CN103646242A - 基于最大稳定极值区域特征的扩展目标跟踪方法 - Google Patents
基于最大稳定极值区域特征的扩展目标跟踪方法 Download PDFInfo
- Publication number
- CN103646242A CN103646242A CN201310747261.5A CN201310747261A CN103646242A CN 103646242 A CN103646242 A CN 103646242A CN 201310747261 A CN201310747261 A CN 201310747261A CN 103646242 A CN103646242 A CN 103646242A
- Authority
- CN
- China
- Prior art keywords
- stable extremal
- extremal region
- maximum stable
- template
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于最大稳定极值区域特征的扩展目标跟踪方法，主要解决了现有技术中存在的现有扩展目标跟踪方法稳定性和精度均十分有限，不能满足技术发展需求的问题。其包括以下步骤：在扩展目标内选取边长为a（a＞0）的正方形图像区域；对选取的正方形图像区域进行二值化分割，并在每次分割后计算连通域且进一步检测是否存在最大稳定极值区域，若存在则计算最大稳定极值区域的质心和面积；以质心为中心取m×m（m＞0）的模板对该最大稳定极值区域进行连续帧的匹配跟踪；根据匹配跟踪得出最大稳定极值区域的面积变化进行模板确定。通过上述方案，本发明达到了有效提高扩展目标跟踪的稳定性和精度的目的，具有很高的实用价值和推广价值。
Description
技术领域
本发明涉及一种扩展目标跟踪方法，具体地说，是涉及一种基于最大稳定极值区域特征的扩展目标跟踪方法。
背景技术
众所周知，目标跟踪在军事以及安防领域有着十分广泛的应用，从目标的类别来分，可以分为微小目标、小目标、大目标以及扩展目标。其中，的扩展目标就是当目标在摄像机的视场中占据比例较大的时候甚至仅有目标的一部分出现在视场中的情况。一般情况下，每种目标都有它不同的应用场景，微小目标通常用于远距离光电探测与跟踪的环境；小目标和大目标用于安防监控轨迹跟踪环境；扩展目标一般用于对小目标或大目标已经粗略跟踪上后，进一步对目标放大并精确跟踪的需求。
虽然目前目标跟踪的算法有很多，例如：均值漂移跟踪算法、粒子滤波跟踪算法以及模板匹配跟踪算法，但是真正适用于扩展目标的跟踪算法却不多，其不适应性主要表现在以下两个方面：
1、各种目标的特性不一样，小目标缺少局部特征，更多的使用滤波等预测的方法；而扩展目标在视场中面积较大，细节丰富，因此可以更多的利用其细节特征进行跟踪。
2、以上提到的各种算法精度通常都不高，一般都大于两个像素。
因此，需要一种更能适用于扩展目标的跟踪方法，在《The template update problem》（IEEE Transactions on PAMI, 2004, 26(6): 810-815）中提到的基于刷新的模板匹配跟踪算法在目标变化不大的情况下能够较好的跟踪扩展目标，但是目标如果发生旋转、缩放、仿射等较大变化的时候，该方法就会发生累积误差，从而导致模板漂移，最终跟踪失败。为了提高扩展目标跟踪的稳定性和精度，如何寻求一种更适合于扩展目标的跟踪方法已经称为该领域研究的重要课题。
发明内容
本发明的目的在于提供一种基于最大稳定极值区域特征的扩展目标跟踪方法，主要解决现有技术中存在的现有扩展目标跟踪方法稳定性和精度均十分有限，不能满足技术发展需求的问题。
为了实现上述目的，本发明采用的技术方案如下：
基于最大稳定极值区域特征的扩展目标跟踪方法，包括以下步骤：
（1）在扩展目标内选取边长为a（a＞0）的正方形图像区域；
（2）设定灰度图像的二值化分割阈值范围，在该范围内分别对选取的正方形图像区域进行二值化分割，并在每次分割后计算连通域且进一步检测是否存在最大稳定极值区域，若存在则进行步骤（3），否则返回步骤（1）；
（3）计算最大稳定极值区域的质心和面积；
（4）以质心为中心取m×m（m＞0）的模板对该最大稳定极值区域进行连续帧的匹配跟踪；
（5）设定最大稳定极值区域的面积变化阈值，当匹配跟踪得出最大稳定极值区域的面积变化超过设定的面积变化阈值时，使用以当前帧的质心为中心的模板替换原模板进行匹配跟踪，否则继续使用原模板进行匹配跟踪。
进一步地，所述步骤（2）中，二值化分割阈值范围为20~230。
作为优选，所述步骤（2）中，通过区域增长法计算连通域得到是否存在最大稳定极值区域。
具体地说，所述步骤（4）和步骤（5）中，通过计算以质心为中心取m×m的模板进行连续帧的绝对差值和法SAD实现匹配跟踪。
步骤（5）中，若匹配跟踪得出最大稳定极值区域的面积变化超过10%，则使用当前帧该区域质心为中心的模板进行模板刷新。
与现有技术相比，本发明具有以下有益效果：
（1）本发明通过对扩展目标的巧妙分割，采用区域增长法进行最大稳定极值区域确定，采用绝对差值和法SAD进行匹配跟踪，并针对不同的情形巧妙设置模板，使得在实现稳定跟踪扩展目标的同时还提高了跟踪的精度，符合技术发展需求，具有突出的实质性特点和显著进步，适合大规模推广应用。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。
实施例
为了解决现有技术中存在的现有扩展目标跟踪方法稳定性和精度均十分有限，不能满足技术发展需求的问题，如图1所示，本发明公开了一种稳定性和精度均较高的基于最大稳定极值区域特征的扩展目标跟踪方法，通过以下步骤实现：
在扩展目标内选取边长为a（a＞0）的正方形图像区域；设定灰度图像的二值化分割阈值范围，优选为20~230，在该范围内分别对选取的正方形图像区域进行二值化分割，并在每次分割后通过区域增长法计算连通域且进一步检测是否存在最大稳定极值区域，若存在则进行步骤计算最大稳定极值区域的质心和面积，否则重新选择正方形图像区域；以质心为中心取m×m（m＞0）的模板，通过计算该模板进行连续帧的绝对差值和法SAD对该最大稳定极值区域进行连续帧的匹配跟踪；设定最大稳定极值区域的面积变化阈值，当匹配跟踪得出最大稳定极值区域的面积变化超过设定的面积变化阈值时，使用以当前帧的质心为中心的模板替换原模板进行匹配跟踪，否则继续使用原模板进行匹配跟踪；若匹配跟踪得出最大稳定极值区域的面积变化超过10%，则使用当前帧该区域质心为中心的模板进行模板刷新。
按照上述实施例，便可很好地实现本发明。
Claims (5)
1.基于最大稳定极值区域特征的扩展目标跟踪方法，其特征在于，包括以下步骤：
（1）在扩展目标内选取边长为a（a＞0）的正方形图像区域；
（2）设定灰度图像的二值化分割阈值范围，在该范围内分别对选取的正方形图像区域进行二值化分割，并在每次分割后计算连通域且进一步检测是否存在最大稳定极值区域，若存在则进行步骤（3），否则返回步骤（1）；
（3）计算最大稳定极值区域的质心和面积；
（4）以质心为中心取m×m（m＞0）的模板对该最大稳定极值区域进行连续帧的匹配跟踪；
（5）设定最大稳定极值区域的面积变化阈值，当匹配跟踪得出最大稳定极值区域的面积变化超过设定的面积变化阈值时，使用以当前帧的质心为中心的模板替换原模板进行匹配跟踪，否则继续使用原模板进行匹配跟踪。
2.根据权利要求1所述的基于最大稳定极值区域特征的扩展目标跟踪方法，其特征在于，所述步骤（2）中，二值化分割阈值范围为20~230。
3.根据权利要求1所述的基于最大稳定极值区域特征的扩展目标跟踪方法，其特征在于，所述步骤（2）中，通过区域增长法计算连通域得到是否存在最大稳定极值区域。
4.根据权利要求1所述的基于最大稳定极值区域特征的扩展目标跟踪方法，其特征在于，所述步骤（4）和步骤（5）中，通过计算以质心为中心取m×m的模板进行连续帧的绝对差值和法SAD实现匹配跟踪。
5.根据权利要求1~4任意一项所述的基于最大稳定极值区域特征的扩展目标跟踪方法，其特征在于，步骤（5）中，若匹配跟踪得出最大稳定极值区域的面积变化超过10%，则使用当前帧该区域质心为中心的模板进行模板刷新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310747261.5A CN103646242B (zh) | 2013-12-31 | 2013-12-31 | 基于最大稳定极值区域特征的扩展目标跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310747261.5A CN103646242B (zh) | 2013-12-31 | 2013-12-31 | 基于最大稳定极值区域特征的扩展目标跟踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103646242A true CN103646242A (zh) | 2014-03-19 |
| CN103646242B CN103646242B (zh) | 2016-08-24 |
Family
ID=50251453
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310747261.5A Active CN103646242B (zh) | 2013-12-31 | 2013-12-31 | 基于最大稳定极值区域特征的扩展目标跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103646242B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104574429A (zh) * | 2015-02-06 | 2015-04-29 | 北京明兰网络科技有限公司 | 全景图漫游中交互热点的自动选取方法 |
| CN105913065A (zh) * | 2016-04-12 | 2016-08-31 | 中国科学院遥感与数字地球研究所 | 一种图像目标区域提取的方法及系统 |
| WO2016169404A1 (zh) * | 2015-04-23 | 2016-10-27 | 广州广电运通金融电子股份有限公司 | 有价文件识别装置自修正识别方法及装置 |
| CN108399630A (zh) * | 2018-01-22 | 2018-08-14 | 北京理工雷科电子信息技术有限公司 | 一种复杂场景下感兴趣区域内目标快速测距方法 |
| CN108416316A (zh) * | 2018-03-19 | 2018-08-17 | 中南大学 | 一种黑烟车的检测方法及系统 |
| CN114663682A (zh) * | 2022-03-18 | 2022-06-24 | 北京理工大学 | 一种提高抗干扰性能的目标显著性检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102799901B (zh) * | 2012-07-10 | 2015-07-15 | 陈遇春 | 一种多角度人脸检测方法 |
-
2013
- 2013-12-31 CN CN201310747261.5A patent/CN103646242B/zh active Active
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104574429A (zh) * | 2015-02-06 | 2015-04-29 | 北京明兰网络科技有限公司 | 全景图漫游中交互热点的自动选取方法 |
| WO2016169404A1 (zh) * | 2015-04-23 | 2016-10-27 | 广州广电运通金融电子股份有限公司 | 有价文件识别装置自修正识别方法及装置 |
| US10452941B2 (en) | 2015-04-23 | 2019-10-22 | Grg Banking Equipment Co., Ltd. | Self-correction recognition method and device for valuable document recognition device |
| CN105913065A (zh) * | 2016-04-12 | 2016-08-31 | 中国科学院遥感与数字地球研究所 | 一种图像目标区域提取的方法及系统 |
| CN105913065B (zh) * | 2016-04-12 | 2019-06-11 | 中国科学院遥感与数字地球研究所 | 一种图像目标区域提取的方法及系统 |
| CN108399630A (zh) * | 2018-01-22 | 2018-08-14 | 北京理工雷科电子信息技术有限公司 | 一种复杂场景下感兴趣区域内目标快速测距方法 |
| CN108399630B (zh) * | 2018-01-22 | 2022-07-08 | 北京理工雷科电子信息技术有限公司 | 一种复杂场景下感兴趣区域内目标快速测距方法 |
| CN108416316A (zh) * | 2018-03-19 | 2018-08-17 | 中南大学 | 一种黑烟车的检测方法及系统 |
| CN114663682A (zh) * | 2022-03-18 | 2022-06-24 | 北京理工大学 | 一种提高抗干扰性能的目标显著性检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103646242B (zh) | 2016-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103646242A (zh) | 基于最大稳定极值区域特征的扩展目标跟踪方法 | |
| CN103049787B (zh) | 一种基于头肩特征的人数统计方法和系统 | |
| WO2017000466A1 (zh) | 一种基于光流法的运动目标跟踪方法及系统 | |
| Hou et al. | Detection of the mobile object with camouflage color under dynamic background based on optical flow | |
| CN102982537B (zh) | 一种检测场景变换的方法和系统 | |
| CN103871079A (zh) | 基于机器学习和光流的车辆跟踪方法 | |
| CN103472907B (zh) | 操作区的决定方法与系统 | |
| CN106204586B (zh) | 一种基于跟踪的复杂场景下的运动目标检测方法 | |
| CN107832694B (zh) | 一种视频关键帧提取方法 | |
| CN105160649A (zh) | 基于核函数非监督聚类的多目标跟踪方法及系统 | |
| CN105279773A (zh) | 一种基于tld框架的改进型视频跟踪优化方法 | |
| CN104680521B (zh) | 一种改进的背景建模及前景检测方法 | |
| CN104331901A (zh) | 一种基于tld的多视角目标跟踪装置及方法 | |
| Chen et al. | [Retracted] Research on the Detection and Tracking Algorithm of Moving Object in Image Based on Computer Vision Technology | |
| CN104766079A (zh) | 一种远距离红外弱小目标检测方法 | |
| CN110221312A (zh) | 一种基于激光雷达快速检测地面点云的方法 | |
| CN101819681B (zh) | 权值自适应调整的加权平均背景更新方法 | |
| CN105404874A (zh) | 一种基于投影和hough直线检测的车窗识别系统 | |
| CN103473547A (zh) | 一种用于智能交通检测系统的车辆目标物识别算法 | |
| CN107563331A (zh) | 一种基于几何关系的道路标志线检测方法及系统 | |
| CN103473533A (zh) | 视频运动对象异常行为自动检测方法 | |
| CN104168444A (zh) | 一种跟踪球机的目标跟踪方法及跟踪球机 | |
| CN103886609A (zh) | 基于粒子滤波和lbp特征的车辆跟踪方法 | |
| CN103400395A (zh) | 一种基于haar特征检测的光流跟踪方法 | |
| CN101877135B (zh) | 一种基于背景重构的运动目标检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Extended target tracking method based on maximum stable extremum region feature Effective date of registration: 20200904 Granted publication date: 20160824 Pledgee: Chengdu SME financing Company Limited by Guarantee Pledgor: CHENGDU ZHENGYANG BOCHUANG ELECTRONIC TECHNOLOGY Co.,Ltd. Registration number: Y2020980005741 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20210924 Granted publication date: 20160824 Pledgee: Chengdu SME financing Company Limited by Guarantee Pledgor: CHENGDU ZHENGYANG BOCHUANG ELECTRONIC TECHNOLOGY Co.,Ltd. Registration number: Y2020980005741 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |