[发明专利]一种基于光流的运动目标跟踪方法

权利要求书

1.一种基于光流的运动目标跟踪方法，其特征在于，包括以下步骤：

步骤1，先采集视频图像，进行跟踪前的准备工作，包括人为选定要跟踪的目标，定义模板和初始化变量；

步骤2，启动跟踪，计算目标与模板的相似度RateMat，根据RateMat的值判定是否需要更新模板，若需要则进行更新，然后进入步骤3，若不需要则直接进入步骤3；

步骤3，根据RateMat的值进行遮挡判定，当发生遮挡时，采用角点匹配跟踪方法进行跟踪，当未发生遮挡时，采用光流匹配跟踪方法进行跟踪；根据跟踪结果进行目标定位，得到目标位置和大小；

所述光流匹配跟踪方法按照以下步骤实施：

步骤3.1，利用上一帧灰度图像及其对应的目标角点集和目标角点数目、当前帧灰度图像，计算Lucas-Kanade光流，得到在当前帧图像中匹配到的角点集及其角点数目；

步骤3.2，对在当前帧图像中匹配到的角点集进行角点位置滤波，剔除匹配错误的角点，保留匹配正确的角点；

步骤3.3，对剩余的角点集求其最小外接矩形区域Obj_cornerBF，并对角点所在位置进行二值化操作，得到角点位置的二值图；

步骤3.4，对所得到的角点位置的二值图进行形态学处理，然后提取轮廓，根据轮廓个数NumOutline确定目标候选轮廓区域Obj_rh；

步骤3.5，判定目标候选轮廓区域Obj_rh是否异常，并在区域异常时对目标进行重新定位，排除异常区域，得到目标候选轮廓区域Obj_rh的更新值；

步骤3.6，经由步骤3.4～步骤3.5计算所得的目标候选轮廓区域Obj_rh即为当前帧中的目标区域Obj₁，目标中心位置为(x₁,y₁)，目标大小为W₁×H₁；Obj₁即为定位的目标，其区域为Obj＝Obj₁，其中心位置为(x,y)＝(x₁,y₁)，其大小为W×H＝W₁×H₁；

步骤4，更新数据并根据目标位置和大小判断目标是否出界，如果出界则结束跟踪，否则返回步骤2。

2.根据权利要求1所述的基于光流的运动目标跟踪方法，其特征在于，步骤2所述目标与模板的相似度RateMat，通过计算模板图像和当前帧目标图像中匹配成功的角点数目xnum与模板图像中角点数目的比值求得，0≤RateMat≤1，RateMat为0时表示目标与模板完全不同，RateMat越接近1表明目标与模板越相似；xnum的值是以模板灰度图像和当前帧目标灰度图像作为输入，通过对模板图像和当前帧目标图像中的角点进行角点特征匹配计算得到。

3.根据权利要求1所述的基于光流的运动目标跟踪方法，其特征在于，步骤2所述判定是否需要更新模板并在需要时更新的具体方法为：定义阈值T₂，当RateMat＞T₂时认为目标与模板达到了高相似程度，需要更新，则用当前目标的图像、角点集和角点数目来更新模板；否则认为目标与模板未达到高相似程度，不需要更新。

4.根据权利要求1所述的基于光流的运动目标跟踪方法，其特征在于，步骤3所述遮挡判定的具体方法为：定义遮挡阈值T，当RateMat＜T时认为发生了遮挡，否则认为不存在遮挡。

5.根据权利要求1所述的基于光流的运动目标跟踪方法，其特征在于，步骤3.2所述角点位置滤波按照以下步骤实施：

步骤3.2.1，第一次滤波：对在当前帧图像中所匹配到角点集的位置信息求其平均位置及其标准差，用各角点位置与平均位置的绝对差值表示各角点与平均值的相异程度，当相异程度与标准差的比值大于等于thr11时，认为角点位置偏离均值太多，角点匹配错误，剔除该角点；否则认为角点匹配正确，保留该角点；其中，thr11为阈值系数；

步骤3.2.2，第二次滤波：经过第一次滤波后，以阈值系数thr22为判断标准，对剩余的角点集再进行一次相同的滤波过程，再次剔除掉部分匹配错误的角点，保留匹配正确的角点。