[发明专利]一种以纸张为目标的视觉跟踪算法

说明书

本发明公开了一种以纸张为目标的视觉跟踪算法，在第一帧图像中进行正负样本的分类，计算所有正样本和负样本的特征值，并确定一个目标区域，在第二帧后的每帧图像在上一帧的目标区域周围用采样块进行取样，结合上一帧的正、负样本的特征值计算所有采样块的得分，取得分最高的采样块，对每一个采样块利用LSD直线检测算法，找到存在夹角[70°,110°]的且两条直线交点在该采样块内部，进一步选择两直线交点最靠近中心的一个采样块作为目标块，这样考虑到了纸张在移动过程中与摄像头存在拍摄角度的问题，使得最终得到的跟踪目标更加准确。

技术领域

本发明涉及计算机视觉跟踪技术领域，具体涉及一种以纸张为目标的视觉跟踪算法。

背景技术

基于视觉的目标跟踪在视频监控、人机交互等领域的应用逐渐普及，这方面的研究也是计算机视觉领域的研究热点。目前这种视觉目标跟踪的绝大部分应用场景都具有非常丰富的纹理细节，如人脸、行人和车辆等，这些纹理细节为目标跟踪提供了足够多的特征信息，构成了目标跟踪的特征计算空间，尽管由于光照或姿态等导致特征跳变会影响跟踪的鲁棒性。但对于一些特别简单的场景，如办公桌面上纸张或卡片等目标，因为纹理信息极其匮乏，如何跟踪同样是一个值得深入研究的课题。

现有跟踪算法严重依赖于检测出的特征点，对于本专利来说，特征点数量严重不足，导致跟踪的鲁棒性不够。本算法通过强化纸张顶角的跟踪来获得整个纸张的跟踪，鲁棒性得到大大提高，而且在部分被遮挡的情况下仍然可以实现鲁棒跟踪。

发明内容

为了解决现有技术的不足，本发明提供一种，通过以下技术方案予以实现：

一种以纸张为目标的视觉跟踪算法，选取一张无纹理信息的矩形纸，记录纸张的大小，将这张纸放在无纹理信息的桌面上，将该纸张在桌面上进行随意移动和旋转,实时并连续获取纸张在桌面上进行随意移动和旋转过程的视频图像。

步骤1：获取视频图像的第一帧，选取该纸张的一个角，将标记窗口的中心与该角的顶点重合，且将该标记窗口的各边与纸张的各边平行，得到一个标记区域，记录该标记区域中心点的位置信息并将该矩形区域作为目标区域；选取该标记窗口对该角所在的区域进行任意标记得到多个样本图像，根据正样本和负样本的确定方法得到m个正样本和n个负样本；

所述的正样本和负样本的确定方法为：计算样本图像的中心点与目标区域的中心点的距离，将距离小于h的样本图像标记为正样本，将距离大于h且小于v的样本图像标记为负样本图像，所述的h取[4,8]，v取[20,25]；

步骤2：利用特征值的计算方法分别计算第一帧图像中的正样本和负样本的特征值；

所述的特征值计算方法为：

对于任意一个正样本或负样本，将该样本所在的当前帧图像转化成灰度图，对该灰度图进行梯度计算，得到该灰度图像的梯度模，构建该梯度模的积分图；

分别利用t个特征模板对该样本进行采样，得到t个采样区域，利用积分图计算出每个采样区域梯度模的像素和为利用公式(1)分别计算每个正样本和负样本的特征值，其中，t的取值范围为50-200；

其中，公式(1)中f表示特征值，k＝0.06，I_x为该帧图像在x轴方向上的变化率，I_y该帧图像在y轴方向上的变化率；

步骤3：计算视频图像第一帧中所有正样本的特征值在第i维度的期望和标准差计算所有负样本的特征值在第i维度的期望和标准差其中i取值为1‐50；

步骤4：获取视频图像的第二帧作为当前帧，根据采样块生成规则在当前帧图像上生成m个采样块，将每一个采样块作为一个正样本，利用特征值计算方法计算每一个采样块的特征值，其中m取[500,1000]；利用得分计算方法计算每一个采样块的得分，得到得分最高的十个采样块；