一种实时目标跟踪方法

本发明涉及目标跟踪，具体为一种实时目标跟踪方法。

背景技术：

1、目标跟踪技术广泛应用于交通、自动驾驶、自主定位等领域的特种设备，由于应用在嵌入式系统的算法需要综合考虑嵌入式平台的算力及算法复杂度，所以能够应用在嵌入式平台上的实时目标跟踪系统较少。此外，随着相关技术的不断升级，人们对视频的清晰度要求也逐渐提高，高清晰度所带来的大量数据的处理问题也随之而来，不仅提高了实际应用下对硬件的性能要求，也进一步提高了对软件算法的限制。

2、由于fpga的特殊结构使其能够进行并行计算从而大幅提高计算速度，此外，相较于其他嵌入式平台，fpga不仅在速度上有明显优势，在通信、高速通信以及信号处理上均有明显优势，所以选择fpga作为实验平台用以应用本文所提实时目标跟踪方法。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种实时目标跟踪方法，解决了上述背景技术中所提出的问题。

3、(二)技术方案

4、本发明为了实现上述目的具体采用以下技术方案：

5、一种实时目标跟踪方法，包括以下步骤：

6、s1、图像预处理，构建能够进行后续处理的低数据图像模型；

7、s2、图像去噪，提高图像精度，降低噪声带来的影响；

8、s3、使用阈值自适应的三帧插算法对图像进行目标识别，提取出目标的具体坐标；

9、s4、结合提取出的图像坐标，使用改进后的camshift算法进行迭代处理，完成对目标的跟踪。

10、进一步地，所述s1中，图像预处理的步骤为：ov5640摄像头采集图像数据并传给fpga，通过fpga进行图像灰度化操作来降低图像数据，对灰度化图像使用二维小波变换，使图像数据量进一步降低，处理完成所输出结果用于后续图像处理；其中，二维小波变换采用coiflet小波，其判别式为：

11、

12、其中，ψ为小波函式；φ为调整函式；l为系统消失动量。

13、进一步地，所述s2中，使用bm3d算法对预处理输出图像进行去噪处理，其中，bm3d去噪算法的数学模型为：

14、

15、其中，为最终输出图像，wie为维纳滤波，为最终得到图像，为维纳滤波下的重复像素权重，xm为重复像素，xr和x分别表示两个图像块左上角的坐标；

16、通过使用bm3d去噪算法，在提高了预处理所输出图像的精度的同时也降低了噪声带来的干扰；为了降低bm3d算法所带来的延时，通过使用栅格扫描法降低参考块的数量，使得参考块数量缩减至w×h/nstep；再引入kaiser窗函数，通过给3d协同滤波结果的2d块中心像素赋予更高的权重，降低边界像素权重来减小边界效应的影响；

17、

18、其中，i0为0阶修正的贝塞尔函数，n为相对中心点的距离，m为窗函数总长度，β为外形调整参数。

19、进一步地，所述s3中，阈值自适应的三帧插算法是对传统帧间差分法的改进，在二帧差的基础上增加一次帧差操作，并将固定阈值改为自适应阈值，自适应阈值数学模型为：

20、

21、式中，m为图像长度，n为图像宽度，ga为灰度均值，gmax代表图像中灰度最大值，gmin代表图像中灰度最小值，tnew为最后得到的新的阈值；

22、将所得结果通过形态学处理，去除小边界、孤立点，填补空洞后进行输出。

23、进一步地，所述s4中的camshift算法，是将传统的mean shift算法进行自适应改进，能够将跟踪框进行自适应变化；在确定初始目标和区域后，计算出目标色度分量直方图，并利用该直方图对图像的反向投影图进行推算，然后利用mean shift算法在反向投影图中进行搜索，搜索结束后保存零次矩，最后由已知信息确定新的窗口大小，以此为参数，进行下一帧的跟踪，即再次计算色度分量直方图；针对实际应用场景，将其采用的rgb色彩空间转换成hsv色彩空间中的h分量，降低光照带来的影响，色彩空间转换的数学模型为：

24、

25、v＝max(r,g,b)

26、其中，s为直方图模板所统计选区；

27、camshift算法在对后续跟踪区域的自适应划分需要采用二阶矩进行计算，二阶矩的计算复杂度较高，为降低复杂度，通过使用概率估计框高的方式来替代原本的复杂计算，并通过使用初始模板的长宽比来调节所输出的跟踪目标的长宽；

28、

29、其中，li和wi为目标识别算法所提出的初始目标的长和宽，l和w为输出的目标长宽，a为自适应因子，通过手动调整达到不同的效果，令a＝1.25；通过此方法计算，系统即可自适应调节跟踪框大小。

30、(三)有益效果

31、与现有技术相比，本发明提供了实时目标跟踪方法，具备以下有益效果：

32、1.本发明，通过加入二维小波变换算法和多级栅格优化的bm3d去噪算法在保证精准度的前提降低图像处理时间，提高系统实时性。

33、2.本发明，通过加入阈值自适应的三帧差法并搭配形态学滤波，减小外界环境对识别结果造成的影响，进一步提升系统的精准度。

34、3.本发明，通过对camshift跟踪算法加以改进，通过更换其色彩空间降低光照引起的影响；通过概率估计框高的方式来替代原本的复杂计算，降低系统的延迟并通过使用初始模板的长宽比来调节所输出的跟踪目标的长宽。

技术特征：

1.一种实时目标跟踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种实时目标跟踪方法，其特征在于：所述s1中，图像预处理的步骤为：ov5640摄像头采集图像数据并传给fpga，通过fpga进行图像灰度化操作来降低图像数据，对灰度化图像使用二维小波变换，使图像数据量进一步降低，处理完成所输出结果用于后续图像处理；其中，二维小波变换采用coiflet小波，其判别式为：

3.根据权利要求1所述的一种实时目标跟踪方法，其特征在于：所述s2中，使用bm3d算法对预处理输出图像进行去噪处理，其中，bm3d去噪算法的数学模型为：

4.根据权利要求1所述的一种实时目标跟踪方法，其特征在于：所述s3中，阈值自适应的三帧插算法是对传统帧间差分法的改进，在二帧差的基础上增加一次帧差操作，并将固定阈值改为自适应阈值，自适应阈值数学模型为：

5.根据权利要求1所述的一种实时目标跟踪方法，其特征在于：所述s4中camshift算法，是将传统的mean shift算法进行自适应改进，能够将跟踪框进行自适应变化；在确定初始目标和区域后，计算出目标色度分量直方图，并利用该直方图对图像的反向投影图进行推算，然后利用mean shift算法在反向投影图中进行搜索，搜索结束后保存零次矩，最后由已知信息确定新的窗口大小，以此为参数，进行下一帧的跟踪，即再次计算色度分量直方图；针对实际应用场景，将其采用的rgb色彩空间转换成hsv色彩空间中的h分量，降低光照带来的影响，色彩空间转换的数学模型为：

技术总结本发明属于实时目标跟踪方法领域，尤其为一种实时目标跟踪方法，包括以下步骤：S1、图像预处理、用于构建便于后续处理的低数据图像模型；S2、对低数据图像模型进行图像去噪，使其达到目标识别的要求，提高识别精度；S3、对去噪后图像使用经过改进的阈值自适应三帧插算法，完成对目标的识别，加入形态学滤波，降低噪点带来的影响；S4、对目标识别所得结果使用Camshift算法进行迭代处理，使用概率估计框高的方式来替代原算法中复杂的计算，降低计算量。本发明，通过对去噪算法进行多级栅格优化，对帧间差分法添加帧差操作且采用自适应阈值，对Camshift算法进行计算优化，降低整体图像处理所需时间的同时进一步提升跟踪性能。技术研发人员：杨光,张杨,高偲麒,王艺东受保护的技术使用者：长春理工大学技术研发日：技术公布日：2024/11/18