[发明专利]一种非参数化模型的视觉跟踪方法

说明书

技术领域

本发明属于图像工程技术领域，具体涉及一种非参数化模型的视觉跟踪新方法。

背景技术

随着计算机技术的发展，视觉跟踪技术逐渐成为机器视觉领域中的研究热点。

在机器人视觉、增强现实等领域中，视觉跟踪技术主要是通过图像配准技术利用求解一定的参数化运动模型来实现的。首先计算需要配准的两帧图像中的特征点，并相互匹配出一定数量的精确匹配点对。然后在两帧图像间建立合适的变换模型(如平移变换、仿射变换、透视变换等)，解出变换参数。最后把目标在前一帧图像中的位置代入变换模型求出当前的目标位置，实现对目标的跟踪。该方法对特征点的依赖很大，当图像中特征点信息不明显时需要人工设立标志物来完成特征点的提取，这就减低了算法的适应性。另外该算法计算复杂耗时，实时性不好。有的学者利用光流场建立运动模型的方法检测与大背景运动趋势不同的小目标，虽然也取得了一定效果但算法复杂度却大大增加，不能满足视觉跟踪实时性的要求。

上述传统的视觉跟踪算法大都是更多利用背景的信息建立运动模型来实现目标的跟踪。由于背景往往面积大特征复杂，所以这种视觉跟踪算法十分复杂。实际上为了实现对特定目标的跟踪，我们完全可以首先指定待跟踪的目标，然后对该目标施行一定邻域内的连续跟踪。与算法无关的特征以及距离目标较远的非兴趣背景可以不去考虑。这样就大大提高了视觉跟踪的准确性和实时性。

在图像处理学中已经有很多成熟的分割方法可以把图像中有一定特征的部分提取出来，如提取细胞组织图像中的细胞核。

发明内容

本发明提出了一种非参数化模型的视觉跟踪方法。本发明以灰度图像为原始数据，主要包括自适应跟踪窗口的建立和自适应目标提取的实现。首先通过模式判断环节选择目标分割的模式即普通模式或增强模式。当目标与背景有一定差异时选择普通模式，直接通过图像分割法二值分割提取出目标；当目标与背景差异不明显时，选择增强模式，先通过图像变换算法放大目标与背景的差异，然后做图像二值分割提取出目标。自适应跟踪窗口的建立包括区域大小的确定和质心位置的确定。在目标提取阶段，将图像二值化分割后像素少的部分定义为前景区域，因此跟踪窗口的定义为二值图像中前景像素数量λ倍的正方形(λ＞2)。质心位置的确定则是通过迭代运算出的一个稳定位置值。

一种非参数化模型的视觉跟踪方法，包括如下步骤：

步骤1：通过模式判断环节选择跟踪模式，当目标与背景有一定差异时，选择普通模式A，当目标与背景差异不明显时，选择增强模式B，具体过程为：