[发明专利]一种基于ORB特征点匹配的目标跟踪方法

说明书

技术领域

本发明涉及计算机视觉跟踪技术领域，具体涉及基于ORB特征点匹配的目标跟踪方法。

背景技术

目标跟踪是计算机视觉领域的重要研究课题，基于高性能计算机的飞速发展、物美价廉的摄影机的便利性及日益增长的自动化视频分析需求，人类对视觉目标跟踪算法的探究产生了极大兴趣。近年来，视觉跟踪在很多领域都有非常广泛的应用，包括运动手势识别、行人跟踪、智能监控、人机交互、智能交通检测以及车辆导航等。伴随着数字家庭产业的发展及数字家庭产业链的完善，视频跟踪在智能家居监控的应用逐步深入，在面向数字家庭的多业务应用集成支撑平台的基础上，为数字家庭用户提供家居和社区安防等具有特色的数字家庭互动服务。

尽管国内外学者已经研究发现多种目标跟踪方法，但是面临几个重要问题。第一，目标物体的外观变化。在实际的场景中，目标的外观受到诸如光照变化、姿势形态改变、镜头抖动、目标大小改变等因素的影响而不断变化。第二，复杂的背景干扰。在交通检测、车辆导航、行人跟踪等场景下，目标跟踪因受复杂的背景干扰而具有巨大的挑战性。实际的复杂环境中存在大量噪声，而且背景杂乱，目标物体的颜色也容易和背景的颜色相混淆。第三，遮挡问题。在实际的视频场景中，目标物体被部分遮挡甚至完全遮挡是最普通常见的情况，考察一种目标跟踪方法的鲁棒性，就必须要测试该方法对遮挡问题的处理能力。第四，实时性问题。前面三种问题都是在考察目标跟踪算法的鲁棒性，而目标跟踪能够满足实时处理的需求也是目标跟踪领域的难点问题。

在对此方法的研究和实践过程中，本发明的发明人发现：由于特征点描述子对处理噪声、检测误差和几何光学的形变都具有较好的鲁棒性，本发明提出一种基于ORB特征点匹配的目标跟踪方法，从而实现有效的目标跟踪。

发明内容

本发明提供一种基于ORB特征点匹配的目标跟踪方法，处理复杂的外观形态变化、背景混乱、光照变化和目标物体遮挡等场景的鲁棒性好，效率高。

本发明提供一种基于ORB特征点匹配的目标跟踪方法，包括以下步骤：

(1)对输入的原始图像帧首先提取ORB(oFAST and rBRIEF)特征点集；

(2)在描述子空间内与上一帧时刻的目标物体的ORB特征点集相匹配产生当前帧的特征集；

(3)根据上一帧目标所在的位置运用随机抽样一致和多重变换模型相结合的方法计算出跟踪目标的运动变换；

(4)最后通过不断加入新的特征点和裁剪离群值来更新产生最终当前帧时刻合适的目标特征集。

所述的ORB特征点描述子由一个二进制字符串表示，字符串的每一位由特征点附近随机选取两个大小为S×S的图像块组成一对相互比较大小产生，这里取n＝256位长度的二进制字符串。更具体地说，我们把一个大小为S×S的图像块P用二进制字符串定义，定义如公式(1)所示：

τ(p;x,y)=1,ifp(x)<p(y),0,otherwise.---(1)]]>

其中，p(x)和p(y)分别是P在像素点x和y的灰度值。通过选取一组特定的<x,y>点对作为集合，这样便产生了一个n位的字符串作为BRIEF描述子，定义如公式(2)：