專利名稱：一種圖像運動目標特征點快速搜索方法
技術領域：
本發(fā)明屬于視頻檢測領域，具體涉及一種圖像運動目標特征點快速搜索方法。
背景技術：
運動物體跟蹤是計算機視覺和模式識別領域研究的一個熱點，在安全監(jiān)控、運動檢測等領域有較大的前景。運動物體跟蹤包含運動目標的檢測和跟蹤兩個部分。物體的跟蹤就是利用運動物體的特征，選擇適當?shù)钠ヅ渑c搜索算法，尋找與目標相似的位置，實現(xiàn)對運動物體的跟蹤。目前最常用的搜索方法就是全搜索法。全搜索法，即對搜索范圍內(nèi)的所有位置依次進行計算，選擇與模板最相似的小塊作為匹配塊，該方法計算復雜度高，但是精確度最高。為了降低計算復雜度，搜索范圍的選取變得十分重要。搜索區(qū)域范圍的選擇要覆蓋目標可能運動到的最大位移范圍，否則可能會將非匹配塊的小塊誤選為匹配塊，造成跟蹤誤差，但搜索區(qū)域范圍也不能太大，這樣匹配計算量會相當大。因此，如何合理地選擇搜索范圍至關重要?，F(xiàn)在常用的搜索方法有三步搜索法、菱形搜索法和全搜索法。三步搜索法是按某個步長，計算在確定中心點周圍8個位置(即搜索位置)處小塊與模版相似性，得到相似性最好的位置，之后以該位置為中心，將步長減半，重新遍歷8個搜索位置，并以此類推。步長為I時的位置就是最終匹配位置。菱形搜索法與三步搜索法類似，只是將8個搜索位置按菱形分布。全搜索法的搜索范圍是以中心點為中心的M*N大小的矩形范圍。其中，三步搜索法和菱形搜索法，不能遍歷搜索區(qū)域中所有位置，誤差較大，而全搜索法的搜索范圍大，計算量大。

發(fā)明內(nèi)容
針對現(xiàn)有技術的不足和缺陷，本發(fā)明的目的在于，提供一種圖像運動目標特征點快速搜索方法，該方法可以合理地選取搜索范圍，有效的降低計算復雜度。為了實現(xiàn)上述任務，本發(fā)明采用如下技術方案予以實現(xiàn):—種圖像運動目標特征點快速搜索方法，該方法按照以下步驟進行:步驟一，將視頻圖像的每一幀分割成多個塊區(qū)域，然后采用幀差法對視頻圖像進行運動目標檢測，分別按圖像塊計算第一幀圖像和第二幀圖像以及第三幀圖像和第二幀圖像中以像素點為中心的圖像塊的灰度差值的絕對值和，當兩次幀差所得的絕對值同時大于閾值A，則該塊為目標塊，并將該目標塊內(nèi)部所有像素的灰度值賦值為255，當兩次幀差所得的絕對值有一個小于或等于設定的閾值A，則該塊為背景塊，并將該背景塊內(nèi)部所有像素的灰度值賦值為0，其中:所述的閾值A的取值范圍為(20 30) X塊的面積；步驟二，對經(jīng)過幀差法檢測后的二值化圖像進行邊緣檢測，尋找最佳角點，即當縱向、橫向、左傾斜45度方向和右傾斜45度方向四個方向檢測數(shù)據(jù)的最小值大于閾值B時，保留角點位置，所述的角點即為運動目標特征點，其中:所述的閾值B的取值范圍為48X (20 30);步驟三，創(chuàng)建以角點為中心的5X5矩形大小的基本匹配模板作為車輛的特征信息，同時創(chuàng)建一個目標數(shù)據(jù)記錄結構體數(shù)組，記錄這些車輛目標的具體位置以及匹配跟蹤計數(shù)器信息，匹配跟蹤計數(shù)器第一次初始化為零；步驟四，若匹配跟蹤計數(shù)器未超過閾值C，則在下一幀圖像進行模板匹配，使用全搜索，在以角點為中心的矩形搜索框中尋找到匹配點，保存匹配點信息，所述的匹配點即為新的運動目標特征點，其中:所述的閾值C的取值范圍為4 6 ;步驟五，若匹配跟蹤計數(shù)器超過閾值C，則在下一幀圖像中根據(jù)已有匹配點信息預測新的匹配點位置，然后根據(jù)已有匹配點和預測匹配點信息，獲取車輛行駛軌跡線，設定三角形搜索范圍，即以前一幀匹配點位置為頂點，在下一幀圖像中沿著匹配點到預測點的方向，劃定三角形搜索范圍，接下來在新的搜索范圍內(nèi)進行模版匹配，尋找到匹配點，保存匹配點信息；步驟六，重復步驟一至步驟四的處理方法對從第四幀圖像起的所有連續(xù)的圖像進行處理，以前一幀記錄的角點位置為 依據(jù)，與當前幀中的記錄的目標的匹配點位置做比較，當兩者位置絕對值差大于一定的閾值D，表示當前幀中該匹配點所在的目標快為新的車輛目標，再按照步驟三、步驟四、步驟五進行處理，其中:所述的閾值D的取值為55。本發(fā)明的圖像運動目標特征點快速搜索方法，與現(xiàn)有技術相比，可對視頻范圍內(nèi)所有車輛目標進行快速搜索匹配跟蹤，能夠快速、準確的得到跟蹤軌跡及有效信息，并且降低了計算復雜度和時間復雜度。


圖1為第339幀圖像。圖2為第339幀圖像與第340幀圖像的幀差結果。圖3為第339幀圖像與第338幀圖像的幀差結果。圖4為兩次幀差結果的二值化圖像。圖5為已標出角點的第339幀圖像。圖6為三角形搜索范圍示意圖。圖7為已畫出跟蹤線的第355幀圖像。以下結合附圖和實施例對本發(fā)明的內(nèi)容作進一步詳細說明。
具體實施例方式本實施例給出一種圖像運動目標特征點快速搜索方法，以塊為單位進行處理，通過已有匹配點和預測匹配點信息，獲取車輛行駛軌跡線，需要說明的是，本發(fā)明的方法過程中所處理的圖像是視頻中的沿正時間序列的第一幀圖像、第二幀圖像、第三幀圖像、…、第m(m為正整數(shù))幀圖像。設每一幀視頻圖像的大小為W*H，每個塊的面積大小為w*h，其中W為每一幀視頻視頻圖像水平方向的像素，H為每一幀視頻圖像垂直方向的像素，w為每個塊區(qū)域的寬度，h為每個塊區(qū)域的高度。本實施例的方法具體采用以下步驟實現(xiàn):步驟一，將每幅圖像從上到下，從左到右分成大小為w*h的圖像塊，圖像塊大小為6*8，然后采用幀差法對視頻圖像進行運動目標檢測，分別按圖像塊計算第一幀圖像和第二幀圖像以及第三幀圖像和第二幀圖像中以像素點為中心的圖像塊的灰度差值的絕對值和，當兩次幀差所得的絕對值同時大于設定的閾值A，則該塊為目標塊，并將該目標塊內(nèi)部所有像素的灰度值賦值為255，當兩次幀差所得的絕對值有一個小于或等于設定的閾值A，則該塊為背景塊，并將該背景塊內(nèi)部所有像素的灰度值賦值為0，其中:所述的閾值A的取值范圍為(20 30) X (w*h)；步驟二，對經(jīng)過幀差法檢 測后的二值化圖像進行邊緣檢測，尋找最佳角點，即當縱向、橫向、左傾斜45度方向和右傾斜45度方向四個方向檢測數(shù)據(jù)的最小值大于閾值B時，保留角點位置，所述的角點即為運動目標特征點，其中:所述的閾值B的取值范圍為48X (20 30);步驟三，創(chuàng)建以角點為中心的5X5矩形大小的基本匹配模板作為車輛的特征信息，同時創(chuàng)建一個目標數(shù)據(jù)記錄結構體數(shù)組，記錄這些車輛目標的具體位置以及匹配跟蹤計數(shù)器信息，匹配跟蹤計數(shù)器第一次初始化為零；步驟四，若匹配跟蹤計數(shù)器未超過閾值C，則在下一幀圖像進行模板匹配，使用全搜索，在以角點為中心的矩形搜索框中尋找到匹配點，保存匹配點信息，所述的匹配點即為新的運動目標特征點，其中:所述的閾值C的取值范圍為4 6 ;步驟五，若匹配跟蹤計數(shù)器超過閾值C，則在下一幀圖像中根據(jù)已有匹配點信息預測新的匹配點位置，然后根據(jù)已有匹配點和預測匹配點信息，獲取車輛行駛軌跡線，設定三角形搜索范圍，即以前一幀匹配點位置為頂點，在下一幀圖像中沿著匹配點到預測點的方向，劃定三角形搜索范圍，接下來在新的搜索范圍內(nèi)進行模版匹配，尋找到匹配點，保存匹配點信息；步驟六，重復步驟一至步驟四的處理方法對從第四幀圖像起的所有連續(xù)的圖像進行處理，以前一幀記錄的角點位置為依據(jù)，與當前幀中的記錄的目標的匹配點位置做比較，當兩者位置絕對值差大于一定的閾值D，表示當前幀中該匹配點所在的目標快為新的車輛目標，再按照步驟三、步驟四、步驟五進行處理，其中:所述的閾值D的取值為55。以下給出本發(fā)明的具體實施例，需要說明的是本發(fā)明并不局限于以下具體實施例，凡在本申請技術方案基礎上做的等同變換均落入本發(fā)明的保護范圍。實施例:如圖1至圖7所示，是西安市某路段的實時路況視頻圖像，該視頻的采樣頻率是25幀每秒，視頻圖像大小為720 X 288，每塊的大小為8X6，則每幀視頻圖像分成90 X 48個塊，選取的閾值A為48 X 20 ;選取的閾值B為48 X 20 ;
選取的閾值C為4;選取的閾值D為55;遵從上述方法依次對第339幀至第355幀圖像進行處理。視頻正播時，車輛目標第一次被標記在第339幀圖像中，如圖1所示，采用幀差法對視頻圖像進行運動目標檢測，第339幀圖像與第338幀圖像的幀差結果如圖3所示，第339幀圖像與第340幀圖像的幀差結果如圖2所示，第339幀圖像兩次幀差后的二值化圖像如圖4所示，二值化圖像中有一個目標，顯然是車輛目標，對此目標做邊緣檢測，尋找最佳角點，當四個方向檢測數(shù)據(jù)的最小值滿足條件時，得到角點，得到第339幀圖像中車輛目標的最佳角點，如圖5所示。當匹配跟蹤計數(shù)器超過規(guī)定閾值4時，根據(jù)已有的1、2、3、4個匹配點求得預測點5的位置，以前一幀匹配點位置(即點4)為頂點，在下一幀圖像中沿著匹配點到預測點的矢量方向，即點4到點5的矢量方向，劃定三角形搜索范圍，三角形為直角三角形，高為點4與點5的縱向距離差的絕對值的2倍，并使點5到以點4為頂點的兩邊的橫向距離相同，具體表示如圖6所示。 按照上述方法對車輛目標進行多次匹配跟蹤，得到了較好的跟蹤軌跡，如圖7所示。此實例表明，本發(fā)明的方法不僅減少了計算量，縮小了搜索范圍，還能夠?qū)崿F(xiàn)車輛目標的跟蹤，得到較好的軌跡。
權利要求
1.一種圖像運動目標特征點快速搜索方法，其特征在于，該方法按照以下步驟進行:步驟一，將視頻圖像的每一幀分割成多個塊區(qū)域，然后采用幀差法對視頻圖像進行運動目標檢測，分別按圖像塊計算第一幀圖像和第二幀圖像以及第三幀圖像和第二幀圖像中以像素點為中心的圖像塊的灰度差值的絕對值和， 當兩次幀差所得的絕對值同時大于閾值A，則該塊為目標塊，并將該目標塊內(nèi)部所有像素的灰度值賦值為255， 當兩次幀差所得的絕對值有一個小于或等于設定的閾值A，則該塊為背景塊，并將該背景塊內(nèi)部所有像素的灰度值賦值為O，其中: 所述的閾值A的取值范圍為(20 30) X塊的面積； 步驟二，對經(jīng)過幀差法檢測后的二值化圖像進行邊緣檢測，尋找最佳角點，即當縱向、橫向、左傾斜45度方向和右傾斜45度方向四個方向檢測數(shù)據(jù)的最小值大于閾值B時,保留角點位置，所述的角點即為運動目標特征點，其中: 所述的閾值B的取值范圍為48X (20 30); 步驟三，創(chuàng)建以角點為中心的5X5矩形大小的基本匹配模板作為車輛的特征信息，同時創(chuàng)建一個目標數(shù)據(jù)記錄結構 體數(shù)組，記錄這些車輛目標的具體位置以及匹配跟蹤計數(shù)器信息，匹配跟蹤計數(shù)器第一次初始化為零； 步驟四，若匹配跟蹤計數(shù)器未超過閾值C，則在下一幀圖像進行模板匹配，使用全搜索，在以角點為中心的矩形搜索框中尋找到匹配點，保存匹配點信息，所述的匹配點即為新的運動目標特征點，其中: 所述的閾值C的取值范圍為4 6 ; 步驟五，若匹配跟蹤計數(shù)器超過閾值C，則在下一幀圖像中根據(jù)已有匹配點信息預測新的匹配點位置，然后根據(jù)已有匹配點和預測匹配點信息，獲取車輛行駛軌跡線，設定三角形搜索范圍，即以前一幀匹配點位置為頂點，在下一幀圖像中沿著匹配點到預測點的方向，劃定三角形搜索范圍，接下來在新的搜索范圍內(nèi)進行模版匹配，尋找到匹配點，保存匹配點信息； 步驟六，重復步驟一至步驟四的處理方法對從第四幀圖像起的所有連續(xù)的圖像進行處理，以前一幀記錄的角點位置為依據(jù)，與當前幀中的記錄的目標的匹配點位置做比較，當兩者位置絕對值差大于一定的閾值D，表示當前幀中該匹配點所在的目標快為新的車輛目標，再按照步驟三、步驟四、步驟五進行處理，其中: 所述的閾值D的取值為55。
全文摘要
本發(fā)明一種圖像運動目標特征點快速搜索方法，包括圖像塊分割，計算第一幀圖像和第二幀圖像以及第三幀圖像和第二幀圖像中以像素點為中心的圖像塊的灰度差值的絕對值和，標記目標塊，進行邊緣檢測，尋找最佳角點，創(chuàng)建以角點為中心的基本匹配模板，尋找到匹配點，保存匹配點信息，重復步驟，預測新的匹配點，獲取車輛行駛軌跡線，以前一幀記錄的角點位置為依據(jù)，與當前幀中的記錄的目標的匹配點位置做比較，確定是否為新的車輛目標。本發(fā)明的圖像運動目標特征點快速搜索方法，與現(xiàn)有技術相比，可對視頻范圍內(nèi)所有車輛目標進行快速搜索匹配跟蹤，能夠快速、準確的得到跟蹤軌跡及有效信息，并且降低了計算復雜度和時間復雜度。
文檔編號G06T7/20GK103226834SQ20131009900
公開日2013年7月31日 申請日期2013年3月26日 優(yōu)先權日2013年3月26日
發(fā)明者宋煥生, 劉雪琴, 楊媛, 席陽, 李建成, 李東方, 張鵬, 宋鵬飛 申請人:長安大學, 中國公路工程咨詢集團有限公司