更新：
[0074] 在每帖图像获得目标位置W后，根据仿射变换参数的计算结果，收集所有满足结 果参数的SIFT特征点{爲操=1，经过F = 4帖W后，获得新的特征点集其中St-F代表 了从F帖图像中得到的总特征点数；利用下式对新旧特征点重新进行K聚类：巧=1 =
其中巧=1表示新的视觉字典，视觉字典的大小保 持不变；<^￡(0，1]是遗忘因子，表明了旧字典所占的比重，^^越小，新特征对目标丢失的判 断贡献越多，取與=0.14;
[0075] (3)识别输出模块，用于图像的识别和输出：在待识别的图像序列中利用跟踪算法 获取目标区域，将目标区域映射到已知训练数据形成的子空间，计算子空间中目标区域与 训练数据之间的距离，获得相似性度量，判定目标类别，并输出识别结果。
[0076] 优选的，采用维纳滤波来进行一级滤除后，此时图像信息还包含有残余的噪音，采 用W下的二级滤波器进行二次滤波：
[0077]
[007引其中，J(x，y)为经过滤波后的图像;Pg(x+i，y+j)代表尺度为mXn的函数，且PgU+ i，y+j)=qXe邱(-(x2+y2)/w)，其中q是将函数归一化的系数，即 JJqXe邱(-(x2+y2)/w) dxdy = l0
[0079]此实施例的污水处理装置，在图像预处理阶段，增强的图像能够根据模板的大小 自适应调整，提高增强效果，且在在不同模板大小时判断条件能自动修正，且考虑了视觉习 惯W及人眼对不同色彩的感知度同色彩强度的非线性关系；充分利用了图像的局部特征和 全局特征，具有自适应性，可W抑制过度增强，对复杂光照环境下获取的图像增强效果明 显;将MX N个幕指数运算降低为256个，提高了计算效率，Z = 5，F = 4，14,计算平均帖率 为16FPS，计算量小于同类型的字典算法;在目标检测和跟踪阶段，能够消除不同溫度导致 图像的旋转和平移造成的误差，提高识别率，经处理后的图像细节更加清晰，且计算量相对 于传统方法大幅度减少，能够有效适应目标尺度变化，并能够准确判定目标是否发生丢失， 在目标重新回到视场后能够被重新检测并稳定跟踪，直至115帖后仍能稳定跟踪目标。此 夕h该污水处理车具有实时性好、定位准确和鲁棒性强的优点，且在快速有遮挡的目标检测 和跟踪方面有很好的效果，取得了意想不到的效果。
[0080] 实施例3:如图1-2所示，一种具有稳定跟踪功能的污水处理装置，包括污水处理车 5和安装在污水处理车5上的监测装置4,监测装置4用于对污水处理车5附近的活动进行视 频图像监测，监测装置4包括预处理模块1、检测跟踪模块2、识别输出模块3。
[0081] (1)预处理模块1，用于对接收到的图像进行预处理，具体包括图像转化子模块11、 图像滤波子模块12和图像增强子模块13:
[0082] 图像转化子模块11，用于将彩色图像转化为灰度图像：
[0083]
[0084] 其中，3^，7)、6^，7)、8^，7)分别代表像素^，7)处的红绿蓝强度值，化义，7)代表 坐标(x，y)处的像素灰度值;图像大小为mXn;
[0085] 图像滤波子模块12,用于对灰度图像进行滤波：
[0086] 采用维纳滤波来进行一级滤除后，定义SVlm图像，记为MsvimU,y)，具体定义公式 为：Msvim(x，y) = aiji(x，y)+a2j2(x，y)+a3j3(x，y)+a4j4(x，y)，其中曰1、日2、日3、日4为可变权值，
i = l，2,3,4;J(x，y)为经滤波后的图像；
[0087] 图像增强子模块13:
[008引当|巧8 -晒I > Vlw -日0|1时
，其中，LU,y)为增强 后的灰度值;iKx，y)是包含有局部信息的伽马校正系数，此时
，曰是 范围为0到1的可变参数，a = 1 -
[0089] 当 |12召'一m| < 心 |(1) - 50| 且 O〉50时，
其中iKx，y)=4a(Msvim(x，y)):
,IHH是图像中灰度值高于128的所有 像素的均值，HiL是灰度值低于128的所有像素的均值，且此时m=min(mH，mL)，在a值已知的情 况下，计算出256个4校正系数作为查找表，记为{4"(0}酉其中i为索引值，利用Msvim(x，y) 的灰度值作为索引，根据(6(x，y)=MMsvlm(x，y))快速获得图像中每个像素的伽马校正系数 4(X，y); 1 - ^为模板修正系数；
[0090] (2)检测跟踪模块2,具体包括构建子模块21、丢失判别子模块22和更新子模块23:
[0091] 构建子模块21，用于视觉字典的构建：
[0092] 在初始帖获取跟踪目标的位置和尺度，在其周围选取正负样本训练跟踪器，将跟 踪结果作为训练集X={xi，x2,......xn}T;并对训练集中的每幅目标图像提取128维的SIFT 特征其中S康示训练集中第t幅目标图像中SIFT特征的个数;跟踪N帖W后，通过 聚类算法将运些特征划分为K个簇，每个簇的中屯、构成特征单词，记为巧=1:能够提取到 的特征总i
其中K<<FN，i
:视觉字典构建好W后，每幅训练图 像表示为特征包的形式，用于表示视觉字典中特征单词出现的频率，用直方图Kxt)表示，h (Xt)通过W下方式获取:将一幅训练图像Xt中的每一个特征fsW向视觉字典投影，用投影距 离最短的特征单词表示该特征，对所有特征投影完毕后，统计每个特征单词的出现频率，并 归一化得到训练图像Xt的特征直方图h(xt);
[0093] 丢失判别子模块22,用于判别目标的丢失与否：
[0094] 当新一帖图像到来时，从K个直方图柱中随机选取Z<K个直方图柱，且Z = 6,形成新 的大小为Z的子直方图hW(xt)，子直方图的个数最多为馬=巧个;计算候选目标区域和训 练集中某个目标区域对应子直方图的相似性，
其中t = l，2，...，N，z = l，2，...，化，然后计算总体相似性Ot = I- n z(l-〇t_z);候选目标区域与 目标的相似性用O =Hiax { O t，t}表示，则目标丢失判断式为：
其中gs为人为设定的判失阀值;当U = I时目标被稳定跟踪，当U = O时，目标丢失；
[00M]当目标丢失时，定义仿射变换模型：
其中（xt，t)和(xt-i，yt-i)分别为当前帖目标中某个SITF特征点的位置坐标和前一个帖目标 中对应匹配特征点的位置坐标，两者均为已知量;S为尺度系数，0为旋转系数，e和f代表了 平移系数
为溫度旋转修正系数
为溫度平移修正系数，山和化用于修正因为环境溫度偏差造成的图像旋转和平移误差，I'd为 人为设定的标准溫度，设为20度，T为由溫度传感器实时监测得到的溫度值;采用Ransac估 计算法求取仿射变换模型的参数，最后在新的尺度S和旋转系数0下采集正负样本，更新分 类器；
[0096] 更新子模块23,用于视觉字典的更新：
[0097] 在每帖图像获得目标位置W后，根据仿射变换参数的计算结果，收集所有满足结 果参数的SIFT特征点{说￡=:1，经过F = 5帖W后，获得新的特征点集:{庙^兰1，其中）t-F代表 了从F帖图像中得到的总特征点数；利用下式对新旧特征点重新进行K聚类：{Cy仁1 =
其中{&接'=1表示新的视觉字典，视觉字典的大小保 持不变；巧G {0,1}店遗忘因子，表明了旧字典所占的比重，取越小，新特征对目标丢失的判 断贡献越多，取巧=0.16;
[0098] (3)识别输出模块3,用于图像的识别和输出：在待识别的图像序列中利用跟踪算 法获取目标区域，将目标区域映射到已知训练数据形成的子空间，计算子空间中目标区域 与训练数据之间的距离，获得相似性度量，判定目标类别，并输出识别结果。
[0099] 优选的，采用维纳滤波来进行一级滤除后，此时图像信息还包含有残余的噪音，采 用W下的二级滤波器进行二次滤波：
[0100]
[0101] 其中，J(x，y)为经过滤波后的图像;Pg(x+i，y+j)代表尺度为mXn的函数，且PgU+ i，y+j)=qXe邱(-(x2+y2)/w)，其中q是将函数归一化的系数，即 JJqXe邱(-(x2+y2)/w) dxdy = l〇
[0102] 此实施例的污水处理装置，在图像预处理阶段，增强的图像能够根据模板的大小 自适应调整，提高增强效果，且在在不同模板大小时判断条件能自动修正，且考虑了视觉习 惯W及人眼对不同色彩的感知度同色彩强度的非线性关系；充分利用了图像的局部特征和 全局特征，具有自适应性，可W抑制过度增强，对复杂光照环境下获取的图像增强效果明 显;将MX N个幕指数运算降低为256个，提高了计算效率，Z = 6，F = 5，取=0.16,计算平均帖率 为17FPS，计算量小于同类型的字典算法;在目标检测和跟踪阶段，能够消除不同溫度导致 图像的旋转和平移造成的误差，提高识别率，经处理后的图像细节更加清晰，且计算量相对 于传统方法大幅度减少，能够有效适应目标尺度变化，并能够准确判定目标是否发生丢失， 在目标重新回到视场后能够被重新检测并稳定跟踪，直至120帖后仍能稳定跟踪目标。此 夕h该污水处理车具有实时性好、定位准确和鲁棒性强的优点，且在快速有遮挡的目标检测 和跟踪方面有很好的效果，取得了意想不到的效果。
[0103] 实施例4:如图1-2所示，一种具有稳定跟踪功能的污水处理装置，包括污水处理车 5和安装在污水处理车5上的监测装置4,监测装置4用于对污水处理车5附近的活动进行视 频图像监测，监测装置4包括预处理模块1、检测跟踪模块2、识别输出模块3。
[0104] (1)预处理模块1，用于对接收到的图像进行预处理，具体包括图像转化子模块11、 图像滤波子模块12和图像增强子模块13:
[0105] 图像转化子模块11，用于将彩色图像