一种基于图像特征的目标识别方法与流程

本发明涉及目标跟踪技术领域，更具体的说是涉及一种基于图像特征的目标识别方法。

背景技术：

随着科学技术的发展，目标跟踪问题在军事和民用方面都有着十分广泛的应用。基于图像特征的目标识别的难点在于数据关联与遮挡，对于非刚性物体而言，外形不固定、姿态多变的特征无法进行建模；对于刚性物体经遮挡重新出现时错误的将该目标认为是一个新目标无法与之间的数据关联起来，需要重新建模，无法满足对目标的长时稳定跟踪。

因此，如何提供一种稳定跟踪、定位准确的基于图像特征的目标识别方法是本领域技术人员亟需解决的问题。

技术实现要素：

有鉴于此，本发明提供了一种基于图像特征的目标识别方法不仅能够稳定跟踪，而且定位准确。

为了实现上述目的，本发明提供如下技术方案：

一种基于图像特征的目标识别方法，包括以下步骤：

s1：将视频按图像帧进行分解，得到图像帧序列；

s2：获取第一帧图像帧的目标的第一目标特征点信息；

s3：根据所述第一目标特征点信息获取剩余图像帧中任一帧的目标特征点信息。

本发明的技术效果：将视频分解成图像帧，根据第一帧图像帧获得剩余图像帧的特征信息，进行对比确定定位的准确性，从而保证稳定跟踪。

优选的，在上述一种基于图像特征的目标识别方法中，步骤1包括：

s11：将所述图像帧序列以周期t进行划分，并对图像帧子序列进行编号，记为

；

s12：将所述图像帧子序列图像帧进行编号记为，，…，。

本发明的技术效果：将图像帧序列进行划分获得图像帧子序列，保证了跟踪的准确性，避免跟踪误差。

优选的，在上述一种基于图像特征的目标识别方法中，步骤2包括：

s21：先将所述图像帧子序列的所述第一帧图像帧进行预处理降噪，并确定第一目标特征点，再根据图像对比度采用自适应灰度拉伸；

s22：对预处理降噪后的图像进行边缘检测；

s23：将经过所述边缘检测的所述第一帧图像帧依次进行闭运算、均值滤波处理；

s24：对经过步骤s23处理的所述第一帧图像帧采用图像特征提取的方法进行特征信息提取。

本发明的有益效果：对图像进行灰度化处理后进行了自适应灰度拉伸，增强了对比度，提高定位准确率。

优选的，在上述一种基于图像特征的目标识别方法中，步骤s21中所述预处理是对感兴趣区域进行裁剪。

本发明的有益效果：对图像帧进行感兴趣区域裁剪，能够确定定位的关键区域，避免无关区域的干扰，进一步帮助确定目标特征点。

优选的，在上述一种基于图像特征的目标识别方法中，步骤s24所述特征信息为位置信息。

优选的，在上述一种基于图像特征的目标识别方法中，步骤3包括：

s31：选取图像帧子序列；

s32：确定第帧图像帧和第帧图像帧中目标特征点，其中，，；

s33：确定相邻两帧距离的标准值；

s34：计算所述第帧图像帧中目标特征点与第帧图像帧中目标特征点的距离。

s35：比较所述距离与所述标准值q；若≤q则认定为同一目标，若＞q则认定为不同目标。

本发明的技术效果：通过相邻两帧之间距离的标准值与图像帧子序列中相邻两帧的实际值进行对比，从而确定是否为同一目标。

优选的，在上述一种基于图像特征的目标识别方法中，步骤s33具体为将所述图像帧子序列的所述第一帧图像帧到剩余图像帧的距离分别为，按从大到小排序取中值，所述中值记为，表示第j帧图像帧到所述第一帧图像帧之间的距离，标准值，其中，1≤j≤i。

本发明的技术效果：根据获取的图像帧子序列任一帧图像帧到第一帧图像帧的距离，获取相邻两帧的标准值，避免了经验获取准确值的主观性过强，同时保证了确定标准值的准确性，进一步减少定位误差。

优选的，在上述一种基于图像特征的目标识别方法中，所述目标特征点的选取为1个或多个。

优选的，在上述一种基于图像特征的目标识别方法中，所述目标特征点为图像帧中心位置的点。

本发明的技术效果：目标特征点的选取多个，并且选取中心位置的点，进一步提高定位精度。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于图像特征的目标识别方法，将视频分解成图像帧，根据第一帧图像帧获得剩余图像帧的特征信息，进行对比确定定位的准确性，从而保证稳定跟踪；首先，对图像帧进行灰度化处理后进行了自适应灰度拉伸，增强了对比度，提高定位准确率，并对图像帧进行感兴趣区域裁剪，能够确定定位的关键区域，避免无关区域的干扰，进一步帮助确定目标特征点；其次，根据获取的图像帧子序列任一帧图像帧到第一帧图像帧的距离，获取相邻两帧的标准值，避免了经验获取准确值的主观性过强，同时保证了确定标准值的准确性，进一步减少定位误差；最后，目标特征点的选取多个，并且选取中心位置的点，进一步提高定位精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明的总体流程图；

图2附图为本发明的获取第一目标特征点信息流程图；

图3附图为本发明的目标判断流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种稳定跟踪、定位准确的基于图像特征的目标识别方法。

请参阅附图1-3为本发明提供了一种基于图像特征的目标识别方法，包括以下步骤：

s1：将视频按图像帧进行分解，得到图像帧序列；

s2：获取第一帧图像帧的目标的第一目标特征点信息；

s3：根据第一目标特征点信息获取剩余图像帧中任一帧的目标特征点信息，进行目标判断。

为了进一步优化上述技术方案，步骤1包括：

s11：将图像帧序列以周期t进行划分，并对图像帧子序列进行编号，记为

；

s12：将图像帧子序列图像帧进行编号记为，，…，。

为了进一步优化上述技术方案，步骤2包括：

s21：先将图像帧子序列的第一帧图像帧进行预处理降噪，并确定第一目标特征点，再根据图像对比度采用自适应灰度拉伸；

s22：对预处理降噪后的图像进行边缘检测；

s23：将经过边缘检测的所述第一帧图像帧依次进行闭运算、均值滤波处理；

s24：对经过步骤s23处理的第一帧图像帧采用图像特征提取的方法进行特征信息提取。

为了进一步优化上述技术方案，步骤s21中预处理是对感兴趣区域进行裁剪。

为了进一步优化上述技术方案，步骤s24特征信息为位置信息。

为了进一步优化上述技术方案，步骤3包括：

s31：选取图像帧子序列；

s32：确定第帧图像帧和第帧图像帧中目标特征点，其中，，；

s33：确定相邻两帧距离的标准值；

s34：获取第帧图像帧中目标特征点与第帧图像帧中目标特征点的距离。

s35：比较所述距离与标准值q；若≤q则认定为同一目标，若＞q则认定为不同目标。

为了进一步优化上述技术方案，步骤s33具体为将图像帧子序列的第一帧图像帧到剩余图像帧的距离分别为，按从大到小排序取中值，中值记为，其中表示第j帧图像帧到第一帧图像帧之间的距离，标准值；

式中，1≤j≤i。

为了进一步优化上述技术方案，目标特征点的选取为1个或多个。

为了进一步优化上述技术方案，目标特征点为图像帧中心位置的点。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。