一种影像辨识追踪方法与流程

本发明涉及一种影像辨识追踪方法，尤其涉及一种辨识速度快且追踪精度高的影像辨识追踪方法。

背景技术：

在现有技术中，应用于侦测人体存在的影像设备多采用建立各式各样的人形样板或模块，并与侦测影像进行比对，来进行人体辨识，但所需影像比对的计算量庞大，需耗费较长时间，影像辨识的速度较慢。

另外，一般对于目标影像的追踪处理作法为先选定欲追踪区块当成下一张影像的追踪输入区块，下一张输入影像以此区块做追踪运算后所输出的区块再当成下下张影像的追踪区块，依此做连续追踪。由于此方法根据追踪算法的不同、于不同条件下可能会出现所追踪到的区块与被追踪物误差变大，所以追踪精度较低。

技术实现要素：

为改善上述影像辨识速度慢及追踪精度低的问题，本发明提供一种影像辨识追踪方法。

上述的影像辨识追踪方法，用于辨识及追踪影像中的第一物体，该影像辨识追踪方法包括：

步骤s1：撷取连续的多个初始影像，并根据该多个初始影像分析得出对应的前景影像，该多个初始影像中包括连续的第一初始影像及第二初始影像；该第一初始影像对应的前景影像为第一前景影像；

步骤s2：对该第一前景影像进行斑点侦测，以确定该第一前景影像内的运动斑点集合及对应于该运动斑点集合的第一矩形边界集合，该第一矩形边界集合内的每一个矩形边界为能够覆盖该运动斑点集合中对应的运动斑点的最小矩形边界；

步骤s3：根据预设的影像面积及非零像素密度要求，过滤该运动斑点集合，以去除光影区域及非第一物体的区域，过滤后的该运动斑点集合定义为感兴趣斑点集合，该感兴趣斑点集合及对应于该感兴趣斑点集合的该第一矩形边界集合处于该第一初始影像的区域为第一过滤区域；

步骤s4：追踪该第一过滤区域的该感兴趣斑点集合以作为该第二初始影像的判断依据，以防止该感兴趣斑点集合被错误地在该第二初始影像辨识追踪的过程中时去除；以及

步骤s5：辨识该第一过滤区域，判断是否具有该第一物体；

其中，于该步骤s4中，追踪该感兴趣斑点集合包括：

步骤s41：计算第一预计区域，该第一初始影像的第一追踪输入区域依据追踪算法计算而得出该第一预计区域，以预计该感兴趣斑点集合处于第二初始影像中的区域，该第一追踪输入区域由该第一初始影像的上一张初始影像提供；以及

步骤s42：计算重叠比例，该重叠比例为第一重叠区域与该第一过滤区域之间的比值，该第一重叠区域为该第一预计区域与该第一过滤区域之间的重叠区域，若该重叠比例大于第一阈值，则将该第一过滤区域作为该第二初始影像的第二追踪输入区域；若否，则将该第一预计区域作为该第二初始影像的该第二追踪输入区域，其中，该第二追踪输入区域用于该第二初始影像下追踪该感兴趣斑点集合。

作为可选的技术方案，于该步骤s41中，该追踪算法为kcf算法。

作为可选的技术方案，该第一阈值的范围为0.6至1。

作为可选的技术方案，该预设的影像面积及非零像素密度要求均依据影像撷取装置的安装位置及解析度而得出，该影像撷取装置用于撷取该第一初始影像及该第二初始影像。

作为可选的技术方案，于步骤s1中，该多个初始影像通过背景建模及去除或者通过连续初始影像消减的方式得到前景影像。

作为可选的技术方案，该第一物体为人体。

作为可选的技术方案，于该步骤s2，在对该第一前景影像进行斑点侦测后，判断是否该第一前景影像内存在该运动斑点集合，若有，则进入该步骤s3；若无，则直接对该第一初始影像进行全面辨识，以辨识是否含有该第一物体。

作为可选的技术方案，该第一前景影像以二进制存储。

作为可选的技术方案，于步骤s41中，若该第一初始影像为该多个初始影像中的第一张初始影像，则定义该第一过滤区域为该第一追踪输入区域或者定义其他初始区域为该第一追踪输入区域。

作为可选的技术方案，于步骤s4后，该第二初始影像经过与该第一初始影像相同的辨识、追踪步骤，产生第二追踪输入区域，以作为第三初始影像的追踪输入区域，其中，该第三初始影像为该第二初始影像的下一张影像。

相比于现有技术，本发明的影像辨识追踪方法在进行每一步的追踪时，都会将第一预计区域与第一过滤区域做比较，确定出第一重叠区域，然后根据第一重叠区域与第一过滤区域之间的比值确定出重叠比例，根据重叠比例来确定下一步追踪的输入区域，从而可以保证，下一步追踪的区域不会与欲追踪的区域越偏越远，如此持续更新下，追踪的精确度可大大提高。并且，通过只对第一过滤区域进行辨识，影像辨识的速度也可大大提高。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1为本发明影像辨识追踪方法的流程图；

图2为本发明影像辨识追踪方法中追踪感兴趣斑点集合的流程图。

具体实施方式

图1为本发明影像辨识追踪方法的流程图。请参阅图1，影像辨识追踪方法100用于辨识及追踪影像中的第一物体，于本实施例中，第一物体可为人，当然，于其他实施例中，第一物体也可为其他待辨识及追踪的物体，例如，猫、汽车等等。

影像辨识追踪方法100包括步骤s1至步骤s4。

步骤s1：撷取连续的多个初始影像，并根据上述多个初始影像进行分析从而得出对应的前景影像。上述多个初始影像中包括连续的第一初始影像及第二初始影像；于本实施例中，采用影像撷取装置(例如为照相设备或者监视设备)来撷取初始影像。实际操作中，第一初始影像和第二初始影像为影像撷取装置撷取的两张连续的影像，例如第一初始影像可为影像撷取装置撷取的第一张影像，第二初始影像可为影像撷取装置撷取的第二张影像。第一初始影像具有前景影像，定义第一初始影像的前景影像为第一前景影像，前述的第一前景影像以二进制存储。于本实施例中，通过背景建模及去除来得到第一前景影像。具体的，首先通过分析连续的初始影像来进行背景建模，例如，可简单地将静止不动或者微动的影像认定为背景，当然，也可通过其它的算法来进行背景设定，再依据上述的背景建模，去除第一初始影像的背景后得出对应的第一前景影像。当然，于其它实施例中，也可通过其它方式来获得第一前景影像，例如，利用时间差相减法将第一初始影像与相邻的初始影像相减后作二进制化处理后也可得到第一前景影像，于这里，前景影像的获取方式并不做限定，只需能够得到前景影像即可。

于前述的步骤s1后，筛选出第一前景影像，可缩小后续需要辨识的范围，而不必再辨识对使用者来说意义不大的背景辨识。

步骤s2：对第一前景影像进行斑点侦测，以确定第一前景影像内的运动斑点集合及对应于运动斑点集合的第一矩形边界集合，第一矩形边界集合内的每一个矩形边界为能够覆盖运动斑点集合中对应的运动斑点的最小矩形边界。进行斑点侦测后，可取得使用者感兴趣的斑点，以进一步地缩小辨识范围。

步骤s3：根据预设的影像面积及像素密度要求，过滤运动斑点集合，以去除光影区域及非第一物体的区域，过滤后的运动斑点集合定义为感兴趣斑点集合，感兴趣斑点集合及对应于该感兴趣斑点集合的该第一矩形边界集合处于第一初始影像的区域为第一过滤区域。在步骤s2的斑点侦测后，使用者取得一个较粗糙的感兴趣范围，而在本步骤s3后，再进行进一步地细化，例如，根据影像撷取装置的安装位置及解析度，来预设合理的影像面积及非零像素密度要求，从而于较粗糙的范围内，再细化出第一过滤区域，如此，需要辨识的范围又可大大减小。

步骤s4：追踪第一过滤区域的感兴趣斑点集合并将追踪结果作为第二初始影像的判断依据，以防止感兴趣斑点集合被错误地在第二初始影像辨识追踪的过程中时去除。在这里，追踪的目的在于：避免待追踪目标(例如代表第一物体的斑点集合)在动作幅度变小甚至静止时而消失于前景影像及感兴趣斑点集合中，防止在前景影像获取时将不活跃的斑点排除掉或者在进行斑点侦测时将其排除掉，从而可保证待追踪目标(例如第一物体)的完整性，例如，进行第二初始影像辨识的过程中即可根据第一初始影像在步骤s4得出的追踪结果，判断相应的前景影像或者辨识结果是否准确、是否合理，从而降低误判的发生。另外，根据第一初始影像在步骤s4得出的追踪结果，在进行第二初始影像辨识追踪时还可判断出的移动物体与出现在第一初始影像中的移动物体是否为同一个物体，例如，可进行判断第二初始影像中出现的人物(假如有人)是否为第一初始影像中出现的人物。

步骤s5：辨识第一过滤区域，判断是否具有第一物体，即影像辨识追踪方法100仅需对第一过滤区域进行影像辨识，如此，影像辨识的范围大大减小，从而辨识速度可大大提高。

图2为本发明影像辨识追踪方法中追踪感兴趣斑点集合的流程图。请参照图2，于步骤s4中，追踪感兴趣斑点集合包括步骤s41及步骤s42。

步骤s41：计算第一预计区域。第一初始影像的第一追踪输入区域依据追踪算法计算而得出第一预计区域，以预计感兴趣斑点集合处于第二初始影像中的区域，第一追踪输入区域由第一初始影像的相邻的初始影像提供。上述的追踪算法例如为kcf(kernelizedcorrelationfilters)算法。

步骤s42：计算重叠比例。此重叠比例为第一重叠区域与第一过滤区域之间的比值，而第一重叠区域为第一预计区域与第一过滤区域之间的重叠区域，若重叠比例大于第一阈值，则将第一过滤区域作为第二初始影像的第二追踪输入区域；若否，则将第一预计区域作为第二初始影像的该第二追踪输入区域，其中，第二追踪输入区域为用于第二初始影像下追踪感兴趣斑点集合。第一阈值的数值端视实际情况而定，例如，于本实施例中，第一阈值的数值范围可为0.6至1，优选的，第一阈值为0.8，即第一预计区域与第一过滤区域由80％以上的部分重叠在一起。

本发明的影像辨识追踪方法100在进行每一步的追踪时，都会将第一预计区域与第一过滤区域做比较，确定出第一重叠区域，然后根据第一重叠区域与第一过滤区域之间的比值确定出重叠比例，再根据重叠比例来确定下一步追踪的输入区域，从而可以保证，下一步追踪的区域不会与欲追踪的区域越偏越远，如此持续更新下，追踪的精确度可大大提高。

于本实施例中，在步骤s2中，在对第一前景影像进行斑点侦测后，判断是否第一前景影像内存在运动斑点集合，若有，则进入该步骤s3；若无，则直接对第一初始影像进行全面辨识，以辨识是否含有第一物体。如此，可于步骤s2中进行初步判断是否存在后续的感兴趣斑点集合，若判断不存在，则进行整张影像的比对。

于本实施例中，在步骤s41中，若第一初始影像为多个初始影像中的第一张初始影像，则定义第一过滤区域为第一追踪输入区域或者定义其他初始区域为第一追踪输入区域。

于本实施例中，在步骤s4后，第二初始影像经过与第一初始影像相同的辨识、追踪步骤，产生第二追踪输入区域，以作为第三初始影像的追踪输入区域，其中，第三初始影像为该第二初始影像的下一张影像。如此，一张初始影像通过上一张初始影像的追踪输入区域设定，从而在持续更新下，还可保证追踪的准确度。

综上所述，本发明的影像辨识追踪方法在进行每一步的追踪时，都会将第一预计区域与第一过滤区域做比较，确定出第一重叠区域，然后根据第一重叠区域与第一过滤区域之间的比值确定出重叠比例，根据重叠比例来确定下一步追踪的输入区域，从而可以保证，下一步追踪的区域不会与欲追踪的区域越偏越远，如此持续更新下，追踪的精确度可大大提高。并且，通过只对第一过滤区域进行辨识，影像辨识的速度也可大大提高。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。