專利名稱：一種基于特征點(diǎn)檢測的模板匹配跟蹤方法
一種基于特征點(diǎn)檢測的模板匹配跟蹤方法技術(shù)領(lǐng)域
本發(fā)明屬于圖像處理與機(jī)器視覺領(lǐng)域，涉及一種基于特征點(diǎn)檢測的模板匹配跟蹤 方法，特別涉及一種通過匹配檢測出的特征點(diǎn)進(jìn)行目標(biāo)定位與識別的方法。
背景技術(shù)：
目標(biāo)的檢測、識別、定位與跟蹤一直是機(jī)器視覺和圖像處理領(lǐng)域的重要研究內(nèi)容。 在工業(yè)檢測、安防系統(tǒng)、軍事領(lǐng)域等方面有著重要的應(yīng)用價值。通常用于目標(biāo)跟蹤的方法有 相關(guān)匹配方法、特征點(diǎn)檢測與匹配等方法。
相關(guān)匹配方法是將模板圖像與目標(biāo)圖像中的檢測區(qū)域進(jìn)行相關(guān)性計算，根據(jù)相關(guān) 性度量準(zhǔn)則確定最佳匹配位置。該類方法具有計算量小，運(yùn)算速度快的優(yōu)點(diǎn)，同時也存在一 定的缺點(diǎn)，例如對目標(biāo)的旋轉(zhuǎn)變化和縮放變化識別結(jié)果的適應(yīng)性不強(qiáng)，相關(guān)匹配算法存在 累積誤差，另外目標(biāo)的細(xì)節(jié)信息利用不夠充分，容易造成誤匹配。
特征點(diǎn)檢測方法利用圖像的灰度和梯度等細(xì)節(jié)信息提取出特征點(diǎn)，根據(jù)特征點(diǎn)的 相對位置信息實現(xiàn)模板圖像和目標(biāo)圖像中相應(yīng)特征點(diǎn)的匹配。由于該方法充分利用了圖像 的細(xì)節(jié)信息，而且相對位置信息具有旋轉(zhuǎn)不變性，因此該方法對目標(biāo)的識別結(jié)果具有良好 的魯棒性。但當(dāng)目標(biāo)圖像中目標(biāo)姿態(tài)或背景圖像發(fā)生一定變化時，目標(biāo)圖像中與模板圖像 相對應(yīng)的特征點(diǎn)可能丟失，從而造成匹配和識別的失敗。
因此，結(jié)合上述兩類方法的特點(diǎn)，設(shè)計一種同時具有二者優(yōu)點(diǎn)的目標(biāo)檢測與識別 跟蹤方法具有重要的應(yīng)用價值。發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是，設(shè)計一種基于特征點(diǎn)檢測的模板匹配跟蹤方法， 實現(xiàn)對灰度圖像目標(biāo)的檢測識別與跟蹤定位。
本發(fā)明所采用的技術(shù)方案是一種基于特征點(diǎn)檢測的模板匹配跟蹤方法，包括以 下步驟
(1)計算模板圖像的特征點(diǎn)。
(2)計算目標(biāo)圖像的特征點(diǎn)。
(3)以模板圖像中的各特征點(diǎn)為中心，建立多個模板，分別與目標(biāo)圖像中的特征點(diǎn) 為中心的相應(yīng)圖像區(qū)域進(jìn)行相關(guān)匹配計算，確定匹配點(diǎn)。
(4)根據(jù)已匹配特征點(diǎn)的相對位置信息，確定被遮擋或漏檢的特征點(diǎn)位置，從而實 現(xiàn)對目標(biāo)的定位。
本發(fā)明的目的在于提出一種基于特征點(diǎn)檢測的模板匹配跟蹤方法，利用特征點(diǎn)檢 測方法分別在模板圖像和目標(biāo)圖像中檢測特征點(diǎn)，根據(jù)特征點(diǎn)的灰度信息進(jìn)行模板匹配， 并根據(jù)匹配特征點(diǎn)的相對位置信息確定目標(biāo)的位置，完成對灰度圖像目標(biāo)的有效檢測識別 與定位跟蹤。


圖1為遮擋特征點(diǎn)的確定。
圖2為目標(biāo)識別結(jié)果。
具體實施方式
下面結(jié)合實施例和附圖對本發(fā)明作進(jìn)一步詳細(xì)說明。
本發(fā)明分別在模板圖像和目標(biāo)圖像中檢測特征點(diǎn)，根據(jù)模板圖像和目標(biāo)圖像中灰 度的梯度信息確定特征點(diǎn)。主要選取一些邊緣上的顯著點(diǎn)作為特征點(diǎn)。利用邊緣檢測算法 求取圖像中各點(diǎn)的邊緣強(qiáng)度信息。設(shè)圖像中點(diǎn)(x，y)處的圖像灰度值為P(x，y)，利用邊緣 檢測算法求得的邊緣強(qiáng)度信息為S(x，y)。如果該點(diǎn)的邊緣強(qiáng)度信息S(x，y)是其鄰域內(nèi)的 最大值，且大于給定閾值R1，則將該點(diǎn)確定為特征點(diǎn)。這可有效避免將多個相鄰點(diǎn)選為同一 個特征對應(yīng)的特征點(diǎn)。這樣就可在模板圖像和目標(biāo)圖像中分別檢測到M個和N個特征點(diǎn)。
為減小計算量，分別對模板圖像和目標(biāo)圖像中的特征點(diǎn)位置的圖像區(qū)域進(jìn)行相關(guān) 匹配計算，從而實現(xiàn)特征點(diǎn)的匹配。
相關(guān)匹配的準(zhǔn)則有很多，為了減小計算量，同時為了使匹配結(jié)果對旋轉(zhuǎn)具有不變 性，可將各特征點(diǎn)的領(lǐng)域窗口內(nèi)的像素按照環(huán)形排列，以模板圖像和目標(biāo)圖像中特征點(diǎn)鄰 域內(nèi)的各環(huán)灰度差的絕對值作為指標(biāo)。設(shè)模板圖像中以第i個特征點(diǎn)Ai為中心的第k個 環(huán)形鄰域內(nèi)的像素灰度值之和為<，目標(biāo)圖像中第j個特征點(diǎn)B」為中心的第k個環(huán)形鄰域 內(nèi)的像素灰度值之和為V,鄰域內(nèi)像素環(huán)的數(shù)量為c，則特征點(diǎn)Ai與Bj的匹配值D為
權(quán)利要求
1.一種基于特征點(diǎn)檢測的模板匹配跟蹤方法，其特征在于根據(jù)圖像的灰度和梯度信息 分別在模板圖像和目標(biāo)圖像中提取特征點(diǎn)，對模板圖像和目標(biāo)圖像中的特征點(diǎn)進(jìn)行相關(guān)匹 配，實現(xiàn)目標(biāo)的識別與跟蹤。
2.根據(jù)權(quán)利要求1所述的一種基于特征點(diǎn)檢測的模板匹配跟蹤方法，其特征在于，選 取邊緣中的顯著點(diǎn)作為特征點(diǎn)，即選取邊緣強(qiáng)度信息具有局部極大值的邊緣點(diǎn)作為特征 點(diǎn)ο
3.根據(jù)權(quán)利要求1所述的一種基于特征點(diǎn)檢測的模板匹配跟蹤方法，其特征在于，為 減少計算量，將模板圖像中各特征點(diǎn)的鄰域窗口作為特征匹配模板，根據(jù)相關(guān)匹配準(zhǔn)則在 目標(biāo)圖像中尋找相應(yīng)的匹配特征點(diǎn)。
4.根據(jù)權(quán)利要求1所述的一種基于特征點(diǎn)檢測的模板匹配跟蹤方法，其特征在于，為 保持匹配準(zhǔn)則具有旋轉(zhuǎn)不變性，特征點(diǎn)鄰域窗口的像素按環(huán)形排列和匹配計算。
5.根據(jù)權(quán)利要求1所述的一種基于特征點(diǎn)檢測的模板匹配跟蹤方法，其特征在于，根 據(jù)獲得匹配的特征點(diǎn)的相對位置信息，可確定丟失特征點(diǎn)的位置。
6.根據(jù)權(quán)利要求1所述的一種基于特征點(diǎn)檢測的模板匹配跟蹤方法，其特征在于，當(dāng) 目標(biāo)圖像中的目標(biāo)發(fā)生較大姿態(tài)變化時，更新模板圖像，即將目標(biāo)圖像中檢測的目標(biāo)作為 新的模板。
全文摘要
本發(fā)明屬于圖像處理與機(jī)器視覺領(lǐng)域，具體為一種基于特征點(diǎn)檢測的模板匹配跟蹤方法。根據(jù)像素的灰度和梯度信息分別在目標(biāo)圖像和模板圖像中提取特征點(diǎn)。為減小相關(guān)匹配計算量，僅對模板圖像和目標(biāo)圖像中的特征點(diǎn)的鄰域像素進(jìn)行相關(guān)匹配計算，實現(xiàn)兩幅圖像的特征點(diǎn)匹配。根據(jù)已匹配特征點(diǎn)的相對位置信息可確定目標(biāo)的中心位置，從而實現(xiàn)目標(biāo)的識別與跟蹤。當(dāng)目標(biāo)圖像中的目標(biāo)發(fā)生姿態(tài)變化時，更新模板圖像，減小誤差累積。本發(fā)明可用于目標(biāo)檢測與目標(biāo)跟蹤系統(tǒng)中。
文檔編號G06K9/64GK102034114SQ201010573730
公開日2011年4月27日 申請日期2010年12月3日 優(yōu)先權(quán)日2010年12月3日
發(fā)明者修春波 申請人:天津工業(yè)大學(xué)