CN115082509B - 一种对无特征目标的追踪方法 - Google Patents
一种对无特征目标的追踪方法 Download PDFInfo
- Publication number
- CN115082509B CN115082509B CN202211004501.8A CN202211004501A CN115082509B CN 115082509 B CN115082509 B CN 115082509B CN 202211004501 A CN202211004501 A CN 202211004501A CN 115082509 B CN115082509 B CN 115082509B
- Authority
- CN
- China
- Prior art keywords
- image
- tracking
- image data
- control unit
- central control
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种对无特征目标的追踪方法,包括:步骤S1,在待追踪目标上绘制圆环标记符号;步骤S2,采集图像数据,采集完成后,对图像数据进行特征检测以确定待检测目标的所有特征点和特征点响应值R;步骤S3,对圆环外部的无关特征点进行筛选;步骤S4,将特征点与圆环标记符中心的距离与特征点响应值R分别进行加权处理后与该特征点坐标构成数据对存入优先列队中;步骤S5,利用优先队列确定排序值S确定追踪点P;步骤S6,在对待追踪目标进行追踪的过程中,利用凸包算法对追踪情况进行判断以确定追踪点P的稳定性。从而能够通过绘制圆环标记符进而确定无特征目标的追踪点并对追踪点进行实时检测以提高追踪的精确度和追踪点的稳定性。
Description
技术领域
本发明涉及目标追踪的技术领域,尤其涉及一种对无特征目标的追踪方法。
背景技术
在目标追踪领域,常使用的方法为对待追踪目标进行特征提取或特征建模,以得到目标的特异性描述,然后在连续帧序列中通过对目标进行特征匹配等方式获取目标的当前位置,以实现目标追踪。绝大多数物体表面均存在明显的特征信息,如在街景图像中,行人具有显著的轮廓信息、自行车具有明显角点信息等,对利用特征信息对这类物体进行的方法十分成熟。但对于纹理均匀、表面光滑的目标,如塑料薄膜表面局域的运动追踪或形变测量,现有技术难获取其表面的特征信息,因此无法进行追踪。
中国专利CN201910745249.8公开了一种目标追踪方法及系统,包括根据指定区域的第一图像信息进行背景建模,获得所述指定区域的背景场景模型,其中,所述第一图像信息通过广角相机捕获;实时获取所述广角相机捕获的针对指定区域的第二图像信息,并根据所述第二图像信息获得混合场景模型,其中,所述第二图像信息中包括有待检测目标;对所述混合场景模型进行前景检测,获得所述待检测目标运动的前景区域;对所述前景区域内的待检测目标进行追踪。
目前,已经有一些目标的追踪方法,但普遍没有针对无特征目标的追踪方法,对于无特征目标无法进行追踪,即使追踪了但追踪的精确度低、追踪点的稳定性差。
发明内容
为此,本发明提供一种对无特征目标的追踪方法,可以有效解决现有技术中不能通过绘制圆环标记符进而确定无特征目标的追踪点并对追踪点进行实时检测以提高追踪的精确度和追踪点的稳定性的技术问题。
为实现上述目的,本发明提供一种对无特征目标的追踪方法,包括:
步骤S1,在待追踪目标上绘制圆环标记符号;
步骤S2,利用图像采集设备采集含有所述圆环标记符的待追踪目标的图像数据,采集完成后,利用Harris角点检测算法对所述图像数据进行特征检测以确定待检测目标的所有特征点和特征点响应值R;
步骤S3,利用特征点与圆环标记符的位置关系对圆环外部的无关特征点进行筛选;
步骤S4,计算所述步骤S3筛选后剩余的特征点与所述圆环标记符中心的距离,计算完成时,将特征点与圆环标记符中心的距离与特征点响应值R分别进行加权处理后与该特征点坐标构成数据对存入优先列队中;
步骤S5,利用优先队列确定排序值S,选取最大值作为待追踪目标的追踪点P;
步骤S6,在对待追踪目标进行追踪的过程中,利用凸包算法对追踪情况进行判断以确定追踪点P的稳定性。
进一步地,所述步骤S2中的图像采集设备采集含有圆环标记符的待追踪目标的图像数据时中控单元通过图像大小St和颜色达标率Yd确定实际图像完整率E,确定完成时,中控单元将实际图像完整率E与预设图像完整率E0进行比较以确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,若为需要采集的图像数据,中控单元标记采集完成,若不是需要采集的图像数据,中控单元机计算图像完整率差值△E并将其与标准图像完整率差值△E0进行比较以再次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,若仍不是需要采集的图像数据,不采集该区域的图像数据。
进一步地,所述步骤S2中图像采集设备在采集图像数据时,中控单元通过图像大小St和颜色达标率Yd确定实际图像完整率E,确定完成时,中控单元将实际图像完整率E与预设图像完整率E0进行比较以确定采集过程中圆环标记符所在区域是否为需要采集的图像数据;
若E<E0,所述中控单元判定采集过程中圆环标记符所在区域不是需要采集的图像数据;
若E≥E0,所述中控单元判定采集过程中圆环标记符所在区域为需要采集的图像数据;
其中,所述预设图像完整率E0通过中控单元设置得到。
进一步地,所述中控单元判定采集过程中圆环标记符所在区域不是需要采集的图像数据时,中控单元计算图像完整率差值△E,计算完成时,中控单元将图像完整率差值△E与标准图像完整率差值△E0进行比较以再次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据;
若△E≤△E0,所述中控单元判定采集过程中圆环标记符所在区域为需要采集的图像数据;
若△E>△E0,所述中控单元判定采集过程中圆环标记符所在区域仍不是需要采集的图像数据;
其中,标准图像完整率差值△E0通过中控单元设置得到。
进一步地,所述中控单元判定采集过程中圆环标记符所在区域不是需要采集的图像数据时,中控单元计算图像完整率差值△E,其计算公式如下:
△E=(E-E0)×(E0/E)×δ;
式中,E表示实际图像完整率,E0表示预设图像完整率,δ表示完整率差值系数,δ≥1。
进一步地,当△E>△E0,所述中控单元判定采集过程中圆环标记符所在区域仍不是需要采集的图像数据时,中控单元控制图像采集设备不采集该圆环标记符所在区域的图像数据,进行另外区域的图像数据采集与判断。
进一步地,所述中控单元通过图像大小St和颜色达标率Yd确定实际图像完整率E的计算公式如下:
E=St×Yd×η;
式中,η表示图像完整率系数,0<η≤1。
进一步地,所述图像大小St通过图像直径Dt确定,图像直径Dt在进行图像采集过程中自动获取;
所述颜色达标率Yd通过像素大小Ax确定,像素大小Ax通过像素采集单元采集得到。
进一步地,所述步骤S5中利用优先队列确定排序值S的计算公式为:
S=α×R+β×d;
式中,α表示距离权重参数,α≥1,β表示特征点响应值权重参数,β≥1,R表示特征点响应值,d表示圆环标记符中心与特征点距离归一化后的值。
进一步地,所述圆环标记符中心与特征点距离归一化后的值d的计算公式为:
式中,表示特征点的横坐标,表示特征点的纵坐标,表示圆环标记符的形心横坐标,表示圆环标记符的形心纵坐标,表示图像中对角线的长度。
与现有技术相比,本发明的有益效果在于,本发明所述的对无特征目标的追踪方法,通过在待追踪目标上绘制圆环标记符号,进而利用图像采集设备采集含有所述圆环标记符的待追踪目标的图像数据,采集完成后,利用Harris角点检测算法对所述图像数据进行特征检测以确定待检测目标的所有特征点和特征点响应值R,然后利用特征点与圆环标记符的位置关系对圆环外部的无关特征点进行筛选,再然后计算筛选后剩余的特征点与所述圆环标记符中心的距离,计算完成时,将特征点与圆环标记符中心的距离与特征点响应值R分别进行加权处理后与该特征点坐标构成数据对存入优先列队中,再然后利用优先队列确定排序值S,选取最大值作为待追踪目标的追踪点P,最后在对待追踪目标进行追踪的过程中,利用凸包算法对追踪情况进行判断以确定追踪点P的稳定性。从而能够通过绘制圆环标记符的方式解决了现有方法难以对不具有明显特征目标的追踪问题,可应用于各类材料表面局部区域的形变或是运动测量中,具有较高的实用性。
尤其,本发明通过优先队列进行追踪点P的确定,进而通过凸包算法对追踪情况进行实时判断,对追踪失败情况进行及时处理,有效提高了追踪的精确度和追踪点的稳定性。
尤其,本发明通过图像大小St和颜色达标率Yd确定实际图像完整率E,进而通过将实际图像完整率E与预设图像完整率E0进行比较以确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,若不是需要采集的图像数据,通过将图像完整率差值△E与标准图像完整率差值△E0进行比较以再次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据。从而能够通过二次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,提高了采集的图像数据的准确率,进而为确定追踪点夯实了基础,能够有效提高追踪的准确率。
进一步地,本发明将实际图像完整率E与预设图像完整率E0进行比较以确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,从而能够通过图像完整率对采集区域的图像数据进行区分和判断,提高了采集的图像数据的准确率,进而为确定追踪点夯实了基础,能够有效提高追踪的准确率。
进一步地,本发明通过将图像完整率差值△E与标准图像完整率差值△E0进行比较以再次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,从而能够通过二次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,提高了采集的图像数据的准确率,进而为确定追踪点夯实了基础,能够有效提高追踪的准确率。
附图说明
图1为本发明实施例对无特征目标的追踪装置的结构框图;
图2为本发明实施例对无特征目标的追踪方法的流程示意图;
图3为本发明实施例圆环标记符内环凸包搜索示意图;
图4为本发明实施例追踪稳定的示意图;
图5为本发明实施例追踪失败的示意图。
图中标记说明:1、图像采集设备;11、中控单元;12、像素采集单元;2、预处理模块;3、计算模块;4、追踪模块;41、凸包算法单元;5、输出模块。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1-图5所示,图1为本发明实施例对无特征目标的追踪装置的结构框图,图2为本发明实施例对无特征目标的追踪方法的流程示意图,本实施例的对无特征目标的追踪装置,包括:
图像采集设备1,用于采集待追踪目标的图像数据,其内设置有中控单元11和像素采集单元12,中控单元11用于控制图像数据采集过程,像素采集单元12用于采集图像数据的像素大小Ax;本实施例中,中控单元11内设置有PLC控制板。
预处理模块2,其与所述图像采集设备1连接,用于在追踪开始前获取图像中圆环标记符的位置信息,计算标记符中心点坐标;
计算模块3,其与所述图像采集设备1连接,用于使用Harris算法完成特征点检测、使用基于优先队列的排序算法完成目标特征点的选定工作、标记符内环凸包的搜索和圆环标记符与追踪特征点位置关系的判定任务;
追踪模块4,其与所述计算模块3连接,其内设置有凸包算法单元41,用于对待追踪目标进行实时追踪并对追踪点P进行稳定性判断。本实施例中,对待追踪目标进行追踪时还可以采用L-K光流法。
输出模块5,其与所述计算模块3连接,用于计算和处理目标特征点的运动信息。
结合图1所示,基于上述对无特征目标的追踪装置,本实施例的对无特征目标的追踪方法,包括:
步骤S1,在待追踪目标上绘制圆环标记符号;
步骤S2,利用图像采集设备1采集含有所述圆环标记符的待追踪目标的图像数据,采集完成后,利用Harris角点检测算法对所述图像数据进行特征检测以确定待检测目标的所有特征点和特征点响应值R;本实施例中,特征点响应值R在一定程度上表现了特征点的稳定程度,特征点响应值R越大则特征越稳定。越稳定的特征点越利于在后续过程中的特征点追踪。
步骤S3,利用特征点与圆环标记符的位置关系对圆环外部的无关特征点进行筛选;本实施例中,在对含有圆环标记符的物体表面进行特征点检测,会检测出整个图像中所有的特征点,如场景下的无关边缘、角点等信息,因此需要将追踪所需要的目标特征点从检测的众多特征点中筛选出。
步骤S4,计算所述步骤S3筛选后剩余的特征点与所述圆环标记符中心的距离,计算完成时,将特征点与圆环标记符中心的距离与特征点响应值R分别进行加权处理后与该特征点坐标构成数据对存入优先列队中;
步骤S5,利用优先队列确定排序值S,选取最大值作为待追踪目标的追踪点P;
步骤S6,在对待追踪目标进行追踪的过程中,利用凸包算法对追踪情况进行判断以确定追踪点P的稳定性。
本实施例中,所述圆环标记符为圆环状,通常将圆环区域设置为黑色,圆环内部区域设置为白色。利用Harris角点检测算法对圆环标记符进行特征检测时,当算法的检测窗位于圆环中心区域时,检测窗口中所采集的图像灰度会发生明显变化,圆环标记符中心位置的形态特征高度满足了角点检测算法的特征点判定条件,因而能够稳定的在标记符中心检测出特征点。将圆环标记符绘制于待追踪的物体表面,即实现了追踪目标表面特征的人工构建。圆环标记符的颜色可由待追踪物体表面的颜色的变化而改变,如追踪目标的表面呈白色、无色等浅色,则可将标记符圆环设置为黑色、深紫色、深蓝色等,保证圆环标记符和物体表面有较强的颜色对比即可。
具体而言,本发明所述的对无特征目标的追踪方法,通过在待追踪目标上绘制圆环标记符号,进而利用图像采集设备1采集含有所述圆环标记符的待追踪目标的图像数据,采集完成后,利用Harris角点检测算法对所述图像数据进行特征检测以确定待检测目标的所有特征点和特征点响应值R,然后利用特征点与圆环标记符的位置关系对圆环外部的无关特征点进行筛选,再然后计算筛选后剩余的特征点与所述圆环标记符中心的距离,计算完成时,将特征点与圆环标记符中心的距离与特征点响应值R分别进行加权处理后与该特征点坐标构成数据对存入优先列队中,再然后利用优先队列确定排序值S,选取最大值作为待追踪目标的追踪点P,最后在对待追踪目标进行追踪的过程中,利用凸包算法对追踪情况进行判断以确定追踪点P的稳定性。从而能够通过绘制圆环标记符的方式解决了现有方法难以对不具有明显特征目标的追踪问题,可应用于各类材料表面局部区域的形变或是运动测量中,具有较高的实用性。
具体而言,本发明通过优先队列进行追踪点P的确定,进而通过凸包算法对追踪情况进行实时判断,对追踪失败情况进行及时处理,有效提高了追踪的精确度和追踪点的稳定性。
具体而言,所述步骤S5中利用优先队列确定排序值S的计算公式为:
S=α×R+β×d;
式中,α表示距离权重参数,α≥1,β表示特征点响应值权重参数,β≥1,R表示特征点响应值,d表示圆环标记符中心与特征点距离归一化后的值。
本实施例中,通过设置距离权重参数和特征点响应值值权重参数,能够有效提高计算的准确率。α和β分别用以控制特征点响应值和特征点与标记符中心的距离在排序值S中所占权重,当采集的图像数据清晰,特征点的置信度高时,则增大距离在排序值S中的占比,即增大α;当采集的图像数据较为模糊,特征点的置信度较低时,则增大特征点响应值在排序值S中的占比。
具体而言,所述圆环标记符中心与特征点距离归一化后的值d的计算公式为:
式中,表示特征点的横坐标,表示特征点的纵坐标,表示圆环标记符的形心横坐标,表示圆环标记符的形心纵坐标,表示图像中对角线的长度。
本实施例中,图像中对角线为图像中的最长线段,以圆环标记符中心与特征点的距离与对角线长度的比值衡量特征点与标记符中心的相对距离。
具体而言,请参阅图3所示,其为圆环标记符内环凸包搜索示意图,所述步骤S6中利用凸包算法对追踪情况进行判断的具体步骤为:
步骤S601,以追踪点P为原点,在图像中获取所述圆环标记符的特征点所对应的连通域的位置信息,找到其中横坐标最小的点作为凸包算法的起点A;
步骤S602,设定一个偏转角度θ,5°≤θ≤10°;本实施例中,偏转角度θ的大小通过多次实验得到。
步骤S603,设置一个初始方向Z,方向为竖直向上;
步骤S604,从起始点A开始,沿着Z方向做射线L1;
如果该射线1L与圆环标记符的外环不存在有交点,或者射线L1与圆环标记符外环相交,且交点为B点,将其称为当前点,满足当前点与起始点距离小于距离阈值,则将初始方向Z沿着顺时针的方向旋转θ,然后重新执行步骤S604;
如果射线L1与圆环标记符存在交点,且该交点与起始点距离大于或等于距离阈值,则保存该交点,并将其作为新的起始点;
如果当前点的纵坐标的值大于起始点的纵坐标的值,则重新执行步骤S603;
如果当前点的纵坐标的值小于起始点的纵坐标的值,则执行步骤S605;
步骤S605,设置一个初始方向Y,方向为竖直向下;
步骤S606,从起始点A开始,沿着方向Y做射线L2;
如果该射线L2与圆环标记符的外环不存在有交点,或者射线L2与圆环标记符外环相交,且交点为B点,将其称之为当前点,满足当前点与起始点距离小于距离阈值,则将初始方向Y沿着顺时针的方向旋转θ,然后重新执行步骤S606;
如果射线L2与圆环标记符存在交点,且该交点与起始点距离大于或等于距离阈值,则保存该交点,并将其作为新的起始点;
若当前点与第一次选择的起始点A小于距离阈值,并且当前点的纵坐标小于起始点纵坐标,则结束算法流程;如果当前点纵坐标的值大于起始点的纵坐标的值,降低偏转角度θ,重新执行步骤S603;
其余条件下,重新执行步骤S605。
本实施例中,所述距离阈值表示圆环标记符中心与特征点距离归一化后的值d。
具体而言,请继续参阅图3所示,所述步骤S6利用凸包算法搜索得到圆环标记符的一个凸包,其顶点A,B,C,D,E,F,G,H,I,J为将凸包顶点依次收尾相连构成向量然后依次计算该向量与向量起点与预测的追踪点P所构成向量的叉乘。
其中,若上述步骤计算过程均为正,则预测的追踪点P在凸包内部,追踪稳定;
若上述步骤计算过程并非均为正,则预测的追踪点P在凸包外部,追踪失败。
本实施例中,追踪稳定表示可以继续使用本发明所述的对无特征目标的追踪方法得到的追踪点P进行对待追踪目标的追踪,追踪失败表示需要更换追踪点P,从而能够实时对追踪情况进行检测,对追踪失败情况进行及时处理,有效提高了追踪的精确度。
具体而言,所述步骤S2中的图像采集设备1采集含有圆环标记符的待追踪目标的图像数据时中控单元11通过图像大小St和颜色达标率Yd确定实际图像完整率E,确定完成时,中控单元11将实际图像完整率E与预设图像完整率E0进行比较以确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,若为需要采集的图像数据,中控单元11标记采集完成,若不是需要采集的图像数据,中控单元11机计算图像完整率差值△E并将其与标准图像完整率差值△E0进行比较以再次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,若仍不是需要采集的图像数据,不采集该区域的图像数据。
本实施例中,所述中控单元11标记采集完成后,中控单元11将采集到的图像数据传递至计算模块3利用Harris角点检测算法对图像数据进行处理。
具体而言,本发明通过图像大小St和颜色达标率Yd确定实际图像完整率E,进而通过将实际图像完整率E与预设图像完整率E0进行比较以确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,若不是需要采集的图像数据,通过将图像完整率差值△E与标准图像完整率差值△E0进行比较以再次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据。从而能够通过二次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,提高了采集的图像数据的准确率,进而为确定追踪点夯实了基础,能够有效提高追踪的准确率。
具体而言,所述步骤S2中图像采集设备1在采集图像数据时,中控单元11通过图像大小St和颜色达标率Yd确定实际图像完整率E,确定完成时,中控单元11将实际图像完整率E与预设图像完整率E0进行比较以确定采集过程中圆环标记符所在区域是否为需要采集的图像数据;
若E<E0,所述中控单元11判定采集过程中圆环标记符所在区域不是需要采集的图像数据;
若E≥E0,所述中控单元11判定采集过程中圆环标记符所在区域为需要采集的图像数据;
其中,所述预设图像完整率E0通过中控单元11设置得到。
具体而言,本发明将实际图像完整率E与预设图像完整率E0进行比较以确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,从而能够通过图像完整率对采集区域的图像数据进行区分和判断,提高了采集的图像数据的准确率,进而为确定追踪点夯实了基础,能够有效提高追踪的准确率。
具体而言,所述中控单元11判定采集过程中圆环标记符所在区域不是需要采集的图像数据时,中控单元11计算图像完整率差值△E,计算完成时,中控单元11将图像完整率差值△E与标准图像完整率差值△E0进行比较以再次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据;
若△E≤△E0,所述中控单元11判定采集过程中圆环标记符所在区域为需要采集的图像数据;
若△E>△E0,所述中控单元11判定采集过程中圆环标记符所在区域仍不是需要采集的图像数据;
其中,标准图像完整率差值△E0通过中控单元11设置得到。
具体而言,本发明通过将图像完整率差值△E与标准图像完整率差值△E0进行比较以再次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,从而能够通过二次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,提高了采集的图像数据的准确率,进而为确定追踪点夯实了基础,能够有效提高追踪的准确率。
具体而言,所述中控单元11判定采集过程中圆环标记符所在区域不是需要采集的图像数据时,中控单元11计算图像完整率差值△E,其计算公式如下:
△E=(E-E0)×(E0/E)×δ;
式中,E表示实际图像完整率,E0表示预设图像完整率,δ表示完整率差值系数,δ≥1。
本实施例中,完整率差值系数的确定旨在提高计算的准确率。
具体而言,当△E>△E0,所述中控单元11判定采集过程中圆环标记符所在区域仍不是需要采集的图像数据时,中控单元11控制图像采集设备1不采集该圆环标记符所在区域的图像数据,进行另外区域的图像数据采集与判断。
具体而言,所述中控单元11通过图像大小St和颜色达标率Yd确定实际图像完整率E的计算公式如下:
E=St×Yd×η;
式中,η表示图像完整率系数,0<η≤1。
具体而言,所述图像大小St通过图像直径Dt确定,图像直径Dt在进行图像采集过程中自动获取。
具体而言,所述颜色达标率Yd通过像素大小Ax确定,像素大小Ax通过像素采集单元12采集得到。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种对无特征目标的追踪方法,其特征在于,包括:
步骤S1,在待追踪目标上绘制圆环标记符号;
步骤S2,利用图像采集设备采集含有所述圆环标记符的待追踪目标的图像数据,采集完成后,利用Harris角点检测算法对所述图像数据进行特征检测以确定待检测目标的所有特征点和特征点响应值R;
步骤S3,利用特征点与圆环标记符的位置关系对圆环外部的无关特征点进行筛选;
步骤S4,计算所述步骤S3筛选后剩余的特征点与所述圆环标记符中心的距离,计算完成时,将特征点与圆环标记符中心的距离与特征点响应值R分别进行加权处理后与该特征点坐标构成数据对存入优先列队中;
步骤S5,利用优先队列确定排序值S,选取最大值作为待追踪目标的追踪点P;
步骤S6,在对待追踪目标进行追踪的过程中,利用凸包算法对追踪情况进行判断以确定追踪点P的稳定性。
2.根据权利要求1所述的对无特征目标的追踪方法,其特征在于,所述步骤S2中的图像采集设备采集含有圆环标记符的待追踪目标的图像数据时中控单元通过图像大小St和颜色达标率Yd确定实际图像完整率E,确定完成时,中控单元将实际图像完整率E与预设图像完整率E0进行比较以确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,若为需要采集的图像数据,中控单元标记采集完成,若不是需要采集的图像数据,中控单元机计算图像完整率差值△E并将其与标准图像完整率差值△E0进行比较以再次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据,若仍不是需要采集的图像数据,不采集该区域的图像数据。
3.根据权利要求2所述的对无特征目标的追踪方法,其特征在于,所述步骤S2中图像采集设备在采集图像数据时,中控单元通过图像大小St和颜色达标率Yd确定实际图像完整率E,确定完成时,中控单元将实际图像完整率E与预设图像完整率E0进行比较以确定采集过程中圆环标记符所在区域是否为需要采集的图像数据;
若E<E0,所述中控单元判定采集过程中圆环标记符所在区域不是需要采集的图像数据;
若E≥E0,所述中控单元判定采集过程中圆环标记符所在区域为需要采集的图像数据;
其中,所述预设图像完整率E0通过中控单元设置得到。
4.根据权利要求3所述的对无特征目标的追踪方法,其特征在于,所述中控单元判定采集过程中圆环标记符所在区域不是需要采集的图像数据时,中控单元计算图像完整率差值△E,计算完成时,中控单元将图像完整率差值△E与标准图像完整率差值△E0进行比较以再次确定采集过程中圆环标记符所在区域是否为需要采集的图像数据;
若△E≤△E0,所述中控单元判定采集过程中圆环标记符所在区域为需要采集的图像数据;
若△E>△E0,所述中控单元判定采集过程中圆环标记符所在区域仍不是需要采集的图像数据;
其中,标准图像完整率差值△E0通过中控单元设置得到。
5.根据权利要求4所述的对无特征目标的追踪方法,其特征在于,所述中控单元判定采集过程中圆环标记符所在区域不是需要采集的图像数据时,中控单元计算图像完整率差值△E,其计算公式如下:
△E=(E-E0)×(E0/E)×δ;
式中,E表示实际图像完整率,E0表示预设图像完整率,δ表示完整率差值系数,δ≥1。
6.根据权利要求4所述的对无特征目标的追踪方法,其特征在于,当△E>△E0,所述中控单元判定采集过程中圆环标记符所在区域仍不是需要采集的图像数据时,中控单元控制图像采集设备不采集该圆环标记符所在区域的图像数据,进行另外区域的图像数据采集与判断。
7.根据权利要求2所述的对无特征目标的追踪方法,其特征在于,所述中控单元通过图像大小St和颜色达标率Yd确定实际图像完整率E的计算公式如下:
E=St×Yd×η;
式中,η表示图像完整率系数,0<η≤1。
8.根据权利要求7所述的对无特征目标的追踪方法,其特征在于,所述图像大小St通过图像直径Dt确定,图像直径Dt在进行图像采集过程中自动获取;
所述颜色达标率Yd通过像素大小Ax确定,像素大小Ax通过像素采集单元采集得到。
9.根据权利要求1所述的对无特征目标的追踪方法,其特征在于,所述步骤S5中利用优先队列确定排序值S的计算公式为:
S=α×R+β×d;
式中,α表示距离权重参数,α≥1,β表示特征点响应值权重参数,β≥1,R表示特征点响应值,d表示圆环标记符中心与特征点距离归一化后的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211004501.8A CN115082509B (zh) | 2022-08-22 | 2022-08-22 | 一种对无特征目标的追踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211004501.8A CN115082509B (zh) | 2022-08-22 | 2022-08-22 | 一种对无特征目标的追踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115082509A CN115082509A (zh) | 2022-09-20 |
CN115082509B true CN115082509B (zh) | 2022-11-04 |
Family
ID=83244714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211004501.8A Active CN115082509B (zh) | 2022-08-22 | 2022-08-22 | 一种对无特征目标的追踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115082509B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721134B (zh) * | 2023-08-10 | 2023-10-10 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 一种无特征目标的跟踪系统及其方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881027A (zh) * | 2012-07-26 | 2013-01-16 | 方正国际软件有限公司 | 一种图像中确定区域四边形的检测方法及系统 |
CN103106667A (zh) * | 2013-02-01 | 2013-05-15 | 山东科技大学 | 一种面向遮挡和场景变换的运动对象追踪方法 |
CN109726640A (zh) * | 2018-12-07 | 2019-05-07 | 南京邮电大学 | 无人机系统对运动物体的识别追踪方法 |
CN110910420A (zh) * | 2019-10-23 | 2020-03-24 | 同济大学 | 一种基于图像流的移动目标检测追踪方法 |
CN113470063A (zh) * | 2021-06-30 | 2021-10-01 | 中南大学 | 一种基于特征集的多目标追踪方法、装置及介质 |
CN113506327A (zh) * | 2021-07-16 | 2021-10-15 | 成都产品质量检验研究院有限责任公司 | 一种断裂伸长率计算方法、装置及电子设备 |
CN114187348A (zh) * | 2022-02-16 | 2022-03-15 | 成都大公博创信息技术有限公司 | 一种基于计算机视觉的电缆护套断裂伸长率测量方法 |
CN114327064A (zh) * | 2021-12-29 | 2022-04-12 | 北京淳中科技股份有限公司 | 一种基于手势控制的标绘方法、系统、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633526B (zh) * | 2017-09-04 | 2022-10-14 | 腾讯科技(深圳)有限公司 | 一种图像跟踪点获取方法及设备、存储介质 |
-
2022
- 2022-08-22 CN CN202211004501.8A patent/CN115082509B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881027A (zh) * | 2012-07-26 | 2013-01-16 | 方正国际软件有限公司 | 一种图像中确定区域四边形的检测方法及系统 |
CN103106667A (zh) * | 2013-02-01 | 2013-05-15 | 山东科技大学 | 一种面向遮挡和场景变换的运动对象追踪方法 |
CN109726640A (zh) * | 2018-12-07 | 2019-05-07 | 南京邮电大学 | 无人机系统对运动物体的识别追踪方法 |
CN110910420A (zh) * | 2019-10-23 | 2020-03-24 | 同济大学 | 一种基于图像流的移动目标检测追踪方法 |
CN113470063A (zh) * | 2021-06-30 | 2021-10-01 | 中南大学 | 一种基于特征集的多目标追踪方法、装置及介质 |
CN113506327A (zh) * | 2021-07-16 | 2021-10-15 | 成都产品质量检验研究院有限责任公司 | 一种断裂伸长率计算方法、装置及电子设备 |
CN114327064A (zh) * | 2021-12-29 | 2022-04-12 | 北京淳中科技股份有限公司 | 一种基于手势控制的标绘方法、系统、设备及存储介质 |
CN114187348A (zh) * | 2022-02-16 | 2022-03-15 | 成都大公博创信息技术有限公司 | 一种基于计算机视觉的电缆护套断裂伸长率测量方法 |
Non-Patent Citations (4)
Title |
---|
An efficient real-time target tracking algorithm using adaptive feature fusion;YanyanLiu等;《Journal of Visual Communication and Image Representation》;20220404;第85卷;1-11 * |
Spatially Attentive Visual Tracking Using Multi-Model Adaptive Response Fusion;Jianming Zhang等;《IEEE Access》;20190626;第7卷;83873-83887 * |
基于时空约束和相关滤波器的目标跟踪算法研究;冯开宁;《中国硕士学位论文全文数据库信息科技辑》;20210115(第(2021)01期);I135-547 * |
运动目标检测及其行为分析研究;文嘉俊;《中国博士学位论文全文数据库信息科技辑》;20170215(第(2017)02期);I138-125 * |
Also Published As
Publication number | Publication date |
---|---|
CN115082509A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11410002B2 (en) | Ship identity recognition method based on fusion of AIS data and video data | |
CN109887040B (zh) | 面向视频监控的运动目标主动感知方法及系统 | |
CN106204572B (zh) | 基于场景深度映射的道路目标深度估计方法 | |
CN101839692B (zh) | 单相机测量物体三维位置与姿态的方法 | |
CN110142785A (zh) | 一种基于目标检测的巡检机器人视觉伺服方法 | |
CN107392929B (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
CN110189375B (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
WO2001084844A1 (en) | System for tracking and monitoring multiple moving objects | |
CN110334678A (zh) | 一种基于视觉融合的行人检测方法 | |
CN114693661A (zh) | 一种基于深度学习的快速分拣方法 | |
CN111598952A (zh) | 一种多尺度合作靶标设计与在线检测识别方法及系统 | |
CN115082509B (zh) | 一种对无特征目标的追踪方法 | |
CN105957107A (zh) | 行人检测与跟踪方法及装置 | |
CN107045630B (zh) | 一种基于rgbd的行人检测和身份识别方法及系统 | |
CN115639248A (zh) | 一种用于建筑外墙质量检测的系统及方法 | |
CN116844147A (zh) | 一种基于深度学习的指针式仪表识别和异常警报方法 | |
CN114627398A (zh) | 一种基于屏幕光通信的无人机定位方法及系统 | |
CN113807238A (zh) | 一种河道水面漂浮物面积的视觉测量方法 | |
CN111461079A (zh) | 一种基于双目图像的吊臂下人员检测方法 | |
CN117496401A (zh) | 一种用于视频测量影像序列椭圆形目标点全自动识别与跟踪方法 | |
CN109784257B (zh) | 一种变压器温度表检测与识别方法 | |
CN116486212A (zh) | 一种基于计算机视觉的水尺识别方法、系统及存储介质 | |
CN113688819B (zh) | 一种基于标记点的目标物期望点跟踪匹配方法 | |
CN115797405A (zh) | 一种基于车辆轴距的多镜头自适应跟踪方法 | |
CN115497073A (zh) | 一种基于车载摄像头和激光雷达融合的障碍物相机实时检测方法 |
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 |