[发明专利]基于电视图像运动目标的自动跟踪方法

说明书

技术领域

本发明涉及图像处理领域，具体涉及一种基于电视图像运动目标的自动跟踪方法。 

背景技术

电视跟踪系统通过摄像机将空中运动目标转换成图像序列，并采用一系列图像处理算法实现对目标的实时提取与跟踪。电视跟踪系统是一个涉及到数字图像处理、模式识别、人工智能、自适应控制等诸多领域的综合系统，其跟踪精度、实时性、可靠性、抗复杂背景工作能力、智能化程度都有很高的要求。目标的跟踪是非常关键的步骤，在实际应用场景中既要做到准确跟踪目标，又要提高系统的实时性。 

现有技术的一种跟踪方案是基于活动轮廓的跟踪，是利用封闭的曲线轮廓来表达运动目标，并且该轮廓能够自动连续地更新。轮廓表达有减少计算复杂度的优点，如果开始能够合理地分开每个运动目标并实现轮廓初始化的话，既使在有部分遮挡存在的情况下也能连续地进行跟踪，然而初始化通常是很困难的。 

另一种方案是基于模型的跟踪方法，利用点、线、区域把被跟踪目标拟合成一个几何模型，运动目标的跟踪变成了目标识别问题。这种方法含有高层的语义描述和知识，因此，与其它跟踪方法相比，这种方法具有很多的优势，而且这种优势在复杂环境下显得尤为突出。它的缺点是计算量比较大，且需要知道大量关于所要跟踪目标的先验知识。 

在运动目标检测和跟踪方面存在的困难很大程度上是由于实际环境中目标运动的复杂性以及视频数据所具有的特殊性、复杂性造成的。比如由于现场光线亮度的变化使得背景图像也随之发生变化，从而很难将这些变化与图像中由于前景目标的引入导致的变化加以区分；运动的前景目标的阴影部分可能会造成背景中局部画面亮度变化，另外运动的目标之间，以及运动的目标与背景之间的重叠遮盖，都可能会改变检测出来的运动目标的形状和其它特征；当运 动的前景目标与背景中的景物在颜色和形状等外观特征方面相似时，将增大从背景中分辨出前景目标的难度；背景不完全静态等等。 

因此，有必要提供一种新的电视图像运动目标的自动跟踪方法来解决上述缺陷。 

发明内容

本发明的目的是提供一种跟踪匹配准确的基于电视图像运动目标的自动跟踪方法，且所述方法具有预测功能，使目标跟踪更具实时性及主动性。 

本发明提供一种基于电视图像运动目标的自动跟踪方法，包括以下步骤：步骤1：利用多子模板对图像进行匹配，当各子模板的最高峰基本一致时，则最高峰所对应的位置与初始时各子模板的位置匹配；步骤2：根据模板和当前图像的最佳匹配位置处的匹配度更新制定新模板；步骤3：利用Kalman滤波器预测运动目标的下一帧出现区域，在预测区域中进行匹配运算，找到最佳相关匹配点。 

较佳地，所述步骤2进一步包括：步骤21：在跟踪过程的第1帧，用模板进行匹配，获得一个最佳匹配位置，且多个子模板均匹配在正确位置，分别计算各子模板的最佳相关值，此时，各子模板紧紧相邻；步骤22：根据各子模板位置的相邻情况更新模板，只对相邻的子模板进行处理，根据置信度对旧模板和新模板进行加权，获得更新后的模板，加权方法如下：M⁺=αM^-+(1-α)Mⁿ，其中，α为加权系数0≤α≤1，M⁺为更新后的模板，M^-为刷新前使用的旧模板，而Mⁿ为当前帧图像中匹配点处对应模板的子图像；步骤23：利用更新后的新模板进行下一帧图像的匹配，获得新的当前最佳匹配位置，然后重复步骤22，循环匹配修正模板。 

较佳地，所述Kalman滤波器具体为：设线性系统的状态方程和观测方程分别为：状态方程：x_k=Ax_k-1+ω_k-1，观测方程：z_k=H_kx_k+υ_k，其中，x_k是k时刻n×1维系统状态向量；z_k是k时刻m×1维观测向量；A是n×n维系统状态转移矩阵；H_k是m×n维系统观测矩阵；ω_k是k时刻n×1维随机干扰噪声向量；υ_k是k时刻m×1维系统观测噪声向量，ω_k，υ_k通常假设为互相独立的零均值高斯白噪声向量，令Q_k和R_k分别为它们协方差矩阵： 

Q_k=E{ω_kω_k^T}