[发明专利]一种以纸张为目标的视觉跟踪算法

摘要

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。

主权项

1.一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，其特征在于，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标记区域作为目标区域；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；所述的采样块生成规则为：对于当前帧图像，在上一帧确定的目标区域周围随机生成多个采样块，所述的采样块大小标记窗口大小相同，所述的采样块与上一帧确定的目标区域在该帧图像的像素空间上存在重叠；所述的得分计算方法为：利用公式(4)计算每一个采样块的值H(v)即为得分；其中n表示特征值的维度数，n＝50；其中p(v_i|y＝1)为该采样块为正样本的第i维度的条件概率，通过公式(2)计算；其中，f_i为该采样块在第i维度下的特征值，和为上一帧视频图中的所有正样本特征值在第i维度的期望和标准差；p(v_i|y＝0)为该样本为负样本的第i维度的条件概率，通过公式(3)计算；其中f_i为该采样块在第i维度下的特征值，和为上一帧视频图像中的所有负样本特征值在第i维度的期望和标准差；步骤5：对于步骤5获得的得分最高的十个采样块采用目标块确定方法找到需要的一个采样块作为目标块；将步骤4中得到每一个采样块当作一个样本图像，将得到的目标块当作一个目标区域，跟踪根据正样本和负样本的确定方法区分当前帧图像中的正样本和负样本，根据期望和标准差更新方法更新当前帧所有正样本和负样本的期望和标准差，得到更新后的正样本和负样本在第i维度的期望和标准差，其中i取值为1‑50之间任意整数；所述的目标块的确定方法为：对于得分最高的十个采样块中的每一个，分别利用LSD直线检测，得到每个采样块内部存在的直线，找到内部存在两条直线夹角在[70°,110°]且该两条直线交点在该采样块内部的采样块作为备选目标块，选择两直线交点最靠近中心的一个备选目标块作为目标块；所述的期望和标准差更新方法为：根据特征值计算方法得到正样本和负样本的特征值，分别计算正样本和负样本的特征值在第i维度的期望和标准差；根据公式(5)计算更新后的当前帧的正样本的特征值在第i维的期望和标准差，其中i取值为1‑50；式(5)中表示上一帧正样本的特征值在第i维的期望，是当前帧正样本的特征值在第i维的期望，是更新后的当前帧正样本的特征值在第i维的期望；是上一帧正样本的特征值在第i维的标准差，是当前帧正样本的特征值在第i维的标准差，是更新后当前帧正样本的特征值在第i维的标准差，其中0<λ<1；根据公式(6)更新当前帧的负样本的特征值在第i维的期望和标准差；式(6)中表示上一帧负样本的特征值在第i维的期望，为当前帧负样本的特征值在第i维的期望，是更新后的当前帧负样本的特征值在第i维的期望，表示上一帧负样本的特征值在第i维的标准差，是当前帧负样本的特征值在第i维的标准差，是更新后的当前帧负样本的特征值在第i维的标准差；步骤6：对于纸张的其余三个角，重复步骤1‑5，找到纸张每个角对应的目标块，根据纸张四个顶角对应的目标块的中心在在当前帧图像中的位置，得到纸张的四个顶角位置，确定纸张在该帧图像中的位置；步骤7：获取视频图像的接下来的每一帧作为当前帧，重复步骤4、5，得到该帧图像中的四个目标块，获取目标块的中心在当前帧图像中的位置作为纸张的四个顶角位置，根据四个顶角位置确定纸张在该帧图像中的位置；其中重复步骤4时，生成采样块时，将上一帧确定的目标块当作采样块生产方法中的目标区域；其中在重复步骤4时，公式(2)中的和为上一帧视频图中更新后的所有正样本特征值在第i维度的期望和标准差，公式(3)中的和为上一帧视频图像中更新后的所有负样本的特征值在第i维度的期望和标准差。