當(dāng)前位置:首頁(yè) > 消費(fèi)電子 > 消費(fèi)電子
[導(dǎo)讀] 摘要:介紹一種優(yōu)化的快速模板的匹配算法,可實(shí)現(xiàn)目標(biāo)實(shí)時(shí)提取、識(shí)別和跟蹤,并成功應(yīng)用于紅外熱成像跟蹤技術(shù)的研究,解決了復(fù)雜背景條件下目標(biāo)跟蹤穩(wěn)定度差的技術(shù)難點(diǎn)。該算法用Visual C++編寫(xiě),可方便地移植到

     摘要:介紹一種優(yōu)化的快速模板的匹配算法,可實(shí)現(xiàn)目標(biāo)實(shí)時(shí)提取、識(shí)別和跟蹤,并成功應(yīng)用于紅外熱成像跟蹤技術(shù)的研究,解決了復(fù)雜背景條件下目標(biāo)跟蹤穩(wěn)定度差的技術(shù)難點(diǎn)。該算法用Visual C++編寫(xiě),可方便地移植到其它操作平臺(tái)或嵌入式系統(tǒng)。

  紅外熱成像跟蹤技術(shù)是一種被動(dòng)式目標(biāo)檢測(cè)、跟蹤技術(shù),用于對(duì)紅外視頻信號(hào)進(jìn)行目標(biāo)檢測(cè)、提取和跟蹤。對(duì)比度特征鑒別是比較常用的目標(biāo)提取方法。它無(wú)法記憶、識(shí)別目標(biāo)形態(tài)特征,在復(fù)雜背景下提取效果、跟蹤穩(wěn)定性較差。而模板匹配算法以目標(biāo)特征數(shù)據(jù)為模板,在搜索區(qū)域里尋找匹配點(diǎn),即以目標(biāo)形態(tài)特片為判據(jù)實(shí)現(xiàn)目標(biāo)檢索和跟蹤。即便在復(fù)雜背景狀態(tài)下,跟蹤靈敏度和穩(wěn)定度都極高,非常適用于復(fù)雜背景下的目標(biāo)跟蹤。

  模板匹配算法由于計(jì)算量龐大,應(yīng)用成本較高。經(jīng)過(guò)多方優(yōu)化、簡(jiǎn)化后,可用工控機(jī)實(shí)現(xiàn)實(shí)時(shí)模板匹配處理。在沒(méi)有增加成本、耽誤工程進(jìn)度的前提下,增強(qiáng)了復(fù)雜背景下的跟蹤靈敏度和穩(wěn)定度,提高了產(chǎn)品的綜合競(jìng)爭(zhēng)能力。為模板匹配算法的低成本應(yīng)用開(kāi)壁了一條新路。

  本文介紹的模板匹配算法在Windows 2000下用Visual C++編制,可方便地移植到多種操作平臺(tái)。


  1 模板匹配原理

  模板匹配是數(shù)字圖像處理的重要組成部分之一。把不同傳感器或一傳感器在不同時(shí)間、不同成像條件下對(duì)同一景物獲取的兩幅或多幅圖像在空間上對(duì)準(zhǔn),或根據(jù)已知模式到另一幅圖中尋找相應(yīng)模式的處理方法就叫做模板匹配。

  假設(shè)要在搜索區(qū)域中尋找與模板圖像相關(guān)程度最大的位置,可以通過(guò)模板匹配來(lái)計(jì)算兩者的相關(guān)程度。圖1是模板匹配算法的示意圖。假設(shè)模板(b)疊放在搜索圖(a)上平移,模板覆蓋下的部分記作子圖Si,j,其中i,j是這塊子圖的左上角像點(diǎn)在S圖中的坐標(biāo)。從圖1中可得出i,j的取值范圍:1≤i≤K-M+1、1≤j≤L-N+1。

  衡量模板T和子圖Si,j的匹配程度,可用下列兩種測(cè)度:


  或者


     展開(kāi)前一個(gè)式子,有:


 ?。?)式右邊的第三項(xiàng)表示模板的總能量,是一個(gè)常數(shù),與(i,j)無(wú)關(guān)。第一項(xiàng)是模板覆蓋下那塊子圖像的能量,它隨(i,j)位置而緩慢改變。第二項(xiàng)是子圖像和模板的互相關(guān)函數(shù),隨(i,j)變化而迅速改變。模板T和子圖Si,j匹配時(shí)這一項(xiàng)的值最大,因此可用下列相關(guān)函數(shù)來(lái)反應(yīng)匹配程度:


  或者歸一化為:


  2 建立數(shù)學(xué)模型

  2.1計(jì)算公式

  模板匹配算法計(jì)算模板和匹配區(qū)域的相似程度,以最相似位置為匹配點(diǎn)。由于模板需要在匹配區(qū)域上逐次匹配,運(yùn)算量很大。所以選擇匹配公式對(duì)整個(gè)匹配的效率有極大的影響。

  工控機(jī)的數(shù)據(jù)處理能力有限,需要針對(duì)紅外熱成像跟蹤技術(shù)的特點(diǎn)來(lái)簡(jiǎn)化數(shù)學(xué)模型,選定計(jì)算量最小的計(jì)算公式。目標(biāo)跟蹤算法用來(lái)確定目標(biāo)位置,可以用匹配誤差的相對(duì)大小作為目標(biāo)判別的依據(jù),誤差最小的位置就是目標(biāo)位置,需要考慮絕對(duì)相似程度。

  公式(1)~(5)都能夠真實(shí)反應(yīng)模板的相對(duì)匹配程度,選擇計(jì)算量最小、效率最高的公式(1)作為原始數(shù)學(xué)模型。匹配點(diǎn)位置算法完成整個(gè)匹配區(qū)域內(nèi)的小匹配誤差點(diǎn)檢索,表示為公式(6):


  變量K、L為匹配區(qū)域尺寸;M、N為模板尺寸。

  2.2 模板尺寸

  模板尺寸對(duì)系統(tǒng)性能和計(jì)算量的影響不容小覷。模板過(guò)大導(dǎo)致動(dòng)態(tài)特性變差;過(guò)小又會(huì)減少目標(biāo)的特征數(shù)據(jù)量,降低匹配的敏感程度,增大目標(biāo)檢測(cè)難度。實(shí)際操作中,模板尺寸設(shè)置為32×16時(shí)的效果非常理想。

  2.3 匹配區(qū)域

  不同的應(yīng)用環(huán)境下,對(duì)匹配區(qū)域和實(shí)時(shí)性要求也不盡相同。光電探測(cè)設(shè)備需要在視頻圖像采集周期內(nèi)(20ms)完成數(shù)據(jù)實(shí)時(shí)處理。由于目標(biāo)在兩場(chǎng)視頻圖像之間的移動(dòng)量較小、特征變化不大,匹配區(qū)域可以大大縮小。

  匹配區(qū)域太小會(huì)導(dǎo)致目標(biāo)動(dòng)態(tài)特性變差,過(guò)大又會(huì)導(dǎo)致計(jì)算量大幅度增加,具體選擇需要權(quán)衡設(shè)備參數(shù)來(lái)決定。由于CCIR制式視頻信號(hào)是隔行掃描,系統(tǒng)出于實(shí)時(shí)性考慮,數(shù)據(jù)以場(chǎng)為單位處理,導(dǎo)致圖像比例為2:1狀態(tài)。為了保持水平、垂直方向的動(dòng)態(tài)特性一致,圖像匹配區(qū)域也按2:1比例選擇。

  在滿足實(shí)時(shí)性要求的情況下,選擇相對(duì)較大的匹配范圍,可提高設(shè)備的動(dòng)態(tài)特性,從表1實(shí)測(cè)數(shù)據(jù)可以看出,選擇匹配區(qū)域100×50點(diǎn)、模板32×16點(diǎn)時(shí),動(dòng)態(tài)范圍為69×35,時(shí)間消耗為13ms。光電探測(cè)設(shè)備系統(tǒng)目標(biāo)動(dòng)態(tài)特性要求處理區(qū)域不小于40×20點(diǎn)??梢?jiàn)以上選擇可以很好地滿足動(dòng)態(tài)特性和實(shí)時(shí)性要求。

  表1 匹配區(qū)域與完全優(yōu)化處理時(shí)間對(duì)比表

  


  *數(shù)據(jù)測(cè)試平臺(tái)為:PIII933CPU、256MB內(nèi)存、Win2000操作系統(tǒng)

  **數(shù)據(jù)是在加入算法優(yōu)化、模板尺寸為32×16的情況下獲取的。

  3 數(shù)學(xué)模型優(yōu)化方法

  數(shù)學(xué)模型結(jié)合選擇的模板和搜索區(qū)域大小,可以知道模板最佳匹配點(diǎn)計(jì)算公式如下:


  由公式(7)可以看出,程序需要進(jìn)行大量的循環(huán)計(jì)算,整體運(yùn)算量仍然不小,需要進(jìn)一步優(yōu)化,減少處理時(shí)間。運(yùn)用如下優(yōu)化算法進(jìn)一步減少實(shí)際運(yùn)算量。

  3.1 粗精匹配結(jié)合

  觀察實(shí)際模板匹配運(yùn)算結(jié)果可以發(fā)現(xiàn),匹配點(diǎn)附近的匹配誤差迅速下降,有顯區(qū)別于其它位置。針對(duì)這一特點(diǎn),采用粗精匹配結(jié)合的算法迅速鎖定匹配點(diǎn)大致區(qū)域,可大大降低整體匹配次數(shù)。

  具體實(shí)現(xiàn)方法:先跳動(dòng)著隔幾個(gè)點(diǎn)進(jìn)行一次粗匹配,大致框定匹配區(qū)域,然后在附近區(qū)域逐一檢索獲得最佳匹配點(diǎn)。運(yùn)算量可減少到三分之一以下,且目標(biāo)提取效果相當(dāng)好。

  3.2 限制最大匹配誤差

  因?yàn)橹恍枵业阶钚∑ヅ湔`差的位置,不必完整計(jì)算每一位置的絕對(duì)匹配誤差,而以已經(jīng)計(jì)算最小匹配誤差作為最大允許誤差。若計(jì)算誤差大于該最大允許誤差,就肯定不是最佳匹配點(diǎn),可以提前結(jié)束計(jì)算,進(jìn)入下一匹配位置的計(jì)算;如果匹配完成后仍小于最大允許誤差,就用當(dāng)前誤差替換最大允許誤差,并把該點(diǎn)作為潛在的匹配位置記錄下來(lái)。

  匹配點(diǎn)和非匹配點(diǎn)的誤差常常相差2~3個(gè)數(shù)量級(jí)。經(jīng)過(guò)這種處理后,匹配點(diǎn)后剩余的計(jì)算量可以大大降低。

  3.3 亂序匹配

  目標(biāo)出現(xiàn)在匹配區(qū)域中的位置不確定。不固定順序算法可以更快地檢索到匹配區(qū)域,迅速降低最大匹配誤差,減少剩余非匹配點(diǎn)的計(jì)算一,降低整體運(yùn)算量。

  針對(duì)光電探測(cè)設(shè)備的實(shí)際工作情況,在跟蹤狀態(tài)下,目標(biāo)位移角速度和角加速度有限,導(dǎo)致目標(biāo)常處于匹配區(qū)域中心附近。選擇由中心向周?chē)椛淦ヅ涞姆绞叫Ч罾硐搿?/p>

  4 程序樣本

  以下程序樣本綜合使用了上面的優(yōu)化算法,成功應(yīng)用于紅外熱成像跟蹤技術(shù)的原理樣機(jī),達(dá)到了預(yù)期效果。

  該函數(shù)用于圖像模板匹配運(yùn)算,適用于256灰度值的黑白圖像數(shù)據(jù)。

  Deal_With:TemplateMatch(unsigned char* lpSource,LONGlWIDTh,LONG lHeight,unsigned char* lpTemplate,LONG lTemplateWidth,LONG lTemplateHeight,)

  {

  unsigned char* Source; //指向待處理圖像的指針

  unsigned char*Template; //指向模板圖像的指針

  int i,j,m,n; //循環(huán)變量

  unsigned char lMaxWidth,lMaxHeigth,//匹配位置

  unsigned long D; //相似誤差

  unsigned long MaxD; //最大允許相似誤差

  //粗相關(guān)

  MaxD=0x10000000; //約定最大匹配誤差

  for(j=0;j

  for(i=0;i

  D=0;

  Source=(unsigned char *)lpSource+lWidth*j+i;

  Template=(unsigned char *)lpTemplate;

  for(n=0;n

  for(m=0;m

  D+=(*Source++-*Template++)*(*Source++-*Template++);

  Source+=lWidth-lTemplateWidth;

  }

  if(D

  MaxD=D;

  lMaxWidth=i;

  lMaxHeight=j;

  }

  }

  }

  //精相關(guān)

  lMaxWidthExact=lMaxWidth;

  lMaxHeightExact=lMaxHeight;

  for(j=lMaxHeight-2;j<=lMaxHeight+2;j++){

  for(i=lMaxWidth-2;i<=lMaxWidth+2;i++){

  D=0;

  Source=(unsigned char *)lpSource+lWidth*j+i;

  Template=(unsigned char *)lpTemplate;

  for(n=0;n

  for(m=0;m

  D+=(*Source++-*Template++)*(*Source++-*Template++);

  Source+=lWidth-lTemplateWidth;

  }

  if(D

  MaxD=D;

  lMaxWidthExact=i; //x方向最佳匹配點(diǎn)位置

  lMaxHeightExact=j; //y方向最佳匹配點(diǎn)位置

  }

  }

  }

  }


 

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專(zhuān)欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車(chē)的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

倫敦2024年8月29日 /美通社/ -- 英國(guó)汽車(chē)技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車(chē)工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車(chē)。 SODA V工具的開(kāi)發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車(chē) 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來(lái)越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來(lái)越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對(duì)日本游戲市場(chǎng)的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開(kāi)幕式在貴陽(yáng)舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱(chēng),數(shù)字世界的話語(yǔ)權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對(duì)環(huán)境變化,經(jīng)營(yíng)業(yè)績(jī)穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤(rùn)率延續(xù)升勢(shì) 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長(zhǎng) 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競(jìng)爭(zhēng)力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)...

關(guān)鍵字: 通信 BSP 電信運(yùn)營(yíng)商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國(guó)電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場(chǎng) NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡(jiǎn)稱(chēng)"軟通動(dòng)力")與長(zhǎng)三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉
關(guān)閉