CN106875430B - 动态背景下基于固定形态的单一运动目标追踪方法和装置 - Google Patents
动态背景下基于固定形态的单一运动目标追踪方法和装置 Download PDFInfo
- Publication number
- CN106875430B CN106875430B CN201611266920.3A CN201611266920A CN106875430B CN 106875430 B CN106875430 B CN 106875430B CN 201611266920 A CN201611266920 A CN 201611266920A CN 106875430 B CN106875430 B CN 106875430B
- Authority
- CN
- China
- Prior art keywords
- straight line
- moving target
- point
- image
- tracked
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000001914 filtration Methods 0.000 claims abstract description 31
- 238000003708 edge detection Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 44
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种动态背景下基于固定形态的单一运动目标的追踪方法和装置。该方法包括：以白色背景的两条黑色交叉线作为待追踪的运动目标，通过摄像头获取待追踪的运动目标当前帧的YUV图像；利用帧差法检测YUV图像中的运动目标区域；对运动目标区域中的运动目标进行边缘检测获取二值边缘图像，并进行滤波处理；利用霍夫变换检测二值边缘图像的直线及直线交点；根据摄像头与运动目标的距离和目标的实际大小，以直线交点为中心确定运动目标。可见，本发明在动态背景下基于固定形态的单一运动目标的追踪时的运算速度快，保证低速运动中实现目标追踪的实时性，且方法简单易实现。
Description
技术领域
本发明涉及目标追踪技术领域，特别涉及一种动态背景下基于固定形态的单一运动目标追踪方法和装置。
背景技术
近年来，运动目标追踪应用越来越广，特别是随着无人机应用的兴起，其相应的目标追踪方法越来越被重视。追踪主要可分为三类：基于区域的追踪，基于轮廓的追踪和基于特征的追踪，而能准确进行追踪的前提是准确在背景中检测出被追踪的目标。
检测被追踪的目标的时候，首先是目标区域的检测方法。在静态背景下，运动目标区域的检测方法有帧差法、光流法、背景减除法等，其中光流法计算复杂度大，很难实现实时处理；背景减除法需要对背景进行建模，所以需要一组没有目标的背景图像序列；帧差法是将第一帧图像作为背景图像，通过两帧图像之间的差值来获取运动目标区域，具有较好的实时性，而且算法简单、计算量小，是一种常见的目标检测算法。
其次是目标形态的检测，目标的表示形式是目标追踪的基础，最常见的基于目标形态的表示方法有：点表示方法、几何形状表示方法、骨架表示法、轮廓表示法。此外，还有基于目标的外观特征的表示方法有：目标概率密度表示方法、模板表示方法、主动外观模型表示方法、多视点模型表示法。针对几何形状表示方法中的直线表示法，进行目标形态检测的时候，检测直线最常用的方法是概率霍夫变换，能够检测到直线线段，在找到直线段后，将此直线上的点全部删除，但是现有技术中的概率霍夫变换在删除的过程中需要再次进行霍夫空间转换，运算量大，计算速度比较慢，在硬件条件有限的平台上很难实现实时处理。
另外，霍夫变换处理的是二值边缘图像，在进行转换成二值边缘图像的过程中，会用到边缘检测算法canny算法，但是canny算法中首先需要对图像进行高斯滤波，在硬件条件有限的平台上，运算速度达不到。
总之，在现有技术中的基于固定形态的单一运动目标追踪方法中的计算量较大，运算量较大，很难实现目标的实时追踪。
发明内容
鉴于现有技术基于固定形态的单一运动目标追踪方法中的计算量较大，运算量较大，很难实现目标的实时追踪的问题，提出了本发明的一种动态背景下基于固定形态的单一运动目标追踪方法和装置，以便解决或至少部分地解决上述问题。
根据本发明的一个方面，提供了一种动态背景下基于固定形态的单一运动目标的追踪方法，所述方法包括：
以白色背景的两条黑色交叉线作为待追踪的运动目标，通过摄像头获取待追踪的运动目标当前帧的YUV图像；
利用帧差法检测所述YUV图像中的运动目标区域；
对所述运动目标区域中的所述运动目标进行边缘检测获取二值边缘图像，并进行滤波处理；
利用霍夫变换检测所述二值边缘图像的直线及直线交点；
根据所述摄像头与所述运动目标的距离和目标的实际大小，以所述直线交点为中心确定运动目标。
根据本发明的另一个方面，提供了一种
动态背景下基于固定形态的单一运动目标的追踪装置，其特征在于，所述装置包括：
YUV图像获取单元，用于以白色背景的两条黑色交叉线作为待追踪的运动目标，通过摄像头获取待追踪的运动目标当前帧的YUV图像；
运动目标区域检测单元，用于利用帧差法检测所述YUV图像中的运动目标区域；
边缘检测单元，用于对所述运动目标区域中的所述运动目标进行边缘检测获取二值边缘图像，并进行滤波处理；
霍夫变换检测单元，用于利用霍夫变换检测所述二值边缘图像的直线及直线交点；
运动目标确定单元，用于根据所述摄像头与所述运动目标的距离和目标的实际大小，以所述直线交点为中心确定运动目标。
综上所述，本发明在一白色背景的两条黑色交叉线为带追踪的运动目标的时候，利用简单的帧差法检测运动目标的YUV图像中的运动目标区域；在获取二值边缘图像时采用2*2模板算子，并对检测到的边缘进行形态学滤波，减少计算量的同时，可获得较理想的运动目标区域的边缘信息；最后利用改进后的霍夫变换检测二值边缘图像的直线及直线交点，减少霍夫空间二次转换，使得目标追踪的计算量减小，提高运算速度。可见，本发明在动态背景下基于固定形态的单一运动目标的追踪时的运算速度快，保证低速运动中实现目标追踪的实时性，且方法简单易实现。
附图说明
图1为本发明一个实施例提供的一种动态背景下基于固定形态的单一运动目标的追踪方法流程图；
图2为本发明一个实施例提供的一种动态背景下基于固定形态的单一运动目标的追踪装置示意图。
具体实施方式
本发明的设计思路是：鉴于现有技术基于固定形态的单一运动目标追踪方法中的计算量较大，运算量较大，很难实现目标的实时追踪的问题。本发明首先利用运算简单的帧差法，然后针对直线检测的边缘检测算法和形态学滤波代替复杂的高斯滤波，最后采用改进后的霍夫变换，减少霍夫空间二次转换，大大降低了目标追踪过程中的运算量。为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
图1为本发明一个实施例提供的一种动态背景下基于固定形态的单一运动目标的追踪方法流程图；本实施例中的目标形态是白色背景上有两条黑色交叉线，将此形状信息作为追踪的基础。如图1所示，该方法包括：
步骤S110，以白色背景的两条黑色交叉线作为待追踪的运动目标，通过摄像头获取待追踪的运动目标当前帧的YUV图像，然后在镜头静止的状态下进行目标检测。
本实施例中摄像头获取的YUV图像大小是1280*960。
步骤S120，利用帧差法检测YUV图像中的运动目标区域。
因为帧差法具有较好的实时性，而且算法简单、计算量小。所以本实施例中采用帧差法进行运动目标区域的检测。
在进行帧差法检测的时候首先将Y值图像划分成4*4大小的格子，将图像大小变成320*240，这样在进行运动目标区域检测的时候也可以在一定程度上减小运算量。
步骤S130，对运动目标区域中的运动目标进行边缘检测获取二值边缘图像，并进行滤波处理。
这里在进行运动目标边缘检测的时候，针对本实施例中的目标的特点，采用的2*2的模板算子，且在进行滤波的时候采用的是形态学滤波，也可在一定程度上提高运算速度。
步骤S150，利用霍夫变换检测二值边缘图像的直线及直线交点。
这里的霍夫变换采用的改进后的霍夫变换，在进行霍夫变换寻找目标的时候不需要进行霍夫空间的二次转换，也同样使得目标追踪的计算量减小，提高运算速度。
步骤S150，根据摄像头与运动目标的距离和目标的实际大小，以直线交点为中心确定运动目标。
当利用霍夫变换寻找二值边缘图像上的目标后，需要根据摄像头与运动目标的距离和目标的实际大小确定最终的运动目标，以实现目标的追踪。
在本发明的一个实施例中，步骤S120中的利用帧差法检测YUV图像中的运动目标区域包括：
(1)将YUV图像在第一预设窗口范围内像素点的Y值求和作为新的像素点，获得缩小YUV图像。
例如，YUV图像大小是1280*960，第一预设窗口范围为4*4。这里就是将Y值图像划分成4*4大小的格子，每个格子内的16个像素点的Y值求和作为一个新的像素点，最终图像大小变为320*240，这样可以减少细微变化对目标检测的影响。
(2)计算缩小YUV图像与上一帧的YUV图像的帧差值，判断帧差值是否大于第一预设阈值；若判断为是，则将帧差值大于第一预设阈值的区域作为缩小YUV图像的第一运动目标区域。
因为目标区域的存在，且是运动的状态，那么目标区域的位置就会使得当前帧的YUV图像中的目标区域的位置与上一帧的YUV图像中的与当前帧YUV图像中的目标区域的位置相同的地方的帧差值较大。为了初步定位目标区域的位置，采用帧差法进行检测。例如，先用获取的第一帧YUV图像后作为背景图像，获取第二帧YUV图像后与第一帧YUV图像做差，有移动目标的地方，差值会比较大大于第一预设阈值的区域视为是目标区域，否则为背景区域。这里将差值最大值的30％作为第一预设阈值，因为目标区域有一定的范围，此范围内的差值不一定都是最大的，其目标区域的帧差值会有一定的范围，这里就将差值最大值的30％作为第一预设阈值，也就是说第一预设阈值不是固定的，而是根据计算的差值的最大值的变化而变化的，这样相当于采用一种自适应的方式，实现第一运动目标区域的检测。
(3)获取第一运动目标区域的中心点坐标，将中心点坐标对应到YUV图像中，并根据摄像头与待追踪的运动目标的距离和待追踪的运动目标的实际大小预估YUV图像中的运动目标区域。
上述第一目标区域是对目标区域的初步检测，为了实现目标区域的更准确的检测，需要结合摄像头与待追踪的运动目标的距离和待追踪的运动目标的实际大小，进行目标区域的估计，确定最终的目标区域。
在本发明的一个实施例中，步骤S130中的在运动目标区域中对运动目标进行边缘检测获取二值边缘图像，并进行滤波处理包括：
(1)对目标区域进行一次下采样，在不影响分辨率的情况下可以为后续步骤的检测降低运算量。对下采样后的目标区域采用边缘检测算子P和Q进行X方向和Y方向检测，判断检测后两个方向上偏导数的最大值是否大于第二预设阈值，将偏导数的最大值大于第二预设阈值的点标记为边缘点，以获取待追踪目标的边缘作为二值边缘图像；其中，
(2)获取二值边缘图像的背景颜色信息，判断颜色信息值是否小于第三预设阈值，若判断为是，则利用RGB颜色信息将背景颜色滤除。
这里主要是针对目标背景有颜色的情况，为了将目标中的交叉线检测出来，需要将目标中的背景颜色进行滤除。因为本发明中的目标是白色背景，图像背景的RGB值都比较大，其他颜色的RGB值都小于白色的RGB值，在针对目标背景有颜色时，可以根据RGB值，将背景中的部分噪点滤除。同时，本实施例中的目标是有黑色交叉线的，为避免将目标中的黑色交叉线标志滤除，先将边缘点偏移，再进行滤除。
(3)利用形态学滤波方法将二值边缘图像进行一次膨胀，对膨胀后的二值边缘图像进行两次腐蚀，获得滤波后的二值边缘图像。
当目标背景没有颜色时，需要进行形态学滤波。先对边缘图像进行一次膨胀，再进行两次腐蚀。由于交叉线是有一定宽度的，边缘检测后，交叉线部分会得到两条边缘线，经过膨胀之后，会成为一条比较粗的边缘线，再经过两次腐蚀之后，交叉线变细，同时将一些原本细小边缘点滤除，最终实现了目标的滤波。
这样就可以减少计算量的同时，可获得较理想的运动目标区域的边缘信息
在本发明的一个实施例中，步骤S140中的利用霍夫变换检测二值边缘图像的直线及直线交点包括：
(1)随机获取滤波后的二值边缘图像中的若干个特征点。这里的特征点就是边缘点，该若干个点还没有被确定直线上的点。
(2)对若干个特征点进行霍夫变换，统计霍夫空间内角度值θ对应的值r相同的点的个数；判断个数是否大于第四预设阈值，若判断为是，将角度值θ作为直线的方向，且确定霍夫空间中的点(θ，r)对应的直角坐标系中的点(x，y)是直线上的点。
对若干个特征点进行霍夫变换，即将直角坐标系中的直线方程转换到霍夫空间表示，直线上一点(x,y)，在霍夫空间内表现为一条正弦曲线，表示为x*cosθ+y*sinθ＝r，其中，r是原点到直线的垂直距离，θ是r与x轴之间的角度，所有直线上的点都满足r和θ是常量，所以当r和θ的霍夫空间内，寻找交点最多的曲线，其交点即为直线上一点，所以当θ在0°～180°之间变化时，对应θ下的r值相同的点进行个数统计。
选取霍夫空间内θ对应下的相同r值最多的点的个数，如果个数大于阈值，则认为该θ和r对应的点为直线上的点，记录下直线方向θ。如果个数没有第四预设阈值，则重新进行(1)选择若干个特征点。
(3)从点(x，y)出发沿直线方向θ进行位移，依次位移一个第一预设位移间距(例如5个像素点)，判断位移后的点是否是二值边缘图像中的边缘点，若判断为是，则确定该点是直线上的点，若判断为否，为了避免图像畸变引起的直线弯曲，则进一步判断位移后的点周围第三预设窗口范围内(例如3*3窗口)的点是否是二值边缘图像中的边缘点，若判断为是，则确定该点是直线上的点，沿着直线的方向继续寻找，直到找到二值边缘图像的直线上的两个端点。当移动后的点不是边缘点，其周围第三预设窗口范围内(例如3*3窗口)的点也不是边缘点的时候就认为是到达直线的端点，然后从最初的那个点(x，y)沿着直线方向θ的反方向以相同位移间距的继续寻找直到找到直线另一端的端点。
(4)通过两端点的坐标计算直线的长度，判断直线的长度是否大于第五预设阈值，若判断为否，则认为是图像噪点堆积形成的类似直线，不是目标中的直线；若判断为是，则将该直线确定为待追踪的运动目标的直线；并再次从点(x，y)出发，沿该直线方向θ进行位移，依次位移一个第二预设位移间距(例如1个像素点)，将位移后的点周围的第二预设窗口范围内(例如6*6窗口内)的点删除。
(5)重复上述步骤，直到找到待追踪目标的所有直线，对找到的直线，根据直线端点计算出直线方程参数，用数学方法求出直线交点，即判断所有直线是否存在交点，若判断为是，则确定直线及直线交点。若没有交点，则重新进行图1所示的步骤S110到步骤S130。
本实施例中的霍夫变换可减少霍夫空间二次转换，使得目标追踪的计算量减小，提高运算速度。
因为目标追踪是一个连续的动作，当前帧的目标确定后，还需要进行下一帧的图像检测，以实现运动目标的追踪。在本发明的一个实施例中，图1所示的方法还包括：
设定预设检测步长；对待追踪的运动目标的经过预设检测步长的下一帧YUV图像中的运动目标区域进行边缘、滤波处理和直线及直线交点的检测，若检测到直线及直线交点，确定运动目标并继续追踪；若没有检测到直线或直线交点，避免因摄像头的镜头与目标的相对速度太快引起的目标超出已确定的运动目标区域的情况，扩大下一帧YUV图像中的运动目标区域进行检测，若仍没有检测到直线或直线交点，则重新对待追踪的运动目标进行追踪。
图2为本发明一个实施例提供的一种动态背景下基于固定形态的单一运动目标的追踪装置示意图。如图2所示，该动态背景下基于固定形态的单一运动目标的追踪装置200包括：
YUV图像获取单元210，用于以白色背景的两条黑色交叉线作为待追踪的运动目标，通过摄像头获取待追踪的运动目标当前帧的YUV图像；
运动目标区域检测单元220，用于利用帧差法检测YUV图像中的运动目标区域；
边缘检测单元230，用于对运动目标区域中的运动目标进行边缘检测获取二值边缘图像，并进行滤波处理；
霍夫变换检测单元240，用于利用霍夫变换检测二值边缘图像的直线及直线交点；
运动目标确定单元250，用于根据摄像头与运动目标的距离和目标的实际大小，以直线交点为中心确定运动目标。
在本发明的一个实施例中，运动目标区域检测单元220用于：将YUV图像在第一预设窗口范围内像素点的Y值求和作为新的像素点，获得缩小YUV图像；计算缩小YUV图像与上一帧的YUV图像的帧差值，判断帧差值是否大于第一预设阈值；若判断为是，则将帧差值大于第一预设阈值的区域作为缩小YUV图像的第一运动目标区域；获取第一运动目标区域的中心点坐标，将中心点坐标对应到原始YUV图像中，并根据摄像头与待追踪的运动目标的距离和待追踪的运动目标的实际大小预估YUV图像中的运动目标区域。
在本发明的一个实施例中，边缘检测单元230用于：
对目标区域进行一次下采样，对下采样后的目标区域采用边缘检测算子P和Q进行X方向和Y方向检测，判断检测后两个方向上偏导数的最大值是否大于第二预设阈值，将偏导数的最大值大于第二预设阈值的点标记为边缘点，以获取待追踪目标的边缘作为二值边缘图像；其中，
获取二值边缘图像的背景颜色信息，判断颜色信息值是否小于第三预设阈值，若判断为是，则利用RGB颜色信息将背景颜色滤除；
利用形态学滤波方法将二值边缘图像进行一次膨胀，对膨胀后的二值边缘图像进行两次腐蚀，获得滤波后的二值边缘图像。
在本发明的一个实施例中，霍夫变换检测单元240用于：
随机获取滤波后的二值边缘图像中的若干个特征点；
对若干个特征点进行霍夫变换，统计霍夫空间内角度值θ对应的值r相同的点的个数；判断个数是否大于第四预设阈值，若判断为是，将角度值θ作为直线的方向，且确定霍夫空间中的点(θ，r)对应的直角坐标系中的点(x，y)是直线上的点；
从点(x，y)出发沿直线方向θ进行位移，依次位移一个第一预设位移间距，判断位移后的点是否是二值边缘图像中的边缘点，若判断为是，则确定该点是直线上的点，若判断为否，则进一步判断位移后的点周围第三预设窗口范围内的点是否是二值边缘图像中的边缘点，若判断为是，则确定该点是直线上的点，直到找到二值边缘图像的直线上的两个端点；
计算直线的长度，判断直线的长度是否大于第五预设阈值，若判断为是，则将该直线确定为待追踪的运动目标的直线；并再次从点(x，y)出发，沿该直线方向θ进行位移，依次位移一个第二预设位移间距，将位移后的点周围的第二预设窗口范围内的点删除；
重复上述步骤，直到找到待追踪目标的所有直线，判断所有直线是否存在交点，若判断为是，则确定直线及直线交点。
在本发明的一个实施例中，YUV图像获取单元210还用于：设定预设检测步长；
边缘检测单元220、霍夫变换检测单元230和运动目标确定单元240用于：对待追踪的运动目标的经过预设检测步长的下一帧YUV图像中的运动目标区域进行边缘、滤波处理和直线及直线交点的检测，若检测到直线及直线交点，确定运动目标并继续追踪；若没有检测到直线或直线交点，扩大下一帧YUV图像中的运动目标区域进行检测，若仍没有检测到直线或直线交点，则重新对待追踪的运动目标进行追踪。
需要说明的是，图2所示的装置的各实施例与图1所示方法的各实施例对应相同，上文已有详细说明，在此不再赘述。
综上所述，本发明在一白色背景的两条黑色交叉线为带追踪的运动目标的时候，利用简单的帧差法检测运动目标的YUV图像中的运动目标区域；在获取二值边缘图像时采用2*2模板算子，并对检测到的边缘进行形态学滤波，减少计算量的同时，可获得较理想的运动目标区域的边缘信息；最后利用改进后的霍夫变换检测二值边缘图像的直线及直线交点，减少霍夫空间二次转换，使得目标追踪的计算量减小，提高运算速度。可见，本发明在动态背景下基于固定形态的单一运动目标的追踪时的运算速度快，保证低速运动中实现目标追踪的实时性，且方法简单易实现。
以上所述，仅为本发明的具体实施方式，在本发明的上述教导下，本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白，上述的具体描述只是更好的解释本发明的目的，本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种动态背景下基于固定形态的单一运动目标的追踪方法，其特征在于，所述方法包括：
以白色背景的两条黑色交叉线作为待追踪的运动目标，通过摄像头获取待追踪的运动目标当前帧的YUV图像；
利用帧差法检测所述YUV图像中的运动目标区域；
对所述运动目标区域中的所述运动目标进行边缘检测获取二值边缘图像，并进行滤波处理；
利用霍夫变换检测所述二值边缘图像的直线及直线交点；
根据所述摄像头与所述运动目标的距离和目标的实际大小，以所述直线交点为中心确定运动目标；
所述利用帧差法检测所述YUV图像中的运动目标区域包括：
将所述YUV图像在第一预设窗口范围内像素点的Y值求和作为新的像素点，获得缩小YUV图像；
计算所述缩小YUV图像与上一帧的YUV图像的帧差值，判断所述帧差值是否大于第一预设阈值；若判断为是，则将帧差值大于第一预设阈值的区域作为所述缩小YUV图像的第一运动目标区域；
获取所述第一运动目标区域的中心点坐标，将所述中心点坐标对应到所述YUV图像中，并根据所述摄像头与所述待追踪的运动目标的距离和所述待追踪的运动目标的实际大小预估所述YUV图像中的运动目标区域。
2.如权利要求1所述的方法，其特征在于，所述对所述运动目标区域中的所述运动目标进行边缘检测获取二值边缘图像，并进行滤波处理包括：
对所述目标区域进行一次下采样，对下采样后的目标区域采用边缘检测算子P和Q进行X方向和Y方向检测，判断检测后两个方向上偏导数的最大值是否大于第二预设阈值，将偏导数的最大值大于第二预设阈值的点标记为边缘点，以获取所述待追踪目标的边缘作为二值边缘图像；其中，
获取所述二值边缘图像的背景颜色信息，判断背景颜色信息值是否小于第三预设阈值，若判断为是，则利用RGB颜色信息将背景颜色滤除；
利用形态学滤波方法将二值边缘图像进行一次膨胀，对膨胀后的二值边缘图像进行两次腐蚀，获得滤波后的二值边缘图像。
3.如权利要求2所述的方法，其特征在于，所述利用霍夫变换检测所述二值边缘图像的直线及直线交点包括：
随机获取所述滤波后的二值边缘图像中的若干个特征点；
对所述若干个特征点进行霍夫变换，统计霍夫空间内角度值θ对应的值r相同的点的个数；判断所述个数是否大于第四预设阈值，若判断为是，将角度值θ作为直线的方向，且确定霍夫空间中的点(θ，r)对应的直角坐标系中的点(x，y)是直线上的点；
从点(x，y)出发沿直线方向θ进行位移，依次位移一个第一预设位移间距，判断位移后的点是否是所述二值边缘图像中的边缘点，若判断为是，则确定该点是直线上的点，若判断为否，则进一步判断所述位移后的点周围第三预设窗口范围内的点是否是所述二值边缘图像中的边缘点，若判断为是，则确定该点是直线上的点，直到找到所述二值边缘图像的直线上的两个端点；
计算所述直线的长度，判断所述直线的长度是否大于第五预设阈值，若判断为是，则将该直线确定为所述待追踪的运动目标的直线；并再次从点(x，y)出发，沿该直线方向θ进行位移，依次位移一个第二预设位移间距，将位移后的点周围的第二预设窗口范围内的点删除；
重复上述步骤，直到找到所述待追踪目标的所有直线，判断所述所有直线是否存在交点，若判断为是，则确定直线及直线交点。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
设定预设检测步长；对所述待追踪的运动目标的经过预设检测步长的下一帧YUV图像中的运动目标区域进行边缘、滤波处理和直线及直线交点的检测，若检测到直线及直线交点，确定运动目标并继续追踪；若没有检测到直线或直线交点，扩大所述下一帧YUV图像中的运动目标区域进行检测，若仍没有检测到直线或直线交点，则重新对所述待追踪的运动目标进行追踪。
5.一种动态背景下基于固定形态的单一运动目标的追踪装置，其特征在于，所述装置包括：
YUV图像获取单元，用于以白色背景的两条黑色交叉线作为待追踪的运动目标，通过摄像头获取待追踪的运动目标当前帧的YUV图像；
运动目标区域检测单元，用于利用帧差法检测所述YUV图像中的运动目标区域；
边缘检测单元，用于对所述运动目标区域中的所述运动目标进行边缘检测获取二值边缘图像，并进行滤波处理；
霍夫变换检测单元，用于利用霍夫变换检测所述二值边缘图像的直线及直线交点；
运动目标确定单元，用于根据所述摄像头与所述运动目标的距离和目标的实际大小，以所述直线交点为中心确定运动目标；
所述运动目标区域检测单元用于：
将所述YUV图像在第一预设窗口范围内像素点的Y值求和作为新的像素点，获得缩小YUV图像；
计算所述缩小YUV图像与上一帧的YUV图像的帧差值，判断所述帧差值是否大于第一预设阈值；若判断为是，则将帧差值大于第一预设阈值的区域作为所述缩小YUV图像的第一运动目标区域；
获取所述第一运动目标区域的中心点坐标，将所述中心点坐标对应到所述YUV图像中，并根据所述摄像头与所述待追踪的运动目标的距离和所述待追踪的运动目标的实际大小预估所述YUV图像中的运动目标区域。
6.如权利要求5所述的装置，其特征在于，所述边缘检测单元用于：
对所述目标区域进行一次下采样，对下采样后的目标区域采用边缘检测算子P和Q进行X方向和Y方向检测，判断检测后两个方向上偏导数的最大值是否大于第二预设阈值，将偏导数的最大值大于第二预设阈值的点标记为边缘点，以获取所述待追踪目标的边缘作为二值边缘图像；其中，
获取所述二值边缘图像的背景颜色信息，判断背景颜色信息值是否小于第三预设阈值，若判断为是，则利用RGB颜色信息将背景颜色滤除；
利用形态学滤波方法将二值边缘图像进行一次膨胀，对膨胀后的二值边缘图像进行两次腐蚀，获得滤波后的二值边缘图像。
7.如权利要求6所述的装置，其特征在于，所述霍夫变换检测单元用于：
随机获取所述滤波后的二值边缘图像中的若干个特征点；
对所述若干个特征点进行霍夫变换，统计霍夫空间内角度值θ对应的值r相同的点的个数；判断所述个数是否大于第四预设阈值，若判断为是，将角度值θ作为直线的方向，且确定霍夫空间中的点(θ，r)对应的直角坐标系中的点(x，y)是直线上的点；
从点(x，y)出发沿直线方向θ进行位移，依次位移一个第一预设位移间距，判断位移后的点是否是所述二值边缘图像中的边缘点，若判断为是，则确定该点是直线上的点，若判断为否，则进一步判断所述位移后的点周围第三预设窗口范围内的点是否是所述二值边缘图像中的边缘点，若判断为是，则确定该点是直线上的点，直到找到所述二值边缘图像的直线上的两个端点；
计算所述直线的长度，判断所述直线的长度是否大于第五预设阈值，若判断为是，则将该直线确定为所述待追踪的运动目标的直线；并再次从点(x，y)出发，沿该直线方向θ进行位移，依次位移一个第二预设位移间距，将位移后的点周围的第二预设窗口范围内的点删除；
重复上述步骤，直到找到所述待追踪目标的所有直线，判断所述所有直线是否存在交点，若判断为是，则确定直线及直线交点。
8.如权利要求5所述的装置，其特征在于，
所述YUV图像获取单元还用于：设定预设检测步长；
所述边缘检测单元、所述霍夫变换检测单元和所述运动目标确定单元用于：对所述待追踪的运动目标的经过预设检测步长的下一帧YUV图像中的运动目标区域进行边缘、滤波处理和直线及直线交点的检测，若检测到直线及直线交点，确定运动目标并继续追踪；若没有检测到直线或直线交点，扩大所述下一帧YUV图像中的运动目标区域进行检测，若仍没有检测到直线或直线交点，则重新对所述待追踪的运动目标进行追踪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611266920.3A CN106875430B (zh) | 2016-12-31 | 2016-12-31 | 动态背景下基于固定形态的单一运动目标追踪方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611266920.3A CN106875430B (zh) | 2016-12-31 | 2016-12-31 | 动态背景下基于固定形态的单一运动目标追踪方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106875430A CN106875430A (zh) | 2017-06-20 |
| CN106875430B true CN106875430B (zh) | 2020-04-24 |
Family
ID=59165440
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611266920.3A Active CN106875430B (zh) | 2016-12-31 | 2016-12-31 | 动态背景下基于固定形态的单一运动目标追踪方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106875430B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108682019B (zh) * | 2018-04-25 | 2019-03-22 | 六安荣耀创新智能科技有限公司 | 高度可调型跨栏系统 |
| CN111415365B (zh) * | 2019-01-04 | 2023-06-27 | 宁波舜宇光电信息有限公司 | 图像检测方法及装置 |
| CN110378927B (zh) * | 2019-04-29 | 2022-01-04 | 北京佳讯飞鸿电气股份有限公司 | 一种基于肤色的目标检测与跟踪方法 |
| CN110458858A (zh) * | 2019-08-14 | 2019-11-15 | 中国科学院长春光学精密机械与物理研究所 | 一种十字靶标的检测方法、系统及存储介质 |
| CN114066934B (zh) * | 2021-10-21 | 2024-03-22 | 华南理工大学 | 一种面向靶向微操作的抗遮挡细胞追踪方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104677203A (zh) * | 2013-11-26 | 2015-06-03 | 哈尔滨智晟天诚科技开发有限公司 | 一种基于转台控制的光电跟踪系统 |
| CN105354857A (zh) * | 2015-12-07 | 2016-02-24 | 北京航空航天大学 | 一种有立交桥遮挡的车辆轨迹匹配方法 |
-
2016
- 2016-12-31 CN CN201611266920.3A patent/CN106875430B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104677203A (zh) * | 2013-11-26 | 2015-06-03 | 哈尔滨智晟天诚科技开发有限公司 | 一种基于转台控制的光电跟踪系统 |
| CN105354857A (zh) * | 2015-12-07 | 2016-02-24 | 北京航空航天大学 | 一种有立交桥遮挡的车辆轨迹匹配方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于块均值的运动目标检测系统;郑柏春等;《微型机与应用》;20141231;第33卷(第24期);42-44,47 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106875430A (zh) | 2017-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106875430B (zh) | 动态背景下基于固定形态的单一运动目标追踪方法和装置 | |
| CN107679520B (zh) | 一种适用于复杂条件下的车道线视觉检测方法 | |
| CN110349207B (zh) | 一种复杂环境下的视觉定位方法 | |
| CN109785291B (zh) | 一种车道线自适应检测方法 | |
| CN109859226B (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
| US8660349B2 (en) | Screen area detection method and screen area detection system | |
| Yan et al. | A method of lane edge detection based on Canny algorithm | |
| CN108597009B (zh) | 一种基于方向角信息进行三维目标检测的方法 | |
| CN109583365B (zh) | 基于成像模型约束非均匀b样条曲线拟合车道线检测方法 | |
| CN106815583B (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
| CN105894521A (zh) | 基于高斯拟合的亚像素边缘检测方法 | |
| CN107169972B (zh) | 一种非合作目标快速轮廓跟踪方法 | |
| CN104636724B (zh) | 一种基于目标一致性的车载相机快速行人车辆检测方法 | |
| Youjin et al. | A robust lane detection method based on vanishing point estimation | |
| CN111444778A (zh) | 一种车道线检测方法 | |
| CN107832674B (zh) | 一种车道线检测方法 | |
| CN110705342A (zh) | 一种车道线分割检测方法及装置 | |
| CN106709499A (zh) | 基于Canny算子和Hillbert‑Huang变换的SIFT图像特征点提取方法 | |
| CN105138990A (zh) | 一种基于单目摄像头的手势凸包检测与掌心定位方法 | |
| JP5812705B2 (ja) | ひび割れ検出方法 | |
| CN111353371A (zh) | 基于星载sar影像的海岸线提取方法 | |
| Wang et al. | Lane detection based on random hough transform on region of interesting | |
| CN112183325B (zh) | 基于图像对比的公路车辆检测方法 | |
| CN110427979B (zh) | 基于K-Means聚类算法的道路水坑识别方法 | |
| CN109671084B (zh) | 一种工件形状的测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |