特征点端语=1，经过F = 4帖W后，获得新的特征点集说J忘Fi,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：{马始=1 = k meansCd -警){為據立如WL J，其中倘心1表示新的视觉字典，视觉字典的大小保 持不变；麥€做1}:鬼遗忘因子，表明了旧字典所占的比重，取継小，新特征对目标丢失的判 断贡献越多，取典=0.14;
[0074] (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。
[0075] 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：
[0076]
[0077] 其中，J(X，y)为经过滤波后的图像;Pg(x+i，y+j)代表尺度为m X n的函数，且Pg(X+ i，y+j)=qXe邱(-(x2+y2)/?)，其中q是将函数归一化的系数，即 JJqXexp(-(x2+y2)/?) dxdy=1O
[0078] 此实施例的太阳能热水器，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MXN个幕指数运算降低为256个，提高了计算效率，Z = 5，F = 4,取=0.14,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。 此外，该太阳能热水器具有实时性好、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。
[0079] 实施例3:如图1-2所示，一种基于视觉特征的太阳能热水器，包括太阳能热水器5 和安装在太阳能热水器5上的监测装置4,监测装置4用于对太阳能热水器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。
[0080] (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:
[0081] 图像转化子模块11，用于将彩色图像转化为灰度图像：
[0082]
[0083] 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m X n;
[0084] 图像滤波子模块12,用于对灰度图像进行滤波：
[0085] 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)，其中日1、日2、日3、日4为可变权值， a尸I1+I二，i二l，2,3,4;J(x，y)为经滤波后的图像；
[00化]图像增强子模块13:
[0087]当 |128 - .> ^ |to -目〇| 时，L(x,'y) .= 25日.X. ，其中，L(x，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$ ，口 是范围为0到1的可变参数，a二1 - 1^1;
[008引当|1雜-打1| < Vlw-SOI且O > 50时，L(x,y) = 2巧X戶篡弓*耗的冲-?， 其中4>托幻二巾。(心托饼，a二1 -广28-m恕L'^l，邮是图像中灰度值高于I28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{>1，。的}岂j，其中i为索引值，利用Msvim (x，y)的灰度值作为索引，根据iKx，y)=私(Msvim(x，y))快速获得图像中每个像素的伽马校 正系数iKx，y); 1 - ^为模板修正系数；
[0089] (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:
[0090] 构建子模块21，用于视觉字典的构建：
[0091] 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，记为能够提取到 的特征总量护# = S?US,:.其中K<<Fn，且K ? ^玄左1&;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);
[0092] 丢失判别子模块22,用于判别目标的丢失与否：
[0093] 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化=得个;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巫t_z，=巧=;1 VhW托如W的，其中t = l，2，...，N，z = l，2，...，化，然后计算总体相似性巫t = l- n z(l-〇t_z);候选目标区域与 目标的相似性用。=max{ ^t，t}表示，则目标丢失判断式为：U二邮〇(如）二^ : S薛， 10资 < 棋 其中gs为人为设定的判失阀值;当U = 1时目标被稳定跟踪，当U = 0时，目标丢失；
[0094]当目标丢失时，定义仿射变换模型：(过=把2若S)洁說滿?)坟二)+化(分 其中（xt，yt)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，
为溫度平移修正系数，化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；
[00M]更新子模块23,用于视觉字典的更新：
[0096]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特征点撫據=1，经过F = 5帖W后，获得新的特征点集{爲￡;^1，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：= fc mecms((l -如{/品爲立的。把0,其中拘}Li表示新的视觉字典，视觉字典的大小保 持不变；與G {0，]-}是遗忘因子，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，取取=0.16;
[0097] (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。
[0098] 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：
[0099]
[0100] 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
[0101] 此实施例的太阳能热水器，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，餐=Q. 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该太阳能热水器具有实时性好、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。
[0102] 实施例4:如图1-2所示，一种基于视觉特征的太阳能热水器，包括太阳能热水器5 和安装在太阳能热水器5上的监测装置4,监测装置4用于对太阳能热水器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。
[0103] (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