CN103617631A

CN103617631A - 一种基于中心检测的跟踪方法

Info

Publication number: CN103617631A
Application number: CN201310555241.8A
Authority: CN
Inventors: 彭春华; 马敬锐; 杜华鹏
Original assignee: Shandong Sheenrun Optics Electronics Co Ltd
Current assignee: Shandong Sheenrun Optics Electronics Co Ltd
Priority date: 2013-11-11
Filing date: 2013-11-11
Publication date: 2014-03-05
Anticipated expiration: 2033-11-11
Also published as: CN103617631B

Abstract

本发明公开了一种基于中心检测的跟踪方法，包括以下步骤：1）采集视频图像当前帧和前一帧图像；2）基于步骤1）所获得的两帧图像及当前的跟踪速度通过移位帧差算法提取图像背景；3）利用所获得图像与背景图像的差得到目标图像；4）确定目标图像的中心点坐标；5）若目标图像的中心点与当前帧图像中心的距离小于设定阈值，则按照当前的路径跟踪，否则，转步骤6）；6）计算目标图像中心点的视场角，由该视场角与当前帧图像中心点的视场角的偏差，启动跟踪，使目标图像中心点的视场角趋同于当前帧图像中心点的视场角。依据本发明具有较好的跟踪效果。

Description

一种基于中心检测的跟踪方法

技术领域

本发明涉及一种跟踪方法，用于对符合一定特征的目标进行PTZ跟踪，其中PTZ是Pan/Tilt/Zoom 的简写，代表云台全方位（上下、左右）移动及镜头变倍、变焦控制。

背景技术

近年来，随着安防行业的发展，各种新技术浮现于市面并应用于不同领域，其中自动跟踪技术是一个较为热门的前沿技术。跟踪方法可以理解为目标检测跟踪，是近年来计算机视觉领域中备受关注的前沿方向，它通常包含运动目标的图像序列中检测、识别、跟踪目标，并对其进行理解和描述。

目标分析包含模式识别、图像处理、计算机视觉、人工智能等多个方面的内容，目标跟踪对实时性要求比较高，通过实时解算出目标在图像场景中的精确位置，并输出目标偏离系统视轴的方位和俯仰误差信号，通过伺服控制回路，驱动如云台或者其它稳定平台跟踪目标。

实现目标跟踪的关键在于完整的分割目标、合理地提取特征并准确地识别目标，同时考虑算法实现的时间，以保证实时性。

目标跟踪涉及的方面比较多，各个方面相关的关联性和处理方法在前后承接上的依赖性比较强，造成其整体发展速度相对缓慢，目前仍无一个较好的跟踪方法，普遍现象是跟踪容易丢失，对快速运动目标跟踪效果不好，甚至在跟踪过程中转移了跟踪目标。

发明内容

为此，本发明的目的在于提供一种跟踪效果比较好的基于中心检测的跟踪方法。

本发明采用以下技术方案：

一种基于中心检测的跟踪方法，包括以下步骤：

1）采集视频图像当前帧和前一帧图像；

2）基于步骤1）所获得的两帧图像及当前的跟踪速度通过移位帧差算法提取图像背景；

3）利用所获得图像与背景图像的差得到目标图像；

4）确定目标图像的中心点坐标；

5）若目标图像的中心点与当前帧图像中心的距离小于设定阈值，则维持当前状态，否则，转步骤6）；

6）计算目标图像中心点的视场角，由该视场角与当前帧图像中心点的视场角的偏差，启动跟踪，使目标图像中心点的视场角趋同于当前帧图像中心点的视场角。

从上述方案可以看出，依据本发明，利用图像处理算法对目标进行检测识别，并进一步计算出目标图像中心的视场角，据此，利用其与视场中心点的偏差，容易确定目标跟踪的方向及跟踪的速度，实现起来相对比较简单，且如目标跟踪的方向和跟踪的速度在此条件下非常容易计算，计算量相对比较小，响应速度快，从而可以做到比较好的跟踪效果。

上述基于中心检测的跟踪方法，步骤1）中包括对所获得当前帧和前一帧图像预处理的步骤，该预处理的步骤包括对图像降噪，并进行灰度化。

上述基于中心检测的跟踪方法，步骤2）提取的图像背景为：

G _b = G _n - G _p *S；

G _n当前帧图像，G _p为前一帧图像，S为当前跟踪速度的运动矢量，*表示移位；

进而，目标图像为G _t =G _n -G _b。

上述基于中心检测的跟踪方法，在步骤3）中还包括目标确认步骤，加以匹配的，创建有模板库，在得到目标图像后，利用模板匹配算法进行目标确认。

上述基于中心检测的跟踪方法，步骤4）中确定目标图像中心点坐标的方法是利用象素点纵横坐标的平均值得到中心点的纵坐标和横坐标。

上述基于中心检测的跟踪方法，以当前帧图像中心为原点构造笛卡儿坐标系，即上文提到过的新坐标系，基于目标图像中心点相对于新坐标系原点的位置确定其所处的笛卡尔坐标系象限，基于象限确定步骤6）的移动方向，然后再确定移动速度。

上述基于中心检测的跟踪方法，确定一个趋同时间，根据目标图像的中心点与当前帧图像中心的视场角差值及趋同时间，确定水平趋同速度与垂直趋同速度，合成该趋同速度得到移动速度。

上述基于中心检测的跟踪方法，设定阈值为当前帧图像对角线长度的10%。

附图说明

图1为依据本发明的一种目标检测识别流程图。

图2为依据本发明的一种目标视场角计算流程图。

图3为依据本发明的一种云台控制流程图。

图4 为依据本发明的一种图像视场角象限分割示意图。

具体实施方式

以云台作为载体进行目标跟踪为例进行说明，跟踪系统包括目标检测识别模块、目标视场角计算模块、云台控制模块。

各模块在本例被赋予的功能如下：

目标检测识别模块：该模块的主要功能是通过视频图像处理算法，从视频流中把要跟踪的目标检测出来，并输出目标图像，目标图像作为目标视场角计算模块的输入之一。

目标视场角计算模块：该模快的主要功能是根据目标图像进行目标中心点的检测，得出目标中心点在图像中坐标C（x,y），并根据相机的参数（镜头焦距F，感光元件分辨率P(X,Y)）通过计算得出目标中心点的视场角A(x,y)，这里把视场范围以中心为原点分为四个象限（笛卡儿坐标系，也就是平面直角坐标系，个个象限和坐标轴上的坐标点的坐标符号与原点的位置关系为公知常识）则通过目标中心点的角度的符号及大小就可以方便的确定云台的下一步将要运动的放方向和速度，这部分由云台控制模块来完成。

注意，在大多数的应用中，当目标中心点离图像中心点的距离d小于视场图像对角线距离D的10%时，则维持当前状态，下面的云台控制模块不会执行，这样可以减少不必要操作。

应当理解，视频设备输入的图像就是视场内的图像，所提取的如当前帧图像自然也是为视场所约束。

云台控制模块：该模块的主要功能是根据目标中心点的视场角及期望的跟踪参数，这里主要指当跟踪目标时期望目标出现在视场中心所需要的时间T，通过这两个参数得出水平方向及垂直方向的速度等级，并发送控制命令即可。

期望，是指人们对每样东西的提前勾画出的一种标准，达到了这个标准就是达到了期望值。根据用户的期望，本领域的技术人员对此容易设置。

下面结合说明书附图对跟踪方法进行分总描述。

参照说明书附图1，表示目标检测识别的流程，可以整体表示为目标检测识别。具体包括以下步骤：

（1）首先对采集的相邻两帧视频图像进行预处理，包括图像降噪、灰度化。

图像降噪的作用是尽量减少噪声对目标检测结果的影响，灰度化的作用是，减少视频图像的数据量以提高处理速度。得出的灰度图像分别为G _p与G _n，表示前一帧的灰度图与最新帧（当前帧）的灰度图。

（2）通过移位帧差算法提取图像背景。移位帧差法的原理是：已知云台运动速度的情况下，根据水平与垂直速度可以得出运动矢量S，则最新帧的背景图像G _b = G _n - G _p *S（注意此处“*”表示移位，并不表示值的相乘）,这样在当前帧中目标区域处的值会较大并将此区域记为A，此时只需把G _n中与当前帧中A区域位置相同的地方的值填补为与周边的一样即可。

《计算机工程与设计》2010年31日（17）中的文献《基于改进背景差法的运动目标检测》设计背景的提取，其本质上也是一种移位帧差算法，本领域的技术人员可参考。

《城市交通》2006年5月底4卷第3期中的文献《一种基于视频虚拟检测线的交通流参数检测方法》中的第一部分的第1.1节给出的视频采集与目标分割也使用了所谓的改进的背景帧差法也属于帧差算法，本领域的技术人员可予以参考。

（3）目标图像提取。由于已经得到背景图像，这目标图像计算方法为：G _t =G _n -G _b。G _t中目标部分的值会较大。

（4）模板匹配。由于受环境影响，受此影响可能会在目标图像中形成多个目标，据此就需要找到与目标最相近的，优选地，用模板匹配方法，进行目标的确认。模板匹配函数采用下面公式：

Figure 2013105552418100002DEST_PATH_IMAGE002

其中

Figure 2013105552418100002DEST_PATH_IMAGE004

表示模板，表示图像中位域(i,j)点的一个M*N大小的子图，

Figure 2013105552418100002DEST_PATH_IMAGE008

，其中W，H分别代表图像的宽和高各占的像素数。如果相似度越高则公式左边值越下小，这样可以找到最终的目标区域。

模板库可以在跟踪方法创建时一同创建，也可以根据随机捕获的目标进行人工识别后作为模板存入模板库。

参考图2，说明目标中心点检测流程图：

（1）由得到的目标图像计算目标中心点坐标。中心点坐标C(x,y)计算方法如下:

，

与

分别表示目标区域内像素点的横纵坐标值，分别表示目标区域内表示目标的像素点个数。注意目标区域内表示目标的像素点不一定是连续的。

（2）如果目标图像中心点与视场图像中心的距离小于图像对角线距离的10%就不进行云台控制，维持当前状态，否则计算中心点的视场角，并最终控制云台转动。

（3）通过三角形的相似定理可以求得目标图像中心点在感光元件上成像点的坐标Shadow（x,y），进一步求出中心点的视场角，如下：

A(x,y) =（,

）。

注意：求A(x,y)时进行了坐标系的转换，感光元件的上的坐标系即上文提到过的原坐标系是以左上角为原点，向右为Y轴正方向，向下为X轴正方向，而视场角的坐标系即上文提到过的新坐标系是以中心点为原点，以向上为Y轴正方向，向右为X轴正方向。新的视场角象限中心点为零角度点。

参考附图3，说明云台控制流程：

（1）由以上的结果进一步计算出云台控制的速度与方向。当A(x,y)处在第一象限时往右上运动，如果在第二象限往左上运动，如果在第三象限往左下运动，如果在第四象限往右下运动。

（2）确定速度值。速度是合成的，所以需要求得水平与垂直方向的速度值。

。

T是如前所说的期望。V _h和V _v是追踪分量。

（3）控制云台转动。移已知速度矢量则可以控制云台的动作。水平速度矢量为正则向右转动，否则向左转动，矢量的大小为速度值；垂直速度矢量为正则向上转动，否则向下转动，矢量的大小为速度值。

Claims

1.一种基于中心检测的跟踪方法，其特征在于，包括以下步骤：

1）采集视频图像当前帧和前一帧图像；

3）利用所获得图像与背景图像的差得到目标图像；

4）确定目标图像的中心点坐标；

2.根据权利要求1所述的基于中心检测的跟踪方法，其特征在于，步骤1）中包括对所获得当前帧和前一帧图像预处理的步骤，该预处理的步骤包括对图像降噪，并进行灰度化。

3.根据权利要求1或2所述的基于中心检测的跟踪方法，其特征在于，步骤2）提取的图像背景为：

G _b = G _n - G _p *S；

进而，目标图像为G _t =G _n -G _b。

4.根据权利要求1或2所述的基于中心检测的跟踪方法，其特征在于，在步骤3）中还包括目标确认步骤，加以匹配的，创建有模板库，在得到目标图像后，利用模板匹配算法进行目标确认。

5.根据权利要求1或2所述的基于中心检测的跟踪方法，其特征在于，步骤4）中确定目标图像中心点坐标的方法是利用象素点纵横坐标的平均值得到中心点的纵坐标和横坐标，此处所利用的坐标系规定为原坐标系：目标图像左上角为原点，向右为Y轴正方向，向下为X轴正方向。

6.根据权利要求5所述的基于中心检测的跟踪方法，其特征在于，以当前帧图像中心为原点构造笛卡儿坐标系，此坐标系规定为新坐标系，基于目标图像中心点坐标相对于新坐标系原点的位置确定其所处的笛卡尔坐标系象限，基于象限确定步骤6）的移动方向，然后再确定移动速度。

7.根据权利要求6所述的基于中心检测的跟踪方法，其特征在于，确定一个趋同时间，根据目标图像的中心点与当前帧图像中心的视场角差值及趋同时间，确定水平趋同速度与垂直趋同速度，合成该趋同速度得到移动速度。

8.根据权利要求7所述的基于中心检测的跟踪方法，其特征在于，设定阈值为当前帧图像对角线长度的10%。