专利名称：提高目标图像自动识别与跟踪速度的方法
技术领域：
本发明涉及的是一种用于图像处理技术领域的目标图像处理的方法，具体是一种提高目标图像自动识别与跟踪速度的方法。
背景技术：
图像信号是一种时间上的一维和空间上的二维信号，其数据量庞大，如果受到数据存储容量或者传输带宽的限制，系统需要将图像压缩以减少数据量。同时，高维的数字处理运算形式复杂，因此对算法的效率与速度自然提出了非常高的要求。加之，图像信号的数字化表达显示出其特有的多样性，不同的系统选择不同的方式来表达每一个像素的色彩。系统选择一种数字化表达方法来完成主要的处理工作，同时还要实现几种方式的转换。另外，图像信号又是一个非负的二维随机场。由于在空间上，一般的图像信号不能用任何的解析函数来表达，也不能由典型的信号叠加，研究图像主要采用的是统计方法。目标图像在空间和时间上的量之大，要实现对目标图像的识别和跟踪需要对上述信息量进行庞大且复杂的计算，势必占用CPU大量的运算时间。在许多实际应用领域对目标识别与跟踪过程必须要求系统具有非常高的运算速度。要解决此类问题可以从提高硬件运行速度和优化算法两方面入手。但是前者必然涉及到设备投资成本的增加，同时还要受到集成芯片制造技术的限制，因此优化算法自然成为首选的技术手段。
经对现有技术文献的检索发现，周寿军与张吉庆发表的“一种新型的不变性快速图像识别方法”(《甘肃工业大学学报》2000年第3期)文章提出，采用平面直角坐标系和其相对转化型式极坐标系，利用极角和极值的二重三阶累计量构造出二维的三阶累积量特征集合，并对特征集合进行FFT变换得到频域的特征变换集合，采用神经网络存储相当数量的样本构成训练集，同时对每帧图像抽取30个特征值，实现对目标的识别。虽然，文献已经考虑到图像识别必须向着具有旋转比例不变性、并行、准确、稳定，既涉及图像全局又兼顾图像局部内部相位信息的综合性方向发展，但是该项技术必须依靠不断提炼算法的准确度才能降低三阶相关的起点位置和相关矢量的变化对图像状态矢量变化的影响，同时也必须依靠算法的提炼才能减少训练样本数和数据存储量。因此该技术尚未达到真正意义上的快速识别，更何况提取训练样本的方法在许多实际应用场合是很难实现的，例如实时监控和军事等场合。
发明内容
本发明的目的在于克服现有技术中的不足和缺陷，提供一种提高目标图像自动识别与跟踪速度的方法，使其能够十分简捷、有效地提高目标图像自动识别与快速跟踪的实际效果。
本发明是通过以下技术方案实现的，本发明首次从左上顶坐标开始间隔若干像素点进行对目标图像的跳跃访问，一旦实现对目标的识别，立即转入跟踪计算，否则再次从左上顶下随机选取一个起点坐标进入下一步计算循环。
本发明每次循环均可根据前一计算循环掌握的匹配相似度来调整跳跃访问的跳跃步长，这是基于统计学中的抽样原理，考虑到图像信号的统计意义和图像数据量的庞大，在所有像素中选择一部分而跳过另外一部分像素(如每隔5个像素选择一个像素)，得到的特征和整个图像的特征将相差不大。在精度要求低、计算重复多的地方(图像区域)跳跃访问，而在精度要求高的地方逐一访问，这样做既保证了准确性，又兼顾了速度。因此节约了大量的计算时间而又能够准确快速地识别与跟踪目标。
以下对本发明方法作进一步的说明，具体步骤如下(1)图像识别开始时刻，从左上顶坐标开始每个区域间隔若干像素点进行对目标图像的跳跃访问。
(2)一旦实现对目标的识别，立即转入跟踪计算，随着图像的动态出现，此时对跟踪点附近根据匹配相似度缩小访问步长进行密集访问，而对距离跟踪点相对较远的点则扩大访问步长进行稀疏访问以防目标意外脱离。
(3)对一帧图像跳跃访问扫描下来未识别到目标，立即再次从左上顶下随机选取一个起点坐标进入下一步计算循环程序，重复(1)至(2)的过程。
(4)倘若对连续多帧动态图像跳跃访问下来仍未发现目标，则立即调整相似度指标，并根据前一帧中识别计算中的相似度最小与最大值拉开跳跃步长差距，重复(1)至(2)至(3)的过程。
本发明是一种前所未有的十分简捷的方法，能够十分有效地提高目标图像自动识别与快速跟踪的速度，应用于交通、监控、遥感遥测、军事等很多学科与领域中，既保证了运算的准确性，又兼顾了运算的速度，因此节约了大量的计算时间而又能够准确快速地识别与跟踪目标，是一项非常实用有效的图像处理技术。
具体实施例方式
以下结合本发明方法的内容提供实施例本实施例以高速光电耦合器作为高速图像采集器，最高图像采集率可达60帧/s，图像采集器安装于万向转动装置上接受方位控制驱动，经图像卡与嵌入式硬件系统连接，运用本发明与最新有效识别算法嵌套，实际测试识别与跟踪的计算速度。
装置随高速运动载体(最高时速可达190km/h)运动，从距离目标10km处出发以80～180km/h的不等速度和不同的行进方式(包括直线、曲线、上坡、下坡等行进方式)向目标逼近。
本实施例采用计算程序来实现，具体步骤如下(1)程序开始，首次从左上顶坐标开始每个识别区域间隔5个像素点进行对目标图像的跳跃访问。
(2)当发现目标，立即转入跟踪计算，随着图像的动态出现，对跟踪点附近缩小访问步长(间隔0～2个像素点)进行密集访问，紧紧跟踪锁定目标，而对距离跟踪点相对较远的点则扩大访问步长(间隔7～10个像素点)进行稀疏访问以防目标意外脱离。
(3)对一帧图像跳跃访问扫描下来未识别到目标时，立即再次从左上顶下随机选取一个起点坐标(由随机函数任意选定起始点坐标)进入下一步计算循环程序，重复(1)至(2)的过程。
(4)当连续对多帧动态图像跳跃访问下来未发现目标时，则立即调整相似度指标(将相似度指标从95％降至90％)，并根据前一帧中识别计算中的相似度最小与最大值拉开跳跃步长差距(步长相对为10个像素点与0个像素点)，并根据像素点坐标建立步长变化梯度，重复(1)至(2)至(3)的过程。
经实际测试，嵌套本发明方法比未嵌套本发明方法速度提高20～35％，可见其实用效果十分显著。
权利要求
1.一种提高目标图像自动识别与跟踪速度的方法，其特征在于，首次从左上顶坐标开始间隔若干像素点进行对目标图像的跳跃访问，一旦实现对目标的识别，立即转入跟踪计算，否则再次从左上顶下随机选取一个起点坐标进入下一步计算循环，具体步骤如下(1)图像识别开始时刻，从左上顶坐标开始每个区域间隔若干像素点进行对目标图像的跳跃访问；(2)一旦实现对目标的识别，立即转入跟踪计算，随着图像的动态出现，此时对跟踪点附近根据匹配相似度縮小访问步长进行密集访问，而对距离跟踪点相对较远的点则扩大访问步长进行稀疏访问以防目标意外脱离；(3)对一帧图像跳跃访问扫描下来未识别到目标，立即再次从左上顶下随机选取一个起点坐标进入下一步计算循环程序，重复(1)至(2)的过程；(4)当对连续多帧动态图像跳跃访问下来仍未发现目标，则立即调整相似度指标，并根据前一帧中识别计算中的相似度最小与最大值拉开跳跃步长差距，重复(1)至(2)至(3)的过程。
2.根据权利要求1所述的提高目标图像自动识别与跟踪速度的方法，其特征是，每次循环均根据前一计算循环掌握的匹配相似度来调整跳跃访问的跳跃步长，在精度要求低、计算重复多的图像区域进行跳跃访问，而在精度要求高的地方进行逐一访问。
全文摘要
一种用于图像处理技术领域的提高目标图像自动识别与跟踪速度的方法，首次从左上顶坐标开始间隔若干像素点进行对目标图像的跳跃访问，一旦实现对目标的识别，立即转入跟踪计算，否则再次从左上顶下随机选取一个起点坐标进入下一步计算循环，每次循环均根据前一计算循环掌握的匹配相似度来调整跳跃访问的跳跃步长。本发明在精度要求低、计算重复多的图像区域进行跳跃访问，而在精度要求高的地方进行逐一访问，这样做既保证了准确性，又兼顾了速度。因此节约了大量的计算时间而又能够准确快速地识别与跟踪目标。
文档编号G06K9/62GK1632822SQ20041008927
公开日2005年6月29日 申请日期2004年12月9日 优先权日2004年12月9日
发明者应俊豪, 张秀彬, 吴炯, 孙剑, 王益, 计长安, 曾国辉, 何斌 申请人:上海交通大学