[发明专利]一种利用关键点特征匹配的图像跟踪方法

说明书

技术领域

本发明涉及图像识别技术领域，尤其涉及一种利用关键点特征匹配的图像跟踪方法。

背景技术

图像跟踪主要是通过图像处理技术在图像中搜索运动目标的位置，通过对目标的检测定位而实现跟踪的技术，在实际中有着非常广泛的应用前景，包括安全监控、军事应用、医疗诊断、智能导航、人机交互等。

典型的视频跟踪技术主要有基于轮廓的算法、基于特征的算法、基于区域统计的算法和基于模型匹配的算法。前应用最为广泛的是利用加权颜色直方图作为搜索特征的Mean-shift算法，这是一种基于区域统计的算法，具有计算简便、实时性强的优点。但是颜色直方图对光照变化、噪声都很敏感，并且当背景中存在颜色比较相似的物体时，容易出现跟踪错误而导致算法失效。

对此，部分学者提出用Kalman滤波、粒子滤波等与Mean-shift进行融合，通过预测目标位置来提高鲁棒性。但是额外的滤波步骤增加了大量的采样和计算，同时面临着样本退化的缺陷，而且这些方法使用单一的颜色信息，并不能很好地解决相似颜色的干扰问题。

相比颜色特征，纹理特征不依赖于物体的色彩和亮度，对光照变化和噪声的鲁棒性更强。如将其应用到视频跟踪中，则需要比使用颜色信息多一个步骤：生成合适的纹理描述子。以往的Gabor小波模型、灰度共生矩阵等纹理模型都因太过复杂而无法满足图像跟踪的实时性要求。局部二值模式(Local Binary Patterns，简称LBP)具有旋转不变性、尺度不变性等优点，很容易融入直方图框架，在现今的图像跟踪领域经常与颜色信息相结合。

然而，现有技术图像跟踪方法中，LBP描述子的缺点在于经常会产生过长的统计直方图，增加计算复杂度。如果对其降维，虽能减少LBP模式的种类，相应地减少直方图区间数，但这种处理方式会牺牲LBP算子的精确度。此外，LBP模式对平滑区域的表征也欠佳。

发明内容

(一)要解决的技术问题

鉴于上述技术问题，本发明提供了一种利用关键点特征匹配的图像跟踪方法，以提供一种跟踪精度更高，鲁棒性更强的图像跟踪方法。

(二)技术方案

本发明利用关键点特征匹配的图像跟踪方法包括：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。

(三)有益效果

从上述技术方案可以看出，本发明一种利用关键点特征匹配的图像跟踪方法具有以下有益效果：

(1)定义了比传统的颜色或纹理特征包含了更多信息量的局部特征，对物体的表达更为准确全面，在目标微小、相似物体干扰等情况下跟踪结果更为稳定，对噪声、光照变化等的鲁棒性更强；

(2)在搜索目标区域的步骤中，采用点匹配的方式进行定位，避免了同类特征的直方图运算，能更好地适应目标的尺度变化；