CN108765456A - 基于直线边缘特征的目标跟踪方法、系统 - Google Patents
基于直线边缘特征的目标跟踪方法、系统 Download PDFInfo
- Publication number
- CN108765456A CN108765456A CN201810285084.6A CN201810285084A CN108765456A CN 108765456 A CN108765456 A CN 108765456A CN 201810285084 A CN201810285084 A CN 201810285084A CN 108765456 A CN108765456 A CN 108765456A
- Authority
- CN
- China
- Prior art keywords
- edge
- module
- image
- straight line
- linear
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Abstract
本发明提供了一种基于直线边缘特征的目标跟踪方法，包括获取直线边缘步骤，所述获取直线边缘步骤包括如下步骤：步骤1：根据从摄像机获取到的图像，获取图像垂直边缘和水平边缘进行检测，获取第一直线边缘；步骤2：根据从摄像机获取到的图像，通过比较图像的连通域中的像素数量和预设像素数量，保留第二直线边缘。本发明提供的基于直线边缘特征的目标跟踪方法和系统为了给后续的跟踪任务提供足够数量的边缘特征，本发明采用三种边缘检测方法，然后进行融合，去掉重复部分，连接断裂边缘从而使目标跟踪可以得到很大的简化。
Description
技术领域
本发明涉及目标跟踪方法领域，具体地，涉及基于直线边缘特征的目标跟踪方法、系统。
背景技术
基于视频的目标跟踪是计算机视觉领域的一个研究热点，在各行各业中，都有着极其广阔的应用。常见的跟踪方法，都是利用关键点，或者目标的全局特征进行前后帧匹配。这些方法往往比较复杂。
在某些特殊的跟踪任务上，可以对跟踪策略进行简化。比如，在对舰船、车辆等人造刚性物体进行跟踪时，可以充分利用目标上的直线边缘进行匹配。这样，跟踪策略可以得到很大的简化。
专利文献申请号为：201610032163.7；公布号为CN105608711A公开了一种基于局部敏感直方图的视频动态目标追踪提取方法，所述方法步骤如下：a.在视频第一帧中为目标选取种子点，并记录下来；b.采用基于局部敏感直方图的视频目标追踪算法，在视频当前帧中对目标进行定位，并记录下该位置；c.当视频帧不为第一帧时，根据目标在视频当前帧和上一帧中的位置信息，推算出目标在这两帧间的位移，并用该位移更新种子点位置；d.对当前种子点的像素值执行基于衰减的操作；e.基于当前种子点，在视频当前帧中利用基于RGB的随机游走算法提取出目标轮廓；f.若仍存在未经计算的视频帧，则转到当前帧的下一帧，回到步骤b继续执行。利用这种方式追踪提取视频中的动态目标，在光照变化的情形下仍具有较好的效果。
上述专利文献是基于灰度直方图门限法的边缘检测是一种最常用、最简单的边缘检测方法。对检测图像中目标的边缘效果很好。图像在暗区的像素较多,而其他像素的灰度分布比较平坦。为了检测出图像物体的边缘,把直方图用门限T分割成两个部分,门限T的选择将直接影响边缘检测的质量。由于直方图往往很粗糙,再加上噪声的影响更是参差不齐。这样就使得求图像极大、极小值变得困难。
该方案实施例提供一种图像目标识别方法及装置，涉及图像处理领域，实现高实时性及高精确度的图像目标识别。具体方案包括:通过在原始图像中，基于ViBe前景提取算法提取出位于预设的有效检测区域内的M个候选检测区域；根据M个候选检测区域的HOG特征扫描结合SVM分类器检测的检测结果，获取N个第一目标区域；若所述M个候选检测区域中存在漏检区域，根据每个所述漏检区域在所述原始图像中的位置分布区域，获取Q个第二目标区域；对所有目标区域进行运动追踪，得到目标识别结果。
一方面，这些算法的背景模型需要大量的视频帧图训练才能初始化，即应用程序启动时无法马上使用，将造成一定的漏检；另一方面，这些算法在前景区域提取上的性能和准确率不高，存在将人头区域判定为背景区域的可能，使得后续的方向梯度直方图(Histogram of Oriented Gradient,HOG)特征无法扫描到被判定为背景区域的人头而导致漏检。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于直线边缘特征的目标跟踪方法、系统。
根据本发明提供的一种基于直线边缘特征的目标跟踪方法，包括获取直线边缘步骤，所述获取直线边缘步骤包括如下步骤：
步骤1：根据从摄像机获取到的图像，获取图像垂直边缘和水平边缘进行检测，获取第一直线边缘；
步骤2：根据从摄像机获取到的图像，通过比较图像的连通域中的像素数量和预设像素数量，保留第二直线边缘；
步骤3：根据从摄像机获取到的图像，获取梯度值，对梯度值进行二值化，将垂直边缘分割出来，保留第三直线边缘；
步骤4：将第一直线边缘、第二直线边缘以及第三直线边缘相融合，得到融合后的直线边缘；
步骤5：将融合后的直线边缘进行区分。
优选地，所述步骤1包括如下子步骤：
步骤1.1：根据从摄像机获取到的图像，将图像的每一个像素进行遍历，获取每个像素的水平梯度；
步骤1.2：以预设像素数量为单位将图像分割为多个等高水平带，对所述多个等高水平带进行逐一检测，获取垂直边缘；
步骤1.3：对当前水平带进行逐列扫描，确定垂直边缘；
步骤1.4：提取当前列的所有像素对应的水平梯度值，获取平均水平梯度值；
步骤1.5：根据平均水平梯度值，确定当前列为垂直边缘；
所述步骤1.1包括如下子步骤：步骤1.1.1：提取当前像素左右两侧的像素的亮度值；
步骤1.1.2：根据两侧的像素的亮度值，获取平均亮度值；
所述步骤1还包括如下子步骤：步骤1.6：设定扫描窗口，对扫描窗口的所有平均水平梯度值进行遍历，若扫描窗口中心位置对应的梯度值大于或小于扫描窗口内的最大值，则将扫描窗口中心位置的梯度值记为0，否则，则保留扫描窗口中心位置的梯度值；
步骤1.7：设定预设阈值，若当前列的平均水平梯度值大于预设阈值，则此处为边缘并将此边缘标记出来，否则，则忽略此边缘；
步骤1.8：对相邻水平带的所有垂直边缘进行融合，若相邻行的垂直边缘的水平距离偏差在预设范围内，则记为同一条垂直边缘，即为第一直线边缘，否则，则返回步骤1.6继续执行；
所述步骤1.8包括如下子步骤：步骤1.8.1：将垂直边缘沿预设方向延伸，获取边缘结束位置，若垂直梯度值大于预设阈值，则继续延伸，否则，则该垂直边缘记为边缘结束位置；
所述步骤2包括如下子步骤：步骤2.1：根据从摄像机获取到的图像，获取图像中的所有边缘；
其中，所有边缘点记为白色像素，所有非边缘点记为黑色像素；
步骤2.2：在所有边缘中，获取并保留第二直线边缘；
所述步骤2.2包括如下子步骤：
步骤2.2.1：在所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；
步骤2.2.2：过滤T字形交叉位置和x形交叉位置上的边缘点；
步骤2.2.3：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；
步骤2.2.4：过滤拐角度数小于阈值角度的边缘点；
步骤2.2.5：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第二直线边缘；
所述步骤3包括如下子步骤：步骤3.1：根据从摄像机获取到的图像，获取图像的梯度值；
其中，所述梯度值为水平梯度值和垂直梯度值之和；
步骤3.2：对梯度值进行二值化，获取二值化图像；
所述步骤3.2包括如下子步骤：
步骤3.2.1：在二值化图像的所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；
步骤3.2.2：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；
步骤3.2.3：过滤拐角度数小于阈值角度的边缘点；
步骤3.2.4：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第三直线边缘；
所述步骤4包括如下子步骤：
步骤4.1：获取第一直线边缘、第二直线边缘以及第三直线边缘这三者的角度值；
步骤4.2：将角度值等分为预设数量，每次融合预设数量等分中的一个；
步骤4.3：将所有属于同一个角度等分范围的总直线边缘，都绘制到图像上；
步骤4.4：过滤绘制过程中的重叠的总直线边缘，获取过滤图像；
其中，所述总直线边缘为第一直线边缘、第二直线边缘第三直线边缘中的任一种或任多种边缘；
步骤4.5：将过滤图像重新进行连通域分析，提取直线；
步骤4.6：对所有的位置较近的直线，进行连接；
其中，所述位置较近的直线是指两直线之间的距离小于预设像素数量形成的距离；
步骤4.7：将相互平行的直线融合为一条直线，即为融合后的直线；
所述步骤5包括如下子步骤：步骤5.1：在融合后的直线的边缘上挑选预设数量的关键点；
步骤5.2：根据关键点的位置，选取参考点；
步骤5.3：记录关键点的平均像素亮度值；
步骤5.4：记录参考点的平均像素亮度值；
步骤5.5：若关键点的平均像素亮度值与参考点的平均像素亮度值之间的差值大于或小于预设值时，则所述融合后的直线的边缘为屋脊型边缘，否则，则为阶跃型边缘；
所述基于直线边缘特征的目标跟踪方法，还包括应用步骤：
所述应用步骤：获取目标图像，并通过获取直线边缘步骤来获取目标图像的所有直线边缘；在所有直线边缘中，找出目标本体中预设长度的边缘在当前目标图像所对应的位置作为对比直线边缘；将对比直线边缘与目标本体的预设长度的边缘进行匹配，若匹配度大于等于预设匹配度，则对比直线边缘在当前目标图像所对应的位置即为目标的新位置；否则，则保留当前目标位置；所述参考点的平均像素亮度值包括以关键点为基准的左右两侧的参考点。
本发明还提供了一种基于直线边缘特征的目标跟踪系统，包括获取直线边缘模块，
所述获取直线边缘模块包括如下模块：
模块M1：根据从摄像机获取到的图像，获取图像垂直边缘和水平边缘进行检测，获取第一直线边缘；
模块M2：根据从摄像机获取到的图像，通过比较图像的连通域中的像素数量和预设像素数量，保留第二直线边缘；
模块M3：根据从摄像机获取到的图像，获取梯度值，对梯度值进行二值化，将垂直边缘分割出来，保留第三直线边缘；
模块M4：将第一直线边缘、第二直线边缘以及第三直线边缘相融合，得到融合后的直线边缘；
模块M5：将融合后的直线边缘进行区分。
优选地，所述模块M1包括如下子模块M：
模块M1.1：根据从摄像机获取到的图像，将图像的每一个像素进行遍历，获取每个像素的水平梯度；
模块M1.2：以预设像素数量为单位将图像分割为多个等高水平带，对所述多个等高水平带进行逐一检测，获取垂直边缘；
模块M1.3：对当前水平带进行逐列扫描，确定垂直边缘；
模块M1.4：提取当前列的所有像素对应的水平梯度值，获取平均水平梯度值；
模块M1.5：根据平均水平梯度值，确定当前列为垂直边缘；
模块M1.6：设定扫描窗口，对扫描窗口的所有平均水平梯度值进行遍历，若扫描窗口中心位置对应的梯度值大于或小于扫描窗口内的最大值，则将扫描窗口中心位置的梯度值记为0，否则，则保留扫描窗口中心位置的梯度值；
模块M1.7：设定预设阈值，若当前列的平均水平梯度值大于预设阈值，则此处为边缘并将此边缘标记出来，否则，则忽略此边缘；
模块M1.8：对相邻水平带的所有垂直边缘进行融合，若相邻行的垂直边缘的水平距离偏差在预设范围内，则记为同一条垂直边缘，即为第一直线边缘，否则，则返回模块M1.6继续执行。
优选地，所述模块M1.1包括如下子模块：
模块M1.1.1：提取当前像素左右两侧的像素的亮度值；
模块M1.1.2：根据两侧的像素的亮度值，获取平均亮度值；
所述模块M1.8包括如下子模块M：
模块M1.8.1：将垂直边缘沿预设方向延伸，获取边缘结束位置，若垂直梯度值大于预设阈值，则继续延伸，否则，则该垂直边缘记为边缘结束位置。
优选地，所述模块M2包括如下子模块：
模块M2.1：根据从摄像机获取到的图像，获取图像中的所有边缘；
其中，所有边缘点记为白色像素，所有非边缘点记为黑色像素；
模块M2.2：在所有边缘中，获取并保留第二直线边缘；
所述模块M2.2包括如下子模块M：
模块M2.2.1：在所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；
模块M2.2.2：过滤T字形交叉位置和x形交叉位置上的边缘点；
模块M2.2.3：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；
模块M2.2.4：过滤拐角度数小于阈值角度的边缘点；
模块M2.2.5：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第二直线边缘。
优选地，所述模块M3包括如下子模块：
模块M3.1：根据从摄像机获取到的图像，获取图像的梯度值；
其中，所述梯度值为水平梯度值和垂直梯度值之和；
模块M3.2：对梯度值进行二值化，获取二值化图像；
所述模块M3.2包括如下子模块M：
模块M3.2.1：在二值化图像的所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；
模块M3.2.2：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；
模块M3.2.3：过滤拐角度数小于阈值角度的边缘点；
模块M3.2.4：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第三直线边缘。
优选地，所述模块M4包括如下子模块：
模块M4.1：获取第一直线边缘、第二直线边缘以及第三直线边缘这三者的角度值；
模块M4.2：将角度值等分为预设数量，每次融合预设数量等分中的一个；
模块M4.3：将所有属于同一个角度等分范围的总直线边缘，都绘制到图像上；
模块M4.4：过滤绘制过程中的重叠的总直线边缘，获取过滤图像；
其中，所述总直线边缘为第一直线边缘、第二直线边缘第三直线边缘中的任一种或任多种边缘；
模块M4.5：将过滤图像重新进行连通域分析，提取直线；
模块M4.6：对所有的位置较近的直线，进行连接；
其中，所述位置较近的直线是指两直线之间的距离小于预设像素数量形成的距离；
模块M4.7：将相互平行的直线融合为一条直线，即为融合后的直线。
优选地，所述模块M5包括如下子模块：
模块M5.1：在融合后的直线的边缘上挑选预设数量的关键点；
模块M5.2：根据关键点的位置，选取参考点；
模块M5.3：记录关键点的平均像素亮度值；
模块M5.4：记录参考点的平均像素亮度值；
模块M5.5：若关键点的平均像素亮度值与参考点的平均像素亮度值之间的差值大于或小于预设值时，则所述融合后的直线的边缘为屋脊型边缘，否则，则为阶跃型边缘；
所述参考点的平均像素亮度值包括以关键点为基准的左右两侧的参考点。
优选地，还包括应用模块：
所述应用模块：获取目标图像，并通过获取直线边缘模块来获取目标图像的所有直线边缘；在所有直线边缘中，找出目标本体中预设长度的边缘在当前目标图像所对应的位置作为对比直线边缘；将对比直线边缘与目标本体的预设长度的边缘进行匹配，若匹配度大于等于预设匹配度，则对比直线边缘在当前目标图像所对应的位置即为目标的新位置。
与现有技术相比，本发明具有如下的有益效果：
1、本发明提供的基于直线边缘特征的目标跟踪方法和系统为了给后续的跟踪任务提供足够数量的边缘特征，本发明采用三种边缘检测方法，然后进行融合，去掉重复部分，连接断裂边缘从而使目标跟踪可以得到很大的简化。
2、本发明提供的基于直线边缘特征的目标跟踪方法因直线边缘的稳定性，从而提高了跟踪过程中的目标鉴别能力，使得光照变化、尺度变化、相机抖动等现象不会对跟踪质量形成影响。
3、本发明提供的基于直线边缘特征的目标跟踪方法只需要关注关键性像素位置，降低了计算量，因此可以提高跟踪器的运行速度，提高系统实时性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明提供的基于直线边缘特征的目标跟踪方法的步骤1的流程图。
图2为本发明提供的基于直线边缘特征的目标跟踪方法的步骤2的流程图。
图3为本发明提供的基于直线边缘特征的目标跟踪方法的步骤3的流程图。
图4为本发明提供的基于直线边缘特征的目标跟踪方法的步骤4的流程图。
图5为本发明提供的基于直线边缘特征的目标跟踪方法的步骤5的流程图。
图6为本发明提供的基于直线边缘特征的目标跟踪方法的应用步骤的流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1至图6所示，本发明提供了一种基于直线边缘特征的目标跟踪方法，包括获取直线边缘步骤，所述获取直线边缘步骤如下步骤：步骤1：根据从摄像机获取到的图像，获取图像垂直边缘和水平边缘进行检测，获取第一直线边缘；步骤2：根据从摄像机获取到的图像，通过比较图像的连通域中的像素数量和预设像素数量，保留第二直线边缘；步骤3：根据从摄像机获取到的图像，获取梯度值，对梯度值进行二值化，将垂直边缘分割出来，保留第三直线边缘；步骤4：将第一直线边缘、第二直线边缘以及第三直线边缘相融合，得到融合后的直线边缘；步骤5：将融合后的直线边缘进行区分。
如图1所示，所述步骤1包括如下子步骤：步骤1.1：根据从摄像机获取到的图像，将图像的每一个像素进行遍历，获取每个像素的水平梯度；步骤1.2：以预设像素数量为单位将图像分割为多个等高水平带，对所述多个等高水平带进行逐一检测，获取垂直边缘；步骤1.3：对当前水平带进行逐列扫描，确定垂直边缘；具体地说，将图像分割成多个水平带以优选的为40个像素为单位，将目标图像分成多个等高的水平带。然后，从上往下对每一个水平带进行检测，找到其中的所有的垂直边缘；在当前水平带内，进行从左到右的逐列扫描，检测每一列是否为垂直边缘；在当前水平带内，进行从左到右的逐列扫描，检测每一列是否为垂直边缘。步骤1.4：提取当前列的所有像素对应的水平梯度值，获取平均水平梯度值；步骤1.5：根据平均水平梯度值，确定当前列为垂直边缘。具体地说，提取当前列所在位置的所有像素对应的水平梯度值，然后计算水平梯度值的平均值；本发明通过该平均值，来判断当前列是否具有垂直边缘。所述步骤1.1包括如下子步骤：步骤1.1.1：提取当前像素左右两侧的像素的亮度值；步骤1.1.2：根据两侧的像素的亮度值，获取平均亮度值；所述步骤1还包括如下子步骤：步骤1.6：设定扫描窗口，对扫描窗口的所有平均水平梯度值进行遍历，若扫描窗口中心位置对应的梯度值大于或小于扫描窗口内的最大值，则将扫描窗口中心位置的梯度值记为0，否则，则保留扫描窗口中心位置的梯度值；具体地说，考虑到在垂直梯度位置，相邻的几列，梯度值都比较大，因此需要进行非极值抑制，以降低重复检测的可能。非极值抑制的方法如下：设定一个扫描窗口，宽度根据经验值设定为9.从左到右用该扫描窗口遍历所有的平均水平梯度值。如果扫描窗口中心位置对应的梯度值，不是窗口内的最大值，则将中心位置的梯度值变成0；非极值抑制扫描完成之后，每9个像素范围之内，最多只会留下一列，其平均水平梯度值是大于0的；步骤1.7：设定预设阈值，若当前列的平均水平梯度值大于预设阈值，则此处为边缘并将此边缘标记出来，否则，则忽略此边缘；具体地说，设定阈值，挑选出满足要求的垂直边用于判断当前列是否为边缘的梯度阈值，根据经验值设定为40.如果当前列的平均梯度值大于此阈值，则说明该位置处有边缘的存在，需要标记出来。步骤1.8：对相邻水平带的所有垂直边缘进行融合，若相邻行的垂直边缘的水平距离偏差在预设范围内，则记为同一条垂直边缘，即为第一直线边缘，否则，则返回步骤1.6继续执行；所述步骤1.8包括如下子步骤：步骤1.8.1：将垂直边缘沿预设方向延伸，获取边缘结束位置，若垂直梯度值大于预设阈值，则继续延伸，否则，则该垂直边缘记为边缘结束位置。具体地说，在完成所有的水平带中的垂直边缘的检测之后，需要将它们进行融合，以得到最终的检测结果。具体方法如下：对相邻水平条带的所有的垂直边缘进行分析，如果相邻行之间的垂直边缘的水平距离偏差在3个像素以内时，都认为是同一条垂直边缘，可以进行融合。对已经提取到的垂直边缘，向两侧延伸为了得到更加精准的垂直边缘的首尾位置，还需要对融合结果进行进一步处理：1)将垂直边缘，向上、下两个方向进行延伸，检测精准的边缘结束位置。2)如果当前像素点位置，梯度值大于阈值(默认为40)，则继续延伸。3)如果梯度值小于阈值，则停下来，该位置就是终点位置。
具体地说，在基于扫描法的边缘检测过程中，垂直边缘的检测与水平边缘的检测，方法完全相同。因此下面以垂直边缘的检测作为实例进行讲述。在步骤1.1之前同行会对样本，即从摄像机获取的图像的尺寸进行归一化，需要提前对目标图像，即从摄像机获取的图像的尺寸进行归一化。这样方便后续对样本进行行切分，使得各行高度一致。
Canny算子检测边缘，Canny考察了以往的边缘检测算子及其在边缘检测中的应用，于1986年提出了一个最佳的边缘检测算子应满足以下准则。(1)信噪比准则：对边缘的错误检测率要尽可能低，不丢失重要的边缘；另一方面也不要出现虚假的边缘，使输出的信噪比最大。信噪比越大提取的边缘质量越高。定义信噪比SNR如下式：
其中，G(x)代表边缘函数，h(x)代表宽度为W的滤波器的脉冲响应，σ代表高斯噪声的均方差，h2(x)代表宽度为W的滤波器的脉冲响应的平方；
(2)定位精度准则：检测到的边缘位置要和图像上真正边缘的中心位置充分接近，精度公式如下所示:
其中，G,(-x)和h,(x)分别是G(x)和h(x)的导数，σ代表高斯噪声的均方差。SNR值越大表明定位精度越高。
(3)单边响应准则：对同一边缘要有低的响应次数。即单个边缘产生的多个响应的概率要低，并且虚假的边缘响应应得到最大抑制。为了保证单边缘只有一个响应，检测算子的脉冲响应导数的零交叉点平均离D(f,)应满足式：
其中，h,,(x)表示宽度为W的滤波器的脉冲响应的二阶导数；
为了防止单独一种检测方法造成的特征遗漏，本专利采用多种方法进行边缘检测。其中基于canny算法的边缘检测方法如下：如图2所示，所述步骤2包括如下子步骤：步骤2.1：根据从摄像机获取到的图像，获取图像中的所有边缘；其中，所有边缘点记为白色像素，所有非边缘点记为黑色像素；具体地说，对原始图像，进行canny边缘计算。得到该图像中的所有的canny边缘。需要说明的是此不停颜色像素标记为本领域图像处理的常见做法，对自己关心的像素，标记为白色，表示是前景。不关心的像素，变成黑色，作为背景。对白色像素，后续步骤会对其进行各种操作，以达到目的。在canny边缘图中，所有的边缘点都用白色像素表示，非边缘点都用黑色像素表示。步骤2.2：在所有边缘中，获取并保留第二直线边缘；所述步骤2.2包括如下子步骤：
步骤2.2.1：在所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；步骤2.2.2：过滤T字形交叉位置和x形交叉位置上的边缘点；具体地说，对所有的canny边缘点进行遍历和分析，将边缘图中的直线检测出来。具体方法如下：1)将所有的T字形交叉位置，以及x形交叉位置的边缘点检测出来。2)将交叉位置的边缘点滤除掉。3)遍历所有的边缘点，找到拐角度数小于150度的点的位置。4)打断拐角尖锐的边缘，将拐角位置的边缘点过滤掉。5)对剩余的边缘，按照连通域的方式进行分析。检测得到所有的连通域。如果当前连通域的高度小于3个像素，而长度大于10个像素，则可以作为直线边缘保留下来。步骤2.2.3：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；步骤2.2.4：过滤拐角度数小于阈值角度的边缘点；步骤2.2.5：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第二直线边缘。
如图3所示，所述步骤3包括如下子步骤：步骤3.1：根据从摄像机获取到的图像，获取图像的梯度值；其中，所述梯度值为水平梯度值和垂直梯度值之和；步骤3.2：对梯度值进行二值化，获取二值化图像；所述步骤3.2包括如下子步骤：步骤3.2.1：在二值化图像的所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；步骤3.2.2：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；步骤3.2.3：过滤拐角度数小于阈值角度的边缘点；步骤3.2.4：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第三直线边缘。具体地说，梯度法直线边缘的检测对图像进行边缘检测通常在空域采用局部微分算子来进行检测。梯度对应一阶导数，对于连续函数f(x，y)，它在坐标(x，y)处的梯度可用矢量表示为：
其中，表示f(x,y)在坐标(x，y)处的梯度；
Gx表示f(x,y)对x的偏导数；
Gy表示f(x,y)对y的偏导数；
T表示转置符号；
其幅度g(简称梯度)和方向角θ分别为
θ＝arctan(Gy/Gx)
本发明采用的第三种直线边缘检测方法，就是直接计算梯度值，然后二值化，然后找较长的边缘。具体如下：1、对当前图像，计算梯度值(水平梯度与垂直梯度值之和)；2、对梯度值图像进行二值化。(二值化阈值默认为30)；3、对此时的二值化图像进行分析，将其中包含的垂直边缘分割出来。具体如下：1)对二值化图像提取骨架线。2)将所有的T字形交叉位置，以及x形交叉位置的边缘点检测出来。3)将交叉位置的边缘点滤除掉。4)遍历所有的边缘点，找到拐角度数小于150度的点的位置。5)打断拐角尖锐的边缘，将拐角位置的边缘点过滤掉。6)对剩余的边缘，按照连通域的方式进行分析。检测得到所有的连通域。如果当前连通域的高度小于3个像素，而长度大于10个像素，则可以作为直线边缘保留下来。
所述步骤4包括如下子步骤：步骤4.1：获取第一直线边缘、第二直线边缘以及第三直线边缘这三者的角度值；步骤4.2：将角度值等分为预设数量，每次融合预设数量等分中的一个；步骤4.3：将所有属于同一个角度等分范围的总直线边缘，都绘制到图像上；步骤4.4：过滤绘制过程中的重叠的总直线边缘，获取过滤图像；其中，所述总直线边缘为第一直线边缘、第二直线边缘第三直线边缘中的任一种或任多种边缘；步骤4.5：将过滤图像重新进行连通域分析，提取直线；步骤4.6：对所有的位置较近的直线，进行连接；其中，所述位置较近的直线是指两直线之间的距离小于预设像素数量形成的距离；步骤4.7：将相互平行的直线融合为一条直线，即为融合后的直线，其中所述相互平行的直线，即为所述位置较近的直线。
如图4所示，所述步骤5包括如下子步骤：步骤5.1：在融合后的直线的边缘上挑选预设数量的关键点；步骤5.2：根据关键点的位置，选取参考点；步骤5.3：记录关键点的平均像素亮度值；步骤5.4：记录参考点的平均像素亮度值；步骤5.5：若关键点的平均像素亮度值与参考点的平均像素亮度值之间的差值大于或小于预设值时，则所述融合后的直线的边缘为屋脊型边缘，否则，则为阶跃型边缘；具体地说，由于三种直线边缘检测方法，各有优缺点，因此需要将三种方法对应的结果进行融合，以提高检测效果。如图5所示，方法如下：1、计算所有直线的角度值。2、将角度值优选的等分成20个，每次融合20个等分中的一个。3、将所有的属于同一个角度等分范围的直线边缘，都绘制到图像上(每条直线只有1个像素宽)。4、不同方法检测到的直线边缘，在绘制过程中，发生重叠与连接。5、重新进行连通域分析，提取直线。6、对所有的位置较近的直线，进行连接。(直线端点的距离小于5个像素)对平行的直线(距离小于2个像素)，进行融合，只保留其中一条即可。图像中的边缘通常包含：阶跃边缘、斜坡边缘、三角屋脊边缘、方波屋脊边缘以及楼梯边缘等，而本发明中的图像边缘主要是：阶跃边缘和三角屋脊边缘。(1)阶跃边缘：模型为：f(x)＝cl(x)，其中c>0为边缘幅度；为阶跃函数。若存在噪声，可以选用大尺度的模板平滑图像，不会影响边缘的定位。(2)三角屋脊边缘模型为：
其中S为边缘幅度；d为边缘宽度；l(x)表示像素点处的灰度值，x表示像素点，对于三角型屋脊边缘若存在噪声可以选用大尺度的平滑模板，而不会影响边缘的定位。
在图像中，三角屋脊型边缘的垂直方向剖面图，与屋顶的形状类似，具有中间高，两侧低的特点。而阶跃型边缘则类似于台阶，一侧高，一侧低。由于三角屋脊型边缘与阶跃型边缘所具有的完全不同的外形，因此在检测边缘时，需要对其加以区分，以提高目标的描述能力。采用如下方法对前述检测到的边缘进行区分：1、在每一条直线边缘上，挑选10个关键点。2、每个关键点的直线左右两侧，以5个像素的距离为标准，选择两个参考点。3、记录下10个关键点的平均像素亮度值。4、记录下左侧10个参考点的平均像素亮度值。5、记录下右侧10个参考点的平均像素亮度值。6、如果关键点平均亮度值，比左右两侧参考亮度值，都大或者都小超过阈值(比如20)，则认为是屋脊型边缘，否则为阶跃型边缘。
如图6所示，所述基于直线边缘特征的目标跟踪方法，还包括应用步骤：所述应用步骤：获取目标图像，并通过获取直线边缘步骤来获取目标图像的所有直线边缘；在所有直线边缘中，找出目标本体中预设长度的边缘在当前目标图像所对应的位置作为对比直线边缘；将对比直线边缘与目标本体的预设长度的边缘进行匹配，若匹配度大于等于预设匹配度，则对比直线边缘在当前目标图像所对应的位置即为目标的新位置；否则，则保留当前目标位置；所述参考点的平均像素亮度值包括以关键点为基准的左右两侧的参考点。具体地说，将直线边缘特征应用于目标跟踪上，需要按照如下的方法进行：1、对当前帧目标图像，提取直线边缘。2、对所有的直线边缘，进行描述。直线边缘的信息包括如下几个方面：1)直线中点相对于目标中心的位置。2)直线的角度。3)直线的长度。4)在当前帧图像中的定位。5)设定目标的活动范围(比如20像素)，在可能的范围内，截取子图像。6)在子图像中检测直线边缘。7)找到目标中最长的三条边缘在当前图像中的位置。8)继续对余下的较短的边缘进行定位。9)如果某个位置，其边缘可以与目标上的边缘，达到80％的匹配度，则该位置就是目标的新的位置。在当前图的目标区域中，继续检测直线边缘，更新目标。
本发明还提供了一种基于直线边缘特征的目标跟踪系统，包括获取直线边缘模块，所述获取直线边缘模块包括如下模块：模块M1：根据从摄像机获取到的图像，获取图像垂直边缘和水平边缘进行检测，获取第一直线边缘；模块M2：根据从摄像机获取到的图像，通过比较图像的连通域中的像素数量和预设像素数量，保留第二直线边缘；模块M3：根据从摄像机获取到的图像，获取梯度值，对梯度值进行二值化，将垂直边缘分割出来，保留第三直线边缘；模块M4：将第一直线边缘、第二直线边缘以及第三直线边缘相融合，得到融合后的直线边缘；模块M5：将融合后的直线边缘进行区分。
所述模块M1包括如下子模块M：模块M1.1：根据从摄像机获取到的图像，将图像的每一个像素进行遍历，获取每个像素的水平梯度；模块M1.2：以预设像素数量为单位将图像分割为多个等高水平带，对所述多个等高水平带进行逐一检测，获取垂直边缘；模块M1.3：对当前水平带进行逐列扫描，确定垂直边缘；模块M1.4：提取当前列的所有像素对应的水平梯度值，获取平均水平梯度值；模块M1.5：根据平均水平梯度值，确定当前列为垂直边缘；模块M1.6：设定扫描窗口，对扫描窗口的所有平均水平梯度值进行遍历，若扫描窗口中心位置对应的梯度值大于或小于扫描窗口内的最大值，则将扫描窗口中心位置的梯度值记为0，否则，则保留扫描窗口中心位置的梯度值；模块M1.7：设定预设阈值，若当前列的平均水平梯度值大于预设阈值，则此处为边缘并将此边缘标记出来，否则，则忽略此边缘；模块M1.8：对相邻水平带的所有垂直边缘进行融合，若相邻行的垂直边缘的水平距离偏差在预设范围内，则记为同一条垂直边缘，即为第一直线边缘，否则，则返回模块M1.6继续执行。
所述模块M1.1包括如下子模块：模块M1.1.1：提取当前像素左右两侧的像素的亮度值；模块M1.1.2：根据两侧的像素的亮度值，获取平均亮度值；所述模块M1.8包括如下子模块M：模块M1.8.1：将垂直边缘沿预设方向延伸，获取边缘结束位置，若垂直梯度值大于预设阈值，则继续延伸，否则，则该垂直边缘记为边缘结束位置；
所述模块M2包括如下子模块：模块M2.1：根据从摄像机获取到的图像，获取图像中的所有边缘；其中，所有边缘点记为白色像素，所有非边缘点记为黑色像素；模块M2.2：在所有边缘中，获取并保留第二直线边缘；所述模块M2.2包括如下子模块M：模块M2.2.1：在所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；模块M2.2.2：过滤T字形交叉位置和x形交叉位置上的边缘点；模块M2.2.3：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；模块M2.2.4：过滤拐角度数小于阈值角度的边缘点；模块M2.2.5：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第二直线边缘。
所述模块M3包括如下子模块：模块M3.1：根据从摄像机获取到的图像，获取图像的梯度值；其中，所述梯度值为水平梯度值和垂直梯度值之和；模块M3.2：对梯度值进行二值化，获取二值化图像；所述模块M3.2包括如下子模块M：模块M3.2.1：在二值化图像的所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；模块M3.2.2：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；模块M3.2.3：过滤拐角度数小于阈值角度的边缘点；模块M3.2.4：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第三直线边缘。
所述模块M4包括如下子模块：模块M4.1：获取第一直线边缘、第二直线边缘以及第三直线边缘这三者的角度值；模块M4.2：将角度值等分为预设数量，每次融合预设数量等分中的一个；模块M4.3：将所有属于同一个角度等分范围的总直线边缘，都绘制到图像上；模块M4.4：过滤绘制过程中的重叠的总直线边缘，获取过滤图像；其中，所述总直线边缘为第一直线边缘、第二直线边缘第三直线边缘中的任一种或任多种边缘；模块M4.5：将过滤图像重新进行连通域分析，提取直线；模块M4.6：对所有的位置较近的直线，进行连接；其中，所述位置较近的直线是指两直线之间的距离小于预设像素数量形成的距离；模块M4.7：将相互平行的直线融合为一条直线，即为融合后的直线。
所述模块M5包括如下子模块：模块M5.1：在融合后的直线的边缘上挑选预设数量的关键点；模块M5.2：根据关键点的位置，选取参考点；模块M5.3：记录关键点的平均像素亮度值；模块M5.4：记录参考点的平均像素亮度值；模块M5.5：若关键点的平均像素亮度值与参考点的平均像素亮度值之间的差值大于或小于预设值时，则所述融合后的直线的边缘为屋脊型边缘，否则，则为阶跃型边缘；所述参考点的平均像素亮度值包括以关键点为基准的左右两侧的参考点。
本发明提供的基于直线边缘特征的目标跟踪系统，还包括模块M6：所述模块M6：获取目标图像，并通过获取直线边缘模块来获取目标图像的所有直线边缘；在所有直线边缘中，找出目标本体中预设长度的边缘在当前目标图像所对应的位置作为对比直线边缘；将对比直线边缘与目标本体的预设长度的边缘进行匹配，若匹配度大于等于预设匹配度，则对比直线边缘在当前目标图像所对应的位置即为目标的新位置；所述获取直线边缘步骤包括模块M1至模块M5。
需要说明的是，本发明使用的序数形容词“第一”、“第二”及“第三”等用来描述共同的对象，仅表示指代相同对象的不同实例，而并不是要暗示这样描述的对象必须采用给定的顺序，无论是时间地、空间地、排序地或任何其它方式。
本发明还提供了一种信息处理系统，本领域技术人员可以将信息处理方法理解为所述信息处理系统的优选例，所述信息处理系统可以通过执行所述信息处理方法中的步骤流程予以实现。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于直线边缘特征的目标跟踪方法，其特征在于，包括获取直线边缘步骤，所述获取直线边缘步骤包括如下步骤：
步骤1：根据从摄像机获取到的图像，获取图像垂直边缘和水平边缘进行检测，获取第一直线边缘；
步骤2：根据从摄像机获取到的图像，通过比较图像的连通域中的像素数量和预设像素数量，保留第二直线边缘；
步骤3：根据从摄像机获取到的图像，获取梯度值，对梯度值进行二值化，将垂直边缘分割出来，保留第三直线边缘；
步骤4：将第一直线边缘、第二直线边缘以及第三直线边缘相融合，得到融合后的直线边缘；
步骤5：将融合后的直线边缘进行区分。
2.根据权利要求1所述的基于直线边缘特征的目标跟踪方法，其特征在于，所述步骤1包括如下子步骤：
步骤1.1：根据从摄像机获取到的图像，将图像的每一个像素进行遍历，获取每个像素的水平梯度；
步骤1.2：以预设像素数量为单位将图像分割为多个等高水平带，对所述多个等高水平带进行逐一检测，获取垂直边缘；
步骤1.3：对当前水平带进行逐列扫描，确定垂直边缘；
步骤1.4：提取当前列的所有像素对应的水平梯度值，获取平均水平梯度值；
步骤1.5：根据平均水平梯度值，确定当前列为垂直边缘；
所述步骤1.1包括如下子步骤：步骤1.1.1：提取当前像素左右两侧的像素的亮度值；
步骤1.1.2：根据两侧的像素的亮度值，获取平均亮度值；
所述步骤1还包括如下子步骤：步骤1.6：设定扫描窗口，对扫描窗口的所有平均水平梯度值进行遍历，若扫描窗口中心位置对应的梯度值大于或小于扫描窗口内的最大值，则将扫描窗口中心位置的梯度值记为0，否则，则保留扫描窗口中心位置的梯度值；
步骤1.7：设定预设阈值，若当前列的平均水平梯度值大于预设阈值，则此处为边缘并将此边缘标记出来，否则，则忽略此边缘；
步骤1.8：对相邻水平带的所有垂直边缘进行融合，若相邻行的垂直边缘的水平距离偏差在预设范围内，则记为同一条垂直边缘，即为第一直线边缘，否则，则返回步骤1.6继续执行；
所述步骤1.8包括如下子步骤：步骤1.8.1：将垂直边缘沿预设方向延伸，获取边缘结束位置，若垂直梯度值大于预设阈值，则继续延伸，否则，则该垂直边缘记为边缘结束位置；
所述步骤2包括如下子步骤：步骤2.1：根据从摄像机获取到的图像，获取图像中的所有边缘；
其中，所有边缘点记为白色像素，所有非边缘点记为黑色像素；
步骤2.2：在所有边缘中，获取并保留第二直线边缘；
所述步骤2.2包括如下子步骤：
步骤2.2.1：在所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；
步骤2.2.2：过滤T字形交叉位置和x形交叉位置上的边缘点；
步骤2.2.3：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；
步骤2.2.4：过滤拐角度数小于阈值角度的边缘点；
步骤2.2.5：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第二直线边缘；
所述步骤3包括如下子步骤：步骤3.1：根据从摄像机获取到的图像，获取图像的梯度值；
其中，所述梯度值为水平梯度值和垂直梯度值之和；
步骤3.2：对梯度值进行二值化，获取二值化图像；
所述步骤3.2包括如下子步骤：
步骤3.2.1：在二值化图像的所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；
步骤3.2.2：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；
步骤3.2.3：过滤拐角度数小于阈值角度的边缘点；
步骤3.2.4：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第三直线边缘；
所述步骤4包括如下子步骤：
步骤4.1：获取第一直线边缘、第二直线边缘以及第三直线边缘这三者的角度值；
步骤4.2：将角度值等分为预设数量，每次融合预设数量等分中的一个；
步骤4.3：将所有属于同一个角度等分范围的总直线边缘，都绘制到图像上；
步骤4.4：过滤绘制过程中的重叠的总直线边缘，获取过滤图像；
其中，所述总直线边缘为第一直线边缘、第二直线边缘第三直线边缘中的任一种或任多种边缘；
步骤4.5：将过滤图像重新进行连通域分析，提取直线；
步骤4.6：对所有的位置较近的直线，进行连接；
其中，所述位置较近的直线是指两直线之间的距离小于预设像素数量形成的距离；
步骤4.7：将相互平行的直线融合为一条直线，即为融合后的直线；
所述步骤5包括如下子步骤：步骤5.1：在融合后的直线的边缘上挑选预设数量的关键点；
步骤5.2：根据关键点的位置，选取参考点；
步骤5.3：记录关键点的平均像素亮度值；
步骤5.4：记录参考点的平均像素亮度值；
步骤5.5：若关键点的平均像素亮度值与参考点的平均像素亮度值之间的差值大于或小于预设值时，则所述融合后的直线的边缘为屋脊型边缘，否则，则为阶跃型边缘；
所述基于直线边缘特征的目标跟踪方法，还包括应用步骤：
所述应用步骤：获取目标图像，并通过获取直线边缘步骤来获取目标图像的所有直线边缘；在所有直线边缘中，找出目标本体中预设长度的边缘在当前目标图像所对应的位置作为对比直线边缘；将对比直线边缘与目标本体的预设长度的边缘进行匹配，若匹配度大于等于预设匹配度，则对比直线边缘在当前目标图像所对应的位置即为目标的新位置；否则，则保留当前目标位置；所述参考点的平均像素亮度值包括以关键点为基准的左右两侧的参考点。
3.一种基于直线边缘特征的目标跟踪系统，其特征在于，包括获取直线边缘模块，
所述获取直线边缘模块包括如下模块：
模块M1：根据从摄像机获取到的图像，获取图像垂直边缘和水平边缘进行检测，获取第一直线边缘；
模块M2：根据从摄像机获取到的图像，通过比较图像的连通域中的像素数量和预设像素数量，保留第二直线边缘；
模块M3：根据从摄像机获取到的图像，获取梯度值，对梯度值进行二值化，将垂直边缘分割出来，保留第三直线边缘；
模块M4：将第一直线边缘、第二直线边缘以及第三直线边缘相融合，得到融合后的直线边缘；
模块M5：将融合后的直线边缘进行区分。
4.根据权利要求3所述的基于直线边缘特征的目标跟踪系统，其特征在于，所述模块M1包括如下子模块M：
模块M1.1：根据从摄像机获取到的图像，将图像的每一个像素进行遍历，获取每个像素的水平梯度；
模块M1.2：以预设像素数量为单位将图像分割为多个等高水平带，对所述多个等高水平带进行逐一检测，获取垂直边缘；
模块M1.3：对当前水平带进行逐列扫描，确定垂直边缘；
模块M1.4：提取当前列的所有像素对应的水平梯度值，获取平均水平梯度值；
模块M1.5：根据平均水平梯度值，确定当前列为垂直边缘；
模块M1.6：设定扫描窗口，对扫描窗口的所有平均水平梯度值进行遍历，若扫描窗口中心位置对应的梯度值大于或小于扫描窗口内的最大值，则将扫描窗口中心位置的梯度值记为0，否则，则保留扫描窗口中心位置的梯度值；
模块M1.7：设定预设阈值，若当前列的平均水平梯度值大于预设阈值，则此处为边缘并将此边缘标记出来，否则，则忽略此边缘；
模块M1.8：对相邻水平带的所有垂直边缘进行融合，若相邻行的垂直边缘的水平距离偏差在预设范围内，则记为同一条垂直边缘，即为第一直线边缘，否则，则返回模块M1.6继续执行。
5.根据权利要求4所述的基于直线边缘特征的目标跟踪系统，其特征在于，所述模块M1.1包括如下子模块：
模块M1.1.1：提取当前像素左右两侧的像素的亮度值；
模块M1.1.2：根据两侧的像素的亮度值，获取平均亮度值；
所述模块M1.8包括如下子模块M：
模块M1.8.1：将垂直边缘沿预设方向延伸，获取边缘结束位置，若垂直梯度值大于预设阈值，则继续延伸，否则，则该垂直边缘记为边缘结束位置。
6.根据权利要求3所述的基于直线边缘特征的目标跟踪系统，其特征在于，所述模块M2包括如下子模块：
模块M2.1：根据从摄像机获取到的图像，获取图像中的所有边缘；
其中，所有边缘点记为白色像素，所有非边缘点记为黑色像素；
模块M2.2：在所有边缘中，获取并保留第二直线边缘；
所述模块M2.2包括如下子模块M：
模块M2.2.1：在所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；
模块M2.2.2：过滤T字形交叉位置和x形交叉位置上的边缘点；
模块M2.2.3：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；
模块M2.2.4：过滤拐角度数小于阈值角度的边缘点；
模块M2.2.5：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第二直线边缘。
7.根据权利要求3所述的基于直线边缘特征的目标跟踪系统，其特征在于，所述模块M3包括如下子模块：
模块M3.1：根据从摄像机获取到的图像，获取图像的梯度值；
其中，所述梯度值为水平梯度值和垂直梯度值之和；
模块M3.2：对梯度值进行二值化，获取二值化图像；
所述模块M3.2包括如下子模块M：
模块M3.2.1：在二值化图像的所有边缘中，将所有的T字形交叉位置和x形交叉位置上的边缘点检测出来；
模块M3.2.2：遍历所有的边缘点，获取拐角度数小于阈值角度的边缘点的位置；
模块M3.2.3：过滤拐角度数小于阈值角度的边缘点；
模块M3.2.4：获取剩余的边缘点的所有连通域，若当前连通域的高度小于第一预设像素数量，而当前连通域的高长度大于第二预设像素数量，则保留该边缘点作为第三直线边缘。
8.根据权利要求3所述的基于直线边缘特征的目标跟踪系统，其特征在于，所述模块M4包括如下子模块：
模块M4.1：获取第一直线边缘、第二直线边缘以及第三直线边缘这三者的角度值；
模块M4.2：将角度值等分为预设数量，每次融合预设数量等分中的一个；
模块M4.3：将所有属于同一个角度等分范围的总直线边缘，都绘制到图像上；
模块M4.4：过滤绘制过程中的重叠的总直线边缘，获取过滤图像；
其中，所述总直线边缘为第一直线边缘、第二直线边缘第三直线边缘中的任一种或任多种边缘；
模块M4.5：将过滤图像重新进行连通域分析，提取直线；
模块M4.6：对所有的位置较近的直线，进行连接；
其中，所述位置较近的直线是指两直线之间的距离小于预设像素数量形成的距离；
模块M4.7：将相互平行的直线融合为一条直线，即为融合后的直线。
9.根据权利要求3所述的基于直线边缘特征的目标跟踪系统，其特征在于，所述模块M5包括如下子模块：
模块M5.1：在融合后的直线的边缘上挑选预设数量的关键点；
模块M5.2：根据关键点的位置，选取参考点；
模块M5.3：记录关键点的平均像素亮度值；
模块M5.4：记录参考点的平均像素亮度值；
模块M5.5：若关键点的平均像素亮度值与参考点的平均像素亮度值之间的差值大于或小于预设值时，则所述融合后的直线的边缘为屋脊型边缘，否则，则为阶跃型边缘；
所述参考点的平均像素亮度值包括以关键点为基准的左右两侧的参考点。
10.根据权利要求3所述的基于直线边缘特征的目标跟踪系统，其特征在于，还包括应用模块：
所述应用模块：获取目标图像，并通过获取直线边缘模块来获取目标图像的所有直线边缘；在所有直线边缘中，找出目标本体中预设长度的边缘在当前目标图像所对应的位置作为对比直线边缘；将对比直线边缘与目标本体的预设长度的边缘进行匹配，若匹配度大于等于预设匹配度，则对比直线边缘在当前目标图像所对应的位置即为目标的新位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810285084.6A CN108765456B (zh) | 2018-04-02 | 2018-04-02 | 基于直线边缘特征的目标跟踪方法、系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810285084.6A CN108765456B (zh) | 2018-04-02 | 2018-04-02 | 基于直线边缘特征的目标跟踪方法、系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108765456A true CN108765456A (zh) | 2018-11-06 |
| CN108765456B CN108765456B (zh) | 2020-10-30 |
Family
ID=63980629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810285084.6A Active CN108765456B (zh) | 2018-04-02 | 2018-04-02 | 基于直线边缘特征的目标跟踪方法、系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108765456B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111369594A (zh) * | 2020-03-31 | 2020-07-03 | 北京旋极信息技术股份有限公司 | 一种实现目标跟踪的方法、装置、计算机存储介质及终端 |
| CN111951290A (zh) * | 2019-05-16 | 2020-11-17 | 杭州睿琪软件有限公司 | 一种图像中物体的边缘检测方法及装置 |
| CN117593300A (zh) * | 2024-01-18 | 2024-02-23 | 江西汉永新材料股份有限公司 | 一种pe管材裂纹缺陷检测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090122189A1 (en) * | 2007-11-14 | 2009-05-14 | Bei Wang | Method of Identifying Target Synchronization Point Pair through Scan-line Image Matching Scheme |
| CN102236784A (zh) * | 2010-05-07 | 2011-11-09 | 株式会社理光 | 屏幕区域检测方法及系统 |
| CN102829735A (zh) * | 2012-08-31 | 2012-12-19 | 哈尔滨工业大学 | 基于机器视觉的e型磁材背面几何形状缺陷检测方法 |
| CN107730521A (zh) * | 2017-04-29 | 2018-02-23 | 安徽慧视金瞳科技有限公司 | 一种图像中屋脊型边缘的快速检测方法 |
-
2018
- 2018-04-02 CN CN201810285084.6A patent/CN108765456B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090122189A1 (en) * | 2007-11-14 | 2009-05-14 | Bei Wang | Method of Identifying Target Synchronization Point Pair through Scan-line Image Matching Scheme |
| CN102236784A (zh) * | 2010-05-07 | 2011-11-09 | 株式会社理光 | 屏幕区域检测方法及系统 |
| CN102829735A (zh) * | 2012-08-31 | 2012-12-19 | 哈尔滨工业大学 | 基于机器视觉的e型磁材背面几何形状缺陷检测方法 |
| CN107730521A (zh) * | 2017-04-29 | 2018-02-23 | 安徽慧视金瞳科技有限公司 | 一种图像中屋脊型边缘的快速检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈仁杰 等: "《图像主特征直线的检测算法》", 《中国图象图形学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111951290A (zh) * | 2019-05-16 | 2020-11-17 | 杭州睿琪软件有限公司 | 一种图像中物体的边缘检测方法及装置 |
| CN111951290B (zh) * | 2019-05-16 | 2023-11-03 | 杭州睿琪软件有限公司 | 一种图像中物体的边缘检测方法及装置 |
| CN111369594A (zh) * | 2020-03-31 | 2020-07-03 | 北京旋极信息技术股份有限公司 | 一种实现目标跟踪的方法、装置、计算机存储介质及终端 |
| CN117593300A (zh) * | 2024-01-18 | 2024-02-23 | 江西汉永新材料股份有限公司 | 一种pe管材裂纹缺陷检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108765456B (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113781402B (zh) | 芯片表面划痕缺陷的检测方法、装置和计算机设备 | |
| Cucchiara et al. | Improving shadow suppression in moving object detection with HSV color information | |
| US7639878B2 (en) | Shadow detection in images | |
| Jabri et al. | Detection and location of people in video images using adaptive fusion of color and edge information | |
| CN103366156B (zh) | 道路结构检测和跟踪 | |
| CN105117726B (zh) | 基于多特征区域累积的车牌定位方法 | |
| Alonso et al. | Robust vehicle detection through multidimensional classification for on board video based systems | |
| JP2003511651A (ja) | 光学検査システム | |
| CN106447701A (zh) | 用于图像相似性确定、对象检测和跟踪的方法和装置 | |
| Yu et al. | Road tracking, lane segmentation and obstacle recognition by mathematical morphology | |
| CN108765456A (zh) | 基于直线边缘特征的目标跟踪方法、系统 | |
| CN108734172A (zh) | 基于直线边缘特征的目标识别方法、系统 | |
| Rotaru et al. | Extracting road features from color images using a cognitive approach | |
| CN112085723B (zh) | 一种货车摇枕弹簧窜出故障自动检测方法 | |
| CN107066929B (zh) | 一种融合多种特征的高速公路隧道停车事件分级识别方法 | |
| Fang et al. | 1-D barcode localization in complex background | |
| CN111402185B (zh) | 一种图像检测方法及装置 | |
| CN107220943A (zh) | 融合区域纹理梯度的船舶阴影去除方法 | |
| CN105930813B (zh) | 一种在任意自然场景下检测行文本的方法 | |
| Voles et al. | Target identification in a complex maritime scene | |
| CN107153823B (zh) | 一种基于视觉关联双空间的车道线特征提取方法 | |
| Hoogs et al. | An integrated boundary and region approach to perceptual grouping | |
| Schiekel | A fast raffic sign recognition algorithm for gray value images | |
| CN109948570A (zh) | 一种用于动态环境下的无人机实时检测方法 | |
| Kim et al. | Vessel tracking vision system using a combination of Kaiman filter, Bayesian classification, and adaptive tracking algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Target tracking method and system based on linear edge feature Effective date of registration: 20220624 Granted publication date: 20201030 Pledgee: China Minsheng Banking Corp Shanghai branch Pledgor: SHANGHAI YINGJUE TECHNOLOGY CO.,LTD. Registration number: Y2022310000083 |
|
| PC01 | Cancellation 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: 20230728 Granted publication date: 20201030 Pledgee: China Minsheng Banking Corp Shanghai branch Pledgor: SHANGHAI YINGJUE TECHNOLOGY CO.,LTD. Registration number: Y2022310000083 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Target tracking method and system based on linear edge features Effective date of registration: 20230801 Granted publication date: 20201030 Pledgee: China Minsheng Banking Corp Shanghai branch Pledgor: SHANGHAI YINGJUE TECHNOLOGY CO.,LTD. Registration number: Y2023310000419 |