專利名稱：一種基于dsp的目標(biāo)檢測(cè)與跟蹤方法以及數(shù)字圖像處理系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及DSP(數(shù)字信號(hào)處理)技術(shù)，特別涉及數(shù)字圖像目標(biāo)檢測(cè)與跟蹤。
背景技術(shù)：
在數(shù)字視頻處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的各種應(yīng)用中，目標(biāo)檢測(cè)和跟蹤是一個(gè)重要 的，也是最基本的任務(wù)。 一些較流行的應(yīng)用領(lǐng)域，自治車輛導(dǎo)航、機(jī)器人控制、基于運(yùn)動(dòng)的識(shí) 別、視頻壓縮、基于視覺(jué)的控制、人機(jī)接口、醫(yī)學(xué)成像、增強(qiáng)現(xiàn)實(shí)、視頻場(chǎng)景監(jiān)控都需用到圖 像目標(biāo)檢測(cè)與跟蹤技術(shù)。盡管在計(jì)算機(jī)視覺(jué)領(lǐng)域，目標(biāo)的檢測(cè)和跟蹤技術(shù)已經(jīng)研究了十多 年，但仍然是一個(gè)活躍的研究領(lǐng)域。目前還沒(méi)有一個(gè)通用的、精確的、高性能的和實(shí)時(shí)的目 標(biāo)檢測(cè)和跟蹤算法。 Mean shift算法最早提出時(shí)，是指一個(gè)迭代步驟，計(jì)算當(dāng)前點(diǎn)的偏移均值，再移動(dòng) 該點(diǎn)到其偏移均值，然后以此為新的起點(diǎn)繼續(xù)移動(dòng)，直到滿足設(shè)定條件后結(jié)束。Comaniciu 首先將mean shift算法應(yīng)用到目標(biāo)跟蹤領(lǐng)域中來(lái)，利用Bhattacharrya系數(shù)(巴氏系數(shù)) 作為初始幀中目標(biāo)窗口與預(yù)測(cè)幀中目標(biāo)窗口之間的相似性量度標(biāo)準(zhǔn)，用mean shift算法來(lái) 搜索預(yù)測(cè)幀中最優(yōu)目標(biāo)窗口，取得了較好的跟蹤效果(Real-Time tracking of non-rigid objectsusing mean shift, Proc. Of the IEEE Conf. on Computer Vision and Pattern Recognition, 2000 :142-149 ;Kernel_based object tracking. IEEE Trans. On pattern analysis andmachine intelligence. 200325 (5) :564-577)。針對(duì)Mean shift算法的不 足，后續(xù)又做了不少改進(jìn)。 由于人體固有的一些特性，應(yīng)用場(chǎng)景的復(fù)雜性，人與人或人與環(huán)境之間的相互影 響，使得人體的檢測(cè)和跟蹤是計(jì)算機(jī)視覺(jué)研究領(lǐng)域中最難的一項(xiàng)挑戰(zhàn)?！痘贛ean Shift 算法的嵌入式實(shí)時(shí)彩色目標(biāo)跟蹤》(參見(jiàn)孫中森，張懷柱，宋建中.基于Mean Shift算法的 嵌入式實(shí)時(shí)彩色目標(biāo)跟蹤[J].電子器件，2007，30(5) :1611-1617)采用嵌入式目標(biāo)跟蹤平 臺(tái)，選用RGB空間彩色特征Mean Shift跟蹤算法實(shí)時(shí)應(yīng)用，實(shí)現(xiàn)彩色目標(biāo)的跟蹤。該方案中 采用目標(biāo)位置附近橢圓形圖像區(qū)域的加權(quán)彩色直方圖來(lái)表示目標(biāo)，這無(wú)疑增加了算法的復(fù) 雜度，并且由于DSP視頻采集模塊輸出信息是YUV圖像，需先對(duì)圖像轉(zhuǎn)換為RGB顏色空間。 YUV至RGB格式的轉(zhuǎn)換也增加了該方案實(shí)現(xiàn)的復(fù)雜度。并且在實(shí)現(xiàn)過(guò)程中還需要對(duì)該算法 的相關(guān)參數(shù)進(jìn)行經(jīng)驗(yàn)設(shè)置?？梢?jiàn)，該方案對(duì)于彩色目標(biāo)的檢測(cè)和跟蹤在算法復(fù)雜性和實(shí)時(shí) 性方面還可以有所改進(jìn)。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是，提供一種快速、易于實(shí)現(xiàn)的基于DSP的目標(biāo)檢測(cè) 與跟蹤方法，以及實(shí)現(xiàn)方法的數(shù)字圖像處理系統(tǒng)。 本發(fā)明為解決上述技術(shù)問(wèn)題所采用的技術(shù)方案是，一種基于DSP的目標(biāo)檢測(cè)與跟 蹤方法，包括以下步驟
4
a、讀取視頻圖像序列； b、針對(duì)圖像的Y分量進(jìn)行圖像邊緣提取從而確定目標(biāo)窗口 ； c、通過(guò)目標(biāo)窗口的Y分量、U分量、V分量提取目標(biāo)窗口的特征值 d、計(jì)算初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率，
通過(guò)初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率匹配，得到最
優(yōu)的預(yù)測(cè)幀中目標(biāo)窗口的像素坐標(biāo)。 YUV空間實(shí)現(xiàn)亮度與色度的分離，且是一種離散的空間，具有很好的聚類特性，DSP 視頻采集模塊輸出的圖像信息無(wú)需格式轉(zhuǎn)換既能直接進(jìn)行目標(biāo)檢測(cè)處理；且采用YUV空間 進(jìn)行Mean shift的目標(biāo)跟蹤和采用單分量進(jìn)行直方圖統(tǒng)計(jì)相比較，跟蹤結(jié)果更加精確，降 低了運(yùn)算復(fù)雜度。 進(jìn)一步的，由于連續(xù)兩幀之間提取的時(shí)間差很短，同一目標(biāo)物體移動(dòng)距離有限，所 以對(duì)于連續(xù)兩幀之間檢測(cè)到的目標(biāo)窗口的中心點(diǎn)的距離在某個(gè)允許范圍內(nèi)，才對(duì)這兩個(gè)目 標(biāo)窗口進(jìn)行Mean Shift計(jì)算。即，在步驟b之后，步驟c之前，還進(jìn)行目標(biāo)跟蹤的初始判斷； 判斷連續(xù)兩幀中的目標(biāo)窗口的中心像素的距離在設(shè)定閾值內(nèi)，如是，進(jìn)入步驟c ;否則，表 示這兩幀中的目標(biāo)窗口并非為同一 目標(biāo)物體，不對(duì)這兩個(gè)目標(biāo)窗口進(jìn)行Mean Shift計(jì)算。
具體的步驟c中，特征值提取通過(guò)以下方式實(shí)現(xiàn)
Wy ——… l —… M,
:M, +廠:
(J —y . ) "r (" —" . ) (7 —r .)
\ maxmm / \max mm / \ maxmm / 其中，u表示目標(biāo)窗口的特征值，Y、 U、 V分別對(duì)應(yīng)目標(biāo)窗口的Y分量、U分量、V分 量，NY、 Nu、 Nv分別對(duì)應(yīng)Y分量、U分量、V分量的量化級(jí)數(shù)，Ymax與Ymin、 Umax與Umin、 Vmax與Vmin 分別對(duì)應(yīng)Y分量、U分量、V分量的最大值與最小值。這樣計(jì)算特征值相當(dāng)于把YUV分量的 信息投射到三維空間，NY、 Nu、 Nv的大小將直接影響Y、 U、 V分量對(duì)特征值的貢獻(xiàn)力度。
具體的，步驟b中包括以下步驟 bl、分別提取背景圖像和當(dāng)前圖像的Y分量圖像邊緣信息； b2、將背景圖像和當(dāng)前圖像的Y分量圖像邊緣信息做差，得到前景邊緣區(qū)域； b3、對(duì)前景邊緣區(qū)域進(jìn)行降噪處理； b4、根據(jù)前景邊緣區(qū)域在當(dāng)前圖像中標(biāo)記目標(biāo)窗口 。 具體的，步驟d中，初始幀中目標(biāo)窗口的特征值的概率為 4 = C Z A
廣x0 —2 、
V7 其中，^表示初始幀中目標(biāo)窗口的特征值的概率；x。為初始幀中目標(biāo)窗口的中心 像素坐標(biāo)；Xi為初始幀中目標(biāo)窗口的第i個(gè)像素的坐標(biāo)，i = 1，…，nh;k(| |g| |2)為一個(gè) 凸的單調(diào)下降的核函數(shù)，考慮距離的影響，給目標(biāo)窗口中的像素點(diǎn)Xi分配權(quán)值；h表示核函 數(shù)的帶寬；S (g)為Kronecker delta函數(shù)(克羅內(nèi)克函數(shù))；b(g)為像素點(diǎn)Xi到像素特 征值u的映射，即像素點(diǎn)Xi對(duì)應(yīng)的直方圖中的顏色索引值；C為歸一化常數(shù)。
步驟d中，預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率為 》力)=Cj A
卩少_義；、
V乂
5
其中，A(力表示預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率；y為預(yù)測(cè)幀中目標(biāo)窗口的中 心像素坐標(biāo)；Xi為初始幀中目標(biāo)窗口的第i個(gè)像素的坐標(biāo)，i = 1，， nh;k(| |g| |2)為一 個(gè)凸的單調(diào)下降的核函數(shù)，考慮距離的影響，給目標(biāo)窗口中的像素點(diǎn)Xi分配權(quán)值；h表示核 函數(shù)的帶寬；S (g)為Kronecker delta函數(shù)；b (g)為像素點(diǎn)Xi到像素特征值u的映射，即 像素點(diǎn)Xi對(duì)應(yīng)的直方圖中的顏色索引值；Ch為歸一化常數(shù)。 步驟中，使得初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的 概率匹配為 其中，》Cy)為Bhattacharrya系數(shù)；么表示初始幀中目標(biāo)窗口的特征值的概率；
A(力表示預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率；即A與A(力的相似性用》(力來(lái)度量分別，u =1，…，m，m表示特征值總個(gè)數(shù)。每幀用N次迭代，》(力取最大的迭代結(jié)果，當(dāng)》(力大于匹 配閾值表示匹配成功，此時(shí)得到最優(yōu)的預(yù)測(cè)幀中目標(biāo)窗口的中心像素坐標(biāo)y以實(shí)現(xiàn)目標(biāo)跟
蹤o 本發(fā)明還提供一種數(shù)字圖像處理系統(tǒng)，包括視頻圖像采集模塊、目標(biāo)檢測(cè)模塊、目 標(biāo)跟蹤模塊，其特征在于， 視頻圖像采集模塊用于對(duì)獲取的視頻圖像進(jìn)行模數(shù)轉(zhuǎn)換，將YUV格式的視頻輸出 至目標(biāo)檢測(cè)模塊； 目標(biāo)檢測(cè)模塊用于針對(duì)圖像的Y分量進(jìn)行圖像邊緣提取從而確定目標(biāo)窗口 ；
目標(biāo)跟蹤模塊用于通過(guò)目標(biāo)窗口的Y分量、U分量、V分量提取目標(biāo)窗口的特征值， 并計(jì)算初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率，通過(guò)初始 幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率匹配，得到最優(yōu)預(yù)測(cè)幀 中目標(biāo)窗口的像素坐標(biāo)。 具體的，目標(biāo)檢測(cè)模塊分別提取背景圖像和當(dāng)前圖像的Y分量圖像邊緣信息，并 將背景圖像和當(dāng)前圖像的Y分量圖像邊緣信息做差，得到前景邊緣區(qū)域后對(duì)前景邊緣區(qū)域 進(jìn)行降噪處理，根據(jù)前景邊緣區(qū)域在當(dāng)前圖像中標(biāo)記目標(biāo)窗口。 進(jìn)一步的，目標(biāo)跟蹤模塊還用于在進(jìn)行提取目標(biāo)窗口的特征值之前進(jìn)行初始判 斷，判斷連續(xù)兩幀中的目標(biāo)窗口的中心像素的距離是否在設(shè)定閾值內(nèi)，如是目標(biāo)跟蹤模塊 繼續(xù)對(duì)該目標(biāo)窗口進(jìn)行處理，否則，放棄處理對(duì)該目標(biāo)窗口 。
具體的，目標(biāo)跟蹤模塊具體采用如下方式提取目標(biāo)窗口的特征值<formula>formula see original document page 6</formula> 其中，u表示目標(biāo)窗口的特征值，Y、 U、 V分別對(duì)應(yīng)目標(biāo)窗口的Y分量、U分量、V分 量，NY、 Nu、 Nv分別對(duì)應(yīng)Y分量、U分量、V分量的量化級(jí)數(shù)，Ymax與Ymin、 Umax與Umin、 Vmax與Vmin 分別對(duì)應(yīng)Y分量、U分量、V分量的最大值與最小值。
進(jìn)一步的，還包括滯留時(shí)間統(tǒng)計(jì)模塊； 滯留時(shí)間統(tǒng)計(jì)模塊用于統(tǒng)計(jì)跟蹤的目標(biāo)窗口在場(chǎng)景中的滯留時(shí)間，當(dāng)滯留時(shí)間超 過(guò)閾值，則將發(fā)送出報(bào)警信息。 本發(fā)明的有益效果是，既提高檢測(cè)與跟蹤目標(biāo)的準(zhǔn)確性，又降低運(yùn)行復(fù)雜度，使得 》(力三》[AX_y),《 ]= X V》"(力《檢測(cè)與跟蹤目標(biāo)過(guò)程中運(yùn)行速度更快，更能滿足對(duì)實(shí)時(shí)性要求。


圖1為系統(tǒng)示意圖；
圖2為目標(biāo)檢測(cè)流程圖；
圖3為目標(biāo)跟蹤流程圖。
具體實(shí)施例方式
數(shù)字圖像處理系統(tǒng)如圖1所示，包括視頻圖像采集模塊、目標(biāo)檢測(cè)模塊、目標(biāo)跟蹤 模塊、滯留時(shí)間統(tǒng)計(jì)模塊、接警中心。 視頻圖像采集模塊用于對(duì)獲取的視頻圖像進(jìn)行模數(shù)轉(zhuǎn)換，將YUV格式的視頻輸出 至目標(biāo)檢測(cè)模塊； 目標(biāo)檢測(cè)模塊用于針對(duì)圖像的Y分量進(jìn)行圖像邊緣提取從而確定目標(biāo)窗口 ；
目標(biāo)跟蹤模塊用于通過(guò)目標(biāo)窗口的Y分量、U分量、V分量提取目標(biāo)窗口的特征值， 并計(jì)算初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率，通過(guò)使得 初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率匹配，得到最優(yōu)預(yù) 測(cè)幀中目標(biāo)窗口的像素坐標(biāo)； 滯留時(shí)間統(tǒng)計(jì)模塊用于統(tǒng)計(jì)跟蹤的目標(biāo)窗口在場(chǎng)景中的滯留時(shí)間，當(dāng)滯留時(shí)間超 過(guò)閾值，則報(bào)警，并將報(bào)警圖片上傳接警中心。
目標(biāo)檢測(cè)流程如圖2所示，主要針對(duì)圖像的Y分量進(jìn)行檢測(cè)，具體步驟如下
Sl :分別提取背景圖像的Y分量圖像邊緣信息(Eb)和當(dāng)前圖像的Y分量圖像邊緣 信息(Ec); S2:將背景圖像和當(dāng)前圖像的邊緣圖像做差，作為前景邊緣區(qū)域(deltaE = Ec-Eb); S3 :對(duì)前景邊緣區(qū)域進(jìn)行形態(tài)學(xué)開(kāi)_閉運(yùn)算降噪處理；
S4 :檢測(cè)出目標(biāo)，則在當(dāng)前彩色圖像中標(biāo)記目標(biāo)窗口。 目標(biāo)跟蹤流程如圖3所示，在進(jìn)行Mean Shift算法之前，進(jìn)行對(duì)目標(biāo)跟蹤的初始 判斷。判斷依據(jù)在于，連續(xù)兩幀(第N幀、第N+1幀)之間提取的時(shí)間差很短，目標(biāo)移動(dòng)距 離有限，所以對(duì)于連續(xù)兩幀圖像之間檢測(cè)到的目標(biāo)，若兩幀目標(biāo)窗口的中心點(diǎn)的距離在某 個(gè)允許范圍內(nèi)，才對(duì)這兩個(gè)目標(biāo)窗口進(jìn)行Mean Shift計(jì)算，否則表示這兩幀中的目標(biāo)非同 一物體。 基于Mean Shift算法的目標(biāo)跟蹤，主要針對(duì)圖像的Y、 U、 V三分量進(jìn)行目標(biāo)跟蹤， 具體步驟如下 Sl :對(duì)檢測(cè)的目標(biāo)窗口進(jìn)行特征值提取，用目標(biāo)的YUV三分量來(lái)描述這個(gè)目標(biāo)特 征 <formula>formula see original document page 7</formula>
其中，u表示目標(biāo)窗口的特征值，Y、 U、 V分別對(duì)應(yīng)目標(biāo)窗口的Y分量、U分量、V分 量，NY、 Nu、 Nv分別對(duì)應(yīng)Y分量、U分量、V分量的量化級(jí)數(shù)，Ymax與Ymin、 Umax與Umin、 Vmax與Vmin分別對(duì)應(yīng)Y分量、U分量、V分量的最大值與最小值； S2 :建立初始幀的目標(biāo)模型，初始幀中目標(biāo)窗口的特征值的概率為 4U = C Z A
廣<formula>formula see original document page 8</formula>
其中，^表示初始幀中目標(biāo)窗口的特征值的概率；x。為初始幀中目標(biāo)窗口的中心 像素坐標(biāo)；Xi為初始幀中目標(biāo)窗口的第i個(gè)像素的坐標(biāo)，i = 1，， nh;k(| |g| |2)為一個(gè) 凸的單調(diào)下降的核函數(shù)，考慮距離的影響，給目標(biāo)窗口中的像素點(diǎn)Xi分配權(quán)值；h表示核函 數(shù)的帶寬；S (g)為Kronecker delta函數(shù)(克羅內(nèi)克函數(shù))；b(g)為像素點(diǎn)Xi到像素特 征值u的映射，即像素點(diǎn)Xi對(duì)應(yīng)的直方圖中的顏色索引值；C為歸一化常數(shù)。
S3:建立第N幀的目標(biāo)模型，預(yù)測(cè)幀N中目標(biāo)窗口的特征值的概率為
<formula>formula see original document page 8</formula>
其中，A(力表示預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率；y為預(yù)測(cè)幀中目標(biāo)窗口的中 心像素坐標(biāo)；Xi為初始幀中目標(biāo)窗口的第i個(gè)像素的坐標(biāo)，i = 1，， nh;k(| |g| |2)為一 個(gè)凸的單調(diào)下降的核函數(shù)，考慮距離的影響，給目標(biāo)窗口中的像素點(diǎn)Xi分配權(quán)值；h表示核 函數(shù)的帶寬；S (g)為Kronecker delta函數(shù)；b (g)為像素點(diǎn)Xi到像素特征值u的映射，即 像素點(diǎn)Xi對(duì)應(yīng)的直方圖中的顏色索引值；Ch為歸一化常數(shù)。 S4:將初始幀和第N幀的目標(biāo)模型進(jìn)行匹配，即初始幀中目標(biāo)窗口的特征值的概 率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率進(jìn)行匹配，將以完成目標(biāo)跟蹤
<formula>formula see original document page 8</formula> 其中，》(力為Bhattacharrya系數(shù)；^表示初始幀中目標(biāo)窗口的特征值的概率； A(力表示預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率；即A與A(力的相似性用》(力來(lái)度量分另lj。每 幀用N次迭代(優(yōu)選的，N取值為8)，》(力取最大的迭代結(jié)果，當(dāng)》(力大于匹配閾值Th(優(yōu)選 的，Th取值為0. 8)表示匹配成功，此時(shí)得到最優(yōu)的預(yù)測(cè)幀中目標(biāo)窗口的中心像素坐標(biāo)y以 實(shí)現(xiàn)目標(biāo)跟蹤。 本發(fā)明基于邊緣背景模型檢測(cè)目標(biāo)，并用改進(jìn)的Mean Shift算法相結(jié)合進(jìn)行目標(biāo)
檢測(cè)跟蹤，由于DSP視頻采集模塊輸出信息是YUV圖像，所以在算法運(yùn)行時(shí)不需要進(jìn)行色
彩空間轉(zhuǎn)換，節(jié)約了算法運(yùn)行時(shí)間，并且本發(fā)明進(jìn)行了跟蹤目標(biāo)的初判斷，跟蹤方法結(jié)合了
YUV三分量進(jìn)行特征提取，較常用的單分量特征提取跟蹤的精確度更高。 雖然本發(fā)明是結(jié)合一個(gè)具體實(shí)施方式
表述，但本領(lǐng)域技術(shù)人員可以對(duì)其中的某些
特征加以適當(dāng)改變或?qū)⑵鋺?yīng)用到其它領(lǐng)域以解決上述問(wèn)題，因此本領(lǐng)域技術(shù)人員在本實(shí)施
例的基礎(chǔ)上進(jìn)行的所有相關(guān)擴(kuò)展和應(yīng)用都應(yīng)落入本申請(qǐng)的保護(hù)領(lǐng)域。
權(quán)利要求
一種基于DSP的目標(biāo)檢測(cè)與跟蹤方法，其特征在于，包括以下步驟a、讀取視頻圖像序列；b、針對(duì)圖像的Y分量進(jìn)行圖像邊緣提取從而確定目標(biāo)窗口；c、通過(guò)目標(biāo)窗口的Y分量、U分量、V分量提取目標(biāo)窗口的特征值；d、計(jì)算初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率，通過(guò)初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率匹配，得到最優(yōu)的預(yù)測(cè)幀中目標(biāo)窗口的像素坐標(biāo)。
2. 如權(quán)利要求1所述一種基于DSP的目標(biāo)檢測(cè)與跟蹤方法，其特征在于，在步驟b之后，步驟C之前，還進(jìn)行目標(biāo)跟蹤的初始判斷當(dāng)連續(xù)兩幀中的目標(biāo)窗口的中心像素的距離在設(shè)定閾值內(nèi)，進(jìn)入步驟c。
3. 如權(quán)利要求1所述一種基于DSP的目標(biāo)檢測(cè)與跟蹤方法，其特征在于，步驟c中，特征值提取通過(guò)以下方式實(shí)現(xiàn)<formula>formula see original document page 2</formula>其中，u表示目標(biāo)窗口的特征值，Y、 U、 V分別對(duì)應(yīng)目標(biāo)窗口的Y分量、U分量、V分 NY、 Nu、 Nv分別對(duì)應(yīng)Y分量、U分量、V分量的量化級(jí)數(shù)，Ymax與Ymin、 Umax與Umin、 Vmax與Vmi, 別對(duì)應(yīng)Y分量、U分量、V分量的最大值與最小值。
4. 如權(quán)利要求1所述一種基于DSP的目標(biāo)檢測(cè)與跟蹤方法，其特征在于，步驟b具體包 括以下步驟bl、分別提取背景圖像和當(dāng)前圖像的Y分量圖像邊緣信息； b2、將背景圖像和當(dāng)前圖像的Y分量圖像邊緣信息做差，得到前景邊緣區(qū)域； b3、對(duì)前景邊緣區(qū)域進(jìn)行降噪處理； b4、根據(jù)前景邊緣區(qū)域在當(dāng)前圖像中標(biāo)記目標(biāo)窗口 。
5. 如權(quán)利要求1所述一種基于DSP的目標(biāo)檢測(cè)與跟蹤方法，其特征在于，步驟d中，初 始幀中目標(biāo)窗口的特征值的概率為<formula>formula see original document page 2</formula>其中，A表示初始幀中目標(biāo)窗口的特征值的概率；x。為初始幀中目標(biāo)窗口的中心像素 坐標(biāo)；Xi為初始幀中目標(biāo)窗口的第i個(gè)像素的坐標(biāo)，i = 1，…，nh;k(| |g| |2)為核函數(shù)；h 表示核函數(shù)的帶寬；S (g)為Kronecker delta函數(shù)；b(g)為像素點(diǎn)Xi到像素特征值u的 映射；C為歸一化常數(shù)；預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率為<formula>formula see original document page 2</formula>其中，A(力表示預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率；y為預(yù)測(cè)幀中目標(biāo)窗口的中心像 素坐標(biāo)；Xi為初始幀中目標(biāo)窗口的第i個(gè)像素的坐標(biāo)，i = 1，…，rih;k(1 |g| |2)為核函數(shù)； h表示核函數(shù)的帶寬；S (g)為Kronecker delta函數(shù)；b (g)為像素點(diǎn)Xi到像素特征值u的 映射；Ch為歸一化常數(shù)；使得初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率匹配為<formula>formula see original document page 3</formula>其中，》(力為Bhattacharrya系數(shù)；^表示初始幀中目標(biāo)窗口的特征值的概率；A(力表 示預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率；11 = 1，…，m，m表示特征值總個(gè)數(shù)；當(dāng)》(力大于匹配閾值表示匹配成功。
6. —種數(shù)字圖像處理系統(tǒng)，包括視頻圖像采集模塊、目標(biāo)檢測(cè)模塊、目標(biāo)跟蹤模塊，所 述視頻圖像采集模塊用于對(duì)獲取的視頻圖像進(jìn)行模數(shù)轉(zhuǎn)換，將YUV格式的視頻輸出至目標(biāo) 檢測(cè)模塊；其特征在于，所述目標(biāo)檢測(cè)模塊用于針對(duì)圖像的Y分量進(jìn)行圖像邊緣提取從而確定目標(biāo)窗口 ； 所述目標(biāo)跟蹤模塊用于通過(guò)目標(biāo)窗口的Y分量、U分量、V分量提取目標(biāo)窗口的特征值， 并計(jì)算初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率，通過(guò)初始 幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率匹配，得到最優(yōu)預(yù)測(cè)幀 中目標(biāo)窗口的像素坐標(biāo)。
7. 如權(quán)利要求6所述一種數(shù)字圖像處理系統(tǒng)，其特征在于，所述目標(biāo)跟蹤模塊還用于 在進(jìn)行提取目標(biāo)窗口的特征值之前進(jìn)行初始判斷，判斷連續(xù)兩幀中的目標(biāo)窗口的中心像素 的距離是否在設(shè)定閾值內(nèi)，如是目標(biāo)跟蹤模塊繼續(xù)對(duì)該目標(biāo)窗口進(jìn)行處理，否則，放棄處理 對(duì)該目標(biāo)窗口。
8. 如權(quán)利要求6所述一種數(shù)字圖像處理系統(tǒng)，其特征在于，所述目標(biāo)跟蹤模塊具體采 用如下方式提取目標(biāo)窗口的特征值<formula>formula see original document page 3</formula>其中，u表示目標(biāo)窗口的特征值，Y、 U、 V分別對(duì)應(yīng)目標(biāo)窗口的Y分量、U分量、V分量， NY、 Nu、 Nv分別對(duì)應(yīng)Y分量、U分量、V分量的量化級(jí)數(shù)，Ymax與Ymin、 Umax與Umin、 Vmax與Vmin分 別對(duì)應(yīng)Y分量、U分量、V分量的最大值與最小值。
9. 如權(quán)利要求6所述一種數(shù)字圖像處理系統(tǒng)，其特征在于，所述目標(biāo)檢測(cè)模塊分別提 取背景圖像和當(dāng)前圖像的Y分量圖像邊緣信息，并將背景圖像和當(dāng)前圖像的Y分量圖像邊 緣信息做差，得到前景邊緣區(qū)域后對(duì)前景邊緣區(qū)域進(jìn)行降噪處理，根據(jù)前景邊緣區(qū)域在當(dāng) 前圖像中標(biāo)記目標(biāo)窗口。
10. 如權(quán)利要求6所述一種數(shù)字圖像處理系統(tǒng)，其特征在于，還包括滯留時(shí)間統(tǒng)計(jì)模塊；所述滯留時(shí)間統(tǒng)計(jì)模塊用于統(tǒng)計(jì)跟蹤的目標(biāo)窗口在場(chǎng)景中的滯留時(shí)間，當(dāng)滯留時(shí)間超 過(guò)閾值，則將發(fā)送出報(bào)警信息。
全文摘要
本發(fā)明涉及數(shù)字圖像目標(biāo)檢測(cè)與跟蹤，提供一種快速、易于實(shí)現(xiàn)的基于DSP的目標(biāo)檢測(cè)與跟蹤方法，以及實(shí)現(xiàn)方法的數(shù)字圖像處理系統(tǒng)，針對(duì)圖像的Y分量進(jìn)行圖像邊緣提取從而確定目標(biāo)窗口；通過(guò)目標(biāo)窗口的Y分量、U分量、V分量提取目標(biāo)窗口的特征值計(jì)算初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率，通過(guò)初始幀中目標(biāo)窗口的特征值的概率與預(yù)測(cè)幀中目標(biāo)窗口的特征值的概率匹配，得到最優(yōu)的預(yù)測(cè)幀中目標(biāo)窗口的像素坐標(biāo)。YUV空間具有很好的聚類特性，DSP視頻采集模塊輸出的圖像信息無(wú)需格式轉(zhuǎn)換；且采用YUV空間進(jìn)行Mean shift的目標(biāo)跟蹤，使得結(jié)果更加精確，降低了運(yùn)算復(fù)雜度。
文檔編號(hào)G06T7/20GK101789128SQ20101012100
公開(kāi)日2010年7月28日 申請(qǐng)日期2010年3月9日 優(yōu)先權(quán)日2010年3月9日
發(fā)明者楊云, 白云, 胡入幻, 路璐, 鄒建華 申請(qǐng)人:成都三泰電子實(shí)業(yè)股份有限公司