数据记录结构体数组，记录这些车辆目标的具体位置以及匹配跟踪计数器信息，匹配跟踪计数器第一次初始化为零；

步骤四，若匹配跟踪计数器未超过阈值C，则在下一帧图像进行模板匹配，使用全搜索，在以角点为中心的矩形搜索框中寻找到匹配点，保存匹配点信息，所述的匹配点即为新的运动目标特征点，其中：

所述的阈值C的取值范围为4～6；

步骤五，若匹配跟踪计数器超过阈值C，则在下一帧图像中根据已有匹配点信息预测新的匹配点位置，然后根据已有匹配点和预测匹配点信息，获取车辆行驶轨迹线，设定三角形搜索范围，即以前一帧匹配点位置为顶点，在下一帧图像中沿着匹配点到预测点的方向，划定三角形搜索范围，接下来在新的搜索范围内进行模版匹配，寻找到匹配点，保存匹配点信息；

步骤六，重复步骤一至步骤五的处理方法对从第四帧图像起的所有连续的图像进行处理，以前一帧记录的角点位置为依据，与当前帧中的记录的目标的匹配点位置做比较，当两者位置的差的绝对值大于一定的阈值D，表示当前帧中该匹配点所在的目标块为新的车辆目标，再按照步骤三、步骤四、步骤五进行处理，其中：

所述的阈值D的取值为55。

以下给出本发明的具体实施例，需要说明的是本发明并不局限于以下具体实施例，凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。

实施例：

如图1至图7所示，是西安市某路段的实时路况视频图像，该视频的采样频率是25帧每秒，视频图像大小为720×288，每块的大小为8×6，则每帧视频图像分成90×48个块，

选取的阈值A为48×20；

选取的阈值B为48×20；

选取的阈值C为4；

选取的阈值D为55；

遵从上述方法依次对第339帧至第355帧图像进行处理。

视频正播时，车辆目标第一次被标记在第339帧图像中，如图1所示，采用帧差法对视频图像进行运动目标检测，第339帧图像与第338帧图像的帧差结果如图3所示，第339帧图像与第340帧图像的帧差结果如图2所示，第339帧图像两次帧差后的二值化图像如图4所示，二值化图像中有一个目标，显然是车辆目标，对此目标做边缘检测，寻找最佳角点，当四个方向检测数据的最小值满足条件时，得到角点，得到第339帧图像中车辆目标的最佳角点，如图5所示。

当匹配跟踪计数器超过规定阈值4时，根据已有的1、2、3、4个匹配点求得预测点5的位置，以前一帧匹配点位置(即点4)为顶点，在下一帧图像中沿着匹配点到预测点的矢量方向，即点4到点5的矢量方向，划定三角形搜索范围，三角形为直角三角形，高为点4与点5的纵向距离差的绝对值的2倍，并使点5到以点4为顶点的两边的横向距离相同，具体表示如图6所示。

按照上述方法对车辆目标进行多次匹配跟踪，得到了较好的跟踪轨迹，如图7所示。此实例表明，本发明的方法不仅减少了计算量，缩小了搜索范围，还能够实现车辆目标的跟踪，得到较好的轨迹。

Claims (1)

1.一种图像运动目标特征点快速搜索方法，其特征在于，该方法按照以下步骤进行：

步骤一，将视频图像的每一帧分割成多个块区域，然后采用帧差法对视频图像进行运动目标检测，分别按图像块计算第一帧图像和第二帧图像以及第三帧图像和第二帧图像中以像素点为中心的图像块的灰度差值的绝对值和，

当两次帧差所得的绝对值同时大于阈值A，则该块为目标块，并将该目标块内部所有像素的灰度值赋值为255，

当两次帧差所得的绝对值有一个小于或等于设定的阈值A，则该块为背景块，并将该背景块内部所有像素的灰度值赋值为0，其中：

所述的阈值A的取值范围为(20～30)×块的面积；

步骤二，对经过帧差法检测后的二值化图像进行边缘检测，寻找最佳角点，即当纵向、横向、左倾斜45度方向和右倾斜45度方向四个方向检测数据的最小值大于阈值B时，保留角点位置，所述的角点即为运动目标特征点，其中：

所述的阈值B的取值范围为48×(20～30)；

步骤三，创建以角点为中心的5×5矩形大小的基本匹配模板作为车辆的特征信息，同时创建一个目标数据记录结构体数组，记录这些车辆目标的具体位置以及匹配跟踪计数器信息，匹配跟踪计数器第一次初始化为零；

步骤四，若匹配跟踪计数器未超过阈值C，则在下一帧图像进行模板匹配，使用全搜索，在以角点为中心的矩形搜索框中寻找到匹配点，保存匹配点信息，所述的匹配点即为新的运动目标特征点，其中：

所述的阈值C的取值范围为4～6；

步骤五，若匹配跟踪计数器超过阈值C，则在下一帧图像中根据已有匹配点信息预测新的匹配点位置，然后根据已有匹配点和预测匹配点信息，获取车辆行驶轨迹线，设定三角形搜索范围，即以前一帧匹配点位置为顶点，在下一帧图像中沿着匹配点到预测点的方向，划定三角形搜索范围，接下来在新的搜索范围内进行模版匹配，寻找到匹配点，保存匹配点信息；

步骤六，重复步骤一至步骤五的处理方法对从第四帧图像起的所有连续的图像进行处理，以前一帧记录的角点位置为依据，与当前帧中的记录的目标的匹配点位置做比较，当两者位置的差的绝对值大于一定的阈值D，表示当前帧中该匹配点所在的目标块为新的车辆目标，再按照步骤三、步骤四、步骤五进行处理，其中：

所述的阈值D的取值为55。