[发明专利]一种利用关键点特征匹配的图像跟踪方法

权利要求书

1.一种利用关键点特征匹配的图像跟踪方法，其特征在于，包括：

步骤A，接收用户在首帧图像中输入的初始目标区域，将首帧图像作为当前帧图像，将初始目标区域作为目标区域；

步骤B，在当前帧图像G(0)的目标区域内随机选取N个像素点作为关键点，N个关键点组成原始关键点集I₁；

步骤C，对于当前帧图像G(0)目标区域内N个关键点中的每一个关键点，提取其纹理特征和颜色特征，并依照该纹理特征和颜色特征建立关于该关键点的高维联合向量；

步骤D，对当前帧图像G(0)进行多尺度处理，得到关于其的j个尺度图像G(1)，G(2)，...，G(j)，求取N个关键点在该j个尺度图像G(1)，G(2)，...，G(j)对应点的高维联合向量；

步骤E，对后续帧图像G′(0)进行多尺度处理，得到关于其的j个尺度图像G′(1)，G′(2)，...，G′(j)；

步骤F，搜索当前帧图像N个关键点在后续帧图像G′(0)中对应匹配点，搜索的依据为该关键点的高维联合向量与匹配点的高维联合向量之间的欧氏距离之和ρ由小到大的顺序，对于每一关键点，匹配点包括一最近邻匹配点及若干个近邻匹配点，N个关键点分别的最近邻匹配点构成目标点集I₂；

步骤G，对于N个关键点中的每一个关键点，验证其与匹配点的匹配结果的有效性，只要有一个匹配结果有效，则在关键点集I₁中保留该关键点，在目标点集I₂中保留匹配点；否则，将该关键点从关键点集i₁删除，将匹配点从目标点集I₂中删除；

步骤H，判断关键点集I₁中剩下的有效点数在N是否高于特定比例，如果是，执行I；否则将后续帧的下一帧作为后续帧，执行步骤E；以及

步骤I，根据目标点集I₂的剩余点的空间分布在后续帧图像中确定新目标区域，将后续帧作为当前帧，重新执行步骤B。

2.根据权利要求1所述的图像跟踪方法，其特征在于，所述步骤C中，建立关于当前点的高维联合向量的步骤具体包括：

子步骤C1，以当前关键点为中心，取一个t×t像素的邻域；

子步骤C2，对于邻域内的每一个像素，生成k维的S_min向量，其中k为外延方向的个数；以及

子步骤C3，将t×t个像素分别对应的k维的S_min向量顺序排列，组成总维数为t×t×k的高维联合向量，由该高维联合向量共同描述当前关键点的特征。

3.根据权利要求2所述的图像跟踪方法，其特征在于，所述子步骤C2中，对于当前像素生成k维的S_min向量的步骤具体包括：

子分步骤C2a，以当前像素为中心，每隔角度向外延伸出一个方向，顺时针依次编号1至k，沿每个方向自中心点向外等间距取M个采样点，定义符号代表着选定常数k的、第n个方向上的第m个采样点的灰度；

子分步骤C2b，采用距离加权求和的方式带权累加每一个方向上所有采样点以及该像素的灰度值，在每一方向上得到一纹理信息其中，距离该像素越近的采样点其所占的权重越大，n=1，2，……，k；

子分步骤C2c，由当前像素的k个纹理信息得到对应当前像素的k维向量S，具体方法如下：将当前像素的k个纹理信息由小到大进行排序，对应的序号记为S_n，按照的排列顺序用S_n对其进行编码，构成一个k维向量S：S=(S₁，S₂，…，S_k)；

子分步骤C2d，将k维向量S按位循环右移k次，得到k个k维向量；

子步骤C2e，计算k个k维向量分别对应的S_sum值，当前k维向量的S_sum值按照下式计算：其中，S_n为当前k维向量的第n个元素；

子步骤C2f，，将最小的S_sum值所对应的特征向量S_min作为描述当前像素的向量；以及

子步骤C2g，将灰度值0～255量化至p个区间，分别对应从大到小的p个数值，将当前像素灰度值所在区间对应的数值乘以S_min中的每一个元素，得到k维的S_min向量。