一種圖像識別與跟蹤中目標遮蔽強度的評價方法
【專利摘要】本發明屬于數字圖像分析與理解、模式識別以及機器視覺領域，尤其涉及一種圖像識別與跟蹤中目標遮蔽強度的評價方法，該評價方法用于跟蹤視頻圖像中運動的目標，包括以下步驟，步驟一、確定目標及視頻圖像；步驟二、目標未被遮蔽時，獲取目標模板，將目標模板均勻分割為M乘N個子窗口，目標模板可表示為M×N個子窗口的集合；步驟三、目標被遮蔽時，獲取目標所在位置的圖像作為目標遮蔽模板，將目標遮蔽模板均勻分割為M乘N個子窗口，生成并初始化M×N維的遮蔽強度矩陣，獲得目標跟蹤中遮蔽強度綜合度量指標,本發明建立目標識別與跟蹤的多窗口遮蔽強度評價方法，解決目標跟蹤中環境遮蔽效力的定量評價問題。
【專利說明】
-種圖像識別與跟蹤中目標廬蔽強度的評價方法
技術領域
[0001] 本發明屬于數字圖像分析與理解、模式識別W及機器視覺領域，尤其設及一種圖 像識別與跟蹤中目標遮蔽強度的評價方法。
【背景技術】
[0002] 目標跟蹤一直是數字圖像處理、分析與理解技術中的熱點問題，在軍事、交通、安 防、醫療，航拍等諸多領域具有廣泛的應用前景。然而，由于目標所處環境的復雜性、W及光 電探測器位姿的變化，圖像中感興趣的目標往往處于被遮蔽的狀態，例如都市中被廣告牌 遮擋的行人，熱帶叢林中被樹木遮掩的動物，W及復雜戰場環境下被煙幕、火光等干擾遮蔽 的坦克等。
[0003] 制約遮蔽狀態下目標識別算法性能的一個重要因素，即為數字圖像中目標遮蔽程 度的定量評價問題。目前，國內外學者為解決遮擋目標檢測與識別問題進行了大量研究，其 研究成果中往往都設及到目標遮蔽程度的表征與評價問題，如公開號為CN104063884A，名 稱為"基于運動預測與多模板匹配相結合的圖像目標識別方法"的申請專利中，將目標模板 劃分為"田"字型的4個子模板，并引入中屯、子模板，通過在目標跟蹤下各個子模板不同的匹 配程度，來判斷目標是否受到遮擋，W及受到的遮擋是部分遮擋還是全部遮擋；公開號為 CN105074726A，名稱為"圖像序列中的物體遮擋的確定"的申請專利中，利用目標被部分遮 擋后的圖像，對目標模板進行運動補償，確定遮擋范圍，但W上成果大多針對某類具體情況 進行算法上的改進，并未對數字圖像中目標遮擋的強度給出定量的評價模型，不能有效、全 面的反映遮擋給目標探測與識別帶來的影響；公開號為CN103927716A，名稱為"一種計算目 標跟蹤過程中目標形變或遮擋程度的方法"的申請專利，通過求取一階線性回歸中的目標 原始模型，來計算拉普拉斯誤差矩陣中的非零元素個數所占比例，并W此來描述目標被遮 擋或發生形變的位置和強度，可在一定程度上反映目標特征的丟失程度，但并未有效、全面 的反映遮蔽給目標跟蹤帶來的影響。
[0004] 因此現有技術當中亟需要一種新型的技術方案來解決運一問題。

【發明內容】

[0005] 本發明所要解決的技術問題是:針對現有技術中的不足和缺陷，本發明提供一種 圖像識別與跟蹤中目標遮蔽強度的評價方法，用于跟蹤過程中，目標發生遮擋時，對其進行 檢測和跟蹤的難易程度綜合評價，解決目標跟蹤中環境遮蔽所帶來影響的定量評價問題。
[0006] 為了實現上述目的，本發明的技術方案為提供一種圖像識別與跟蹤中目標遮蔽強 度的評價方法，其特征在于:該評價方法用于跟蹤視頻圖像中運動的目標，包括W下步驟，
[0007] -種圖像識別與跟蹤中目標遮蔽強度的評價方法，其特征在于:該評價方法用于 跟蹤視頻圖像中運動的目標，包括W下步驟，
[000引步驟一、確定目標及視頻圖像；
[0009]步驟二、目標跟蹤初始，目標未被遮蔽，獲取目標所在位置的圖像作為目標模板T， 將目標模板T均勻分割為M乘N個子窗口，目標模板T可表示為M X N個子窗口的集合，其中TiJ 為目標模板子窗口，
[0010] T= {Tij Ii = 1,2,...,1, J = 1,2,...,N}；
[0011] 步驟S、目標被遮蔽時，獲取目標所在位置的圖像作為目標遮蔽模板TwElusiDn，將 目標遮蔽模板Tocclusion均勻分割為M乘N個子窗口，其中為目標遮蔽模板子窗口，
[0012]
[0013]生成并初始化M X N維的遮蔽強度矩陣EDGGlusion，
[0014；
(1)
[0015] 其中元素 eu(i = l，2, . . .，1，j = l，2, . . .，N)表示目標被遮蔽后，目標模板子窗口 TiJ的遮蔽強度量化數值，其獲得方法如下：
[0016] I、依據圖像相似性度量指標，獲得目標模板子窗口 Tu與目標遮蔽模板子窗口 :? 的相似度其中相似性度量指標采用目標模板子窗口 Tu與目標遮蔽模板子窗口 巧.的歸一化互相關系數、目標模板子窗口 Tu與目標遮蔽模板子窗口 4顏色特征相似度、目 標模板子窗口 Tu與目標遮蔽模板子窗口 ^.結構特征相似度中任意一種；
[0017] n、遍歷獲得目標模板帥所有子窗口的相似度由k,，：/；.)，
[001引 W'訊的，目標模板子窗口Tij與目標遮蔽模板子窗口鳥的匹配度,Wg =如
[0019] .v/w(7；.，吟)g [(川，對57'"也.,.?/;,.)進行歸一化處理，使得Mu值介于[0，U之間，歸一化 方法采用最大最小法，如公式(2)所示：
[0020]
(2)
[0021 ]其中.s7w,,,;。(7\ f )、.v/w,,,,,、(7,f)分別為各個目標模板子窗口 Tij與目標遮蔽模板子窗 口的相似度K''二I，2,…，M，/二I，2,…，,..V)中的最小值和最大值；
[0022]虹、設定匹配度闊值〇1，〇2,其中0<〇1<〇2<1，獲取目標模板子窗口 Tu受到遮蔽的 強度eij:
[002；3]當0《Mij<〇i時，表示目標模板子窗口 Tij未被遮蔽，其遮蔽強度Gij = O;
[0024]當〇1《心<〇2時，表示目標模板子窗OTu受到部分遮蔽，其遮蔽強度=
[00劇當j《1時，表示目標模板子窗口 Tu完全被遮蔽，其遮蔽強度eu = 1;
[0026] 步驟四、根據公式(1 )，獲得目標跟蹤中遮蔽強度綜合度量指標，
[0027]
[00%]其中Docclusion為遮蔽強度綜合度量指標。
[0029] 所述步驟二獲取目標模板T采用人工或自動識別算法分出目標區域、背景區域。
[0030] 通過上述設計方案，本發明可W帶來如下有益效果:本發明提供了一種定量評價 目標遮蔽情況的計算方法，根據計算結果得出的遮蔽強度矩陣EwcausiDn可綜合反映跟蹤過 程中，目標各個部分受到的遮蔽程度，得出的遮蔽強度綜合度量指標DwcdusiDn可對目標受到 的遮蔽強度給出整體上的定量評價，兩者結合，可應用于W下方面：
[0031] 1)作為目標識別與跟蹤過程中，圖像目標背景復雜度的定量描述；
[0032] 2)作為TUKTracking-Learning-Detecting，跟蹤-學習-檢測）框架中模板智能學 習、更新的依據；
[0033] 3)應用于科研、生產過程中，為特定環境下某類目標跟蹤算法的具體實施提供先 驗條件；
[0034] 4)應用于戰場環境下，對煙幕、誘巧彈等光電干擾源的遮蔽效果進行評價。
[0035] 綜上所述，本發明建立目標識別與跟蹤的多窗口遮蔽強度評價模型，解決目標跟 蹤中環境遮蔽效力的定量評價問題。
【附圖說明】
[0036] 下面結合【附圖說明】和【具體實施方式】對本發明作進一步說明：
[0037] 圖1為本發明一種圖像識別與跟蹤中目標遮蔽強度的評價方法的目標遮蔽強度的 計算方法流程圖。
[0038] 圖2為本發明一種圖像識別與跟蹤中目標遮蔽強度的評價方法的目標模板T示意 圖。
[0039] 圖3為本發明一種圖像識別與跟蹤中目標遮蔽強度的評價方法的目標遮蔽模板 Tocclusion 不思圖。
[0040] 圖4為本發明的具體實施例一中的車輛目標模板T提取示意圖a。
[0041] 圖5為本發明的具體實施例一中的車輛目標模板T提取示意圖b。
[0042] 圖6為本發明的具體實施例一中的車輛目標遮蔽模板TwcdusiDn提取示意圖a。
[0043] 圖7為本發明的具體實施例一中的車輛目標遮蔽模板TwcdusiDn提取示意圖b。
[0044] 圖8為本發明的具體實施例二中的坦克目標模板T提取示意圖a。
[0045] 圖9為本發明的具體實施例二中的坦克目標模板T提取示意圖b。
[0046] 圖10為本發明的具體實施例二中的坦克目標遮蔽模板Tocclusion提取示意圖a。
[0047] 圖11為本發明的具體實施例二中的坦克目標遮蔽模板Tncclusinn提取示意圖b。
[0048] 圖12為本發明的具體實施例=中的行人目標模板T提取示意圖a。
[0049] 圖13為本發明的具體實施例=中的行人目標模板T提取示意圖b。
[0050] 圖14為本發明的具體實施例=中的行人目標遮蔽模板TdccIusi。。提取示意圖a。
[0051] 圖15為本發明的具體實施例=中的行人目標遮蔽模板TwcdusiDn提取示意圖b。
[0052] 圖中：1 -目標、2-目標模板、3-目標模板子窗口、4-目標遮蔽模板、5-目標遮蔽模板 子窗口、6-遮蔽物。
【具體實施方式】
[0053] 下面結合附圖對本發明作進一步的詳細說明，但本發明的實施和包含范圍不局限 于此。
[0054] 本發明之一種圖像目標跟蹤中的環境遮蔽效力評價模型是一種對圖像中目標跟 蹤難易程度評價的方法。圖像目標跟蹤過程中利用目標模板2在圖像上捜索真實目標1，所 述的目標模板2為事前已經制作好或已經給定的，也可由人工或自動識別算法提取。根據目 標1跟蹤過程中的匹配方法可知，目標模板子窗口 3的用來進行匹配度計算的特征參數可W 是兩幅圖像之間的結構特征相似度、顏色特征相似度、歸一化互相關系數等。
[0055] 如圖1、圖2及圖3所示，本發明提供一種圖像識別與跟蹤中目標遮蔽強度的評價方 法，其特征在于:該評價方法用于跟蹤視頻圖像中運動的目標1，包括W下步驟，
[0056] 步驟一、確定目標1及視頻圖像；
[0057] 步驟二、目標1跟蹤初始，目標1未被遮蔽，獲取目標1所在位置的圖像作為目標模 板2，將目標模板2均勻分割為M乘N個子窗口，目標模板2可表示為M X N個子窗口的集合，其 中Tij為目標模板子窗口 3，
[005引 T={Tu|i = l，2，...，M，j = l，2，...，N};
[0059] 步驟=、目標1經過遮蔽物6，目標1被遮蔽時，獲取目標1所在位置的圖像作為目 標遮蔽模板4，將目標遮蔽模板4均勻分割為M乘N個子窗口，其中4為目標遮蔽模板子窗口 5，
[0060]
[0061 ]生成并初始化M X N維的遮蔽強度矩陣EDGGlusion，
[0062]
(I)
[0063] 其中元素 eu(i = l，2, . . .，1，j = l，2, . . .，N)表示目標1被遮蔽后，目標模板子窗口 3的遮蔽強度量化數值，其獲得方法如下：
[0064] I、依據圖像相似性度量指標，獲得目標模板子窗口 3與目標遮蔽模板子窗口 5的相 似度,7如^,: X )，其中相似性度量指標采用目標模板子窗口 3與目標遮蔽模板子窗刖的歸 一化互相關系數、目標模板子窗口 3與目標遮蔽模板子窗口 5顏色特征相似度、目標模板子 窗口 3與目標遮蔽模板子窗口 5結構特征相似度中任意一種；
[0065] n、遍歷獲得目標模板帥所有子窗口的相似度姑;,如,，-/;,)，
[0066] 目標模板子窗口3與目標遮蔽模板子窗口5的匹配度M二油,如，2");
[0067] I對知所知馬)進行歸一化處理，使得M。值介于[0，1]之間，歸一化 方法采用最大最小法，如公式(2)所示：
[0068]
(2)
[0069] 其中.V/";,,,,,, (7\ f)(r. f)分別為各個目標模板子窗口 3與目標遮蔽模板子窗 刖的相似度知祝(7;, .'/;,)(/=侶，?..，斯J = U…，中的最小值和最大值；
[0070] 虹、設定匹配度闊值〇1，〇2,其中0<〇1<〇2<1，獲取目標模板子窗口 3受到遮蔽的 強度eij:
[0071 ]當0《Mij < Oi時，表示目標模板子窗刖未被遮蔽，其遮蔽強度eij = 0;
[0072] 當〇i《Mij<〇2時，表示目標模板子窗口 3受到部分遮蔽，其遮蔽強度=
[0073] 當化《Mij《1時，表示目標模板子窗刖完全被遮蔽，其遮蔽強度eij = 1;
[0074] 步驟四、根據公式(1)，獲得目標1跟蹤中遮蔽強度綜合度量指標，
[0075]
[0076] 其中Docclusion為遮蔽強度綜合度量指標。
[0077] 所述步驟二獲取目標模板2采用人工或自動識別算法分出目標區域、背景區域，自 動識別算法為通過矩形窗口完整圖像中的目標1部分，提取矩形窗口中的圖像作為目標模 板2。
[007引實施例一
[0079] 結合本
【發明內容】
W及圖1的算法流程圖，本發明之一種圖像目標跟蹤中的環境遮 蔽強度評價方法可作為科研過程中，對目標識別與跟蹤難易程度的定量描述，其具體實施 方式如下：
[0080] 步驟一、如圖4及圖5所示，在跟蹤初始，獲取未受遮擋的車輛目標1所在位置的圖 像作為目標模板2，并將其劃分為4行乘W6列的子窗口集合，
[0081] T={Tu|i = l，2，...，4，j = l，2，...，6};
[0082] 步驟二、在車輛目標1被樹木遮蔽時，提取車輛目標1所在位置的圖像作為目標遮 蔽模板4，并將其劃分為4行乘W6列的子窗口集合
[0083]
[0084] 如圖6及圖7所示，根據
【發明內容】
中所述步驟對各個目標模板子窗口3與目標遮蔽 模板子窗口 5求取其匹配度MiJ;
[0085] 本實施例中子窗口匹配度采用目標模板子窗口 3與目標遮蔽模板子窗口 5的結構 相似度進行表征，計算方法如式(3)所示：
[0086]
(3)
[0087]其中，柄4)，，冷;,?)分別表示兩幅圖像的亮度相似度，對比度相似 度和結構信息相似度的計算因子，計算方法如公式所示：
[008引
[0089]
[0090]
[0091] 其中Ci,C2和C3是為了保證分母不為零而引入的很小的常數，y(Tu)， 佔}，。^)，。^,，^)分別代表目標區域X和待評價相似目標區域y亮度的均值、標準差和 協方差。
[0092] 對說7,.V/h)進行歸一化處理來得到目標模板子窗刖與目標遮蔽模板子窗口 5 的匹配度Mu，使得Mu G [0，1 ]，計算方法如式(4)所示：
[0093]
…
[0094] 其中說7,￥,,。。(7，./，)，，貨化/,,,;,、:(7，.7")分別為各個目標模板子窗口3與目標遮蔽模板 子窗口5的相似巧說T.vW、7;,//;,)(/二I，2，...， 4,- I，2，...，6)中的最小值和最大值；
[0095] 設定匹配度闊值〇1，〇2,按照
【發明內容】
中所述的方法計算出車輛目標1的遮蔽強度 矩陣私。。1。31。。，其中目標遮蔽強度量化值為1的部分表示車輛目標1的該區域受到完全遮蔽， 為0的部分表示車輛目標1的該區域未受到遮蔽；
[0096] 步驟S、根據
【發明內容】
中公式可計算目標遮蔽強度的綜合度量指標Docclusion:
[0097]
[0098] 上述求出的遮蔽強度矩陣Eocclusion反映了圖像識別與跟蹤過程中，環境中樹木對 車輛目標1各部位的遮蔽作用，可綜合反映出該環境下車輛目標1識別與跟蹤失敗的潛在 因素。車輛目標1的遮蔽強度綜合度量指標DwcdUSiDn可定量該環境下評價目標識別與跟蹤的 難易程度。
[0099] 實施例二
[0100] 結合專利
【發明內容】
W及圖1的算法流程圖，本發明之一種圖像目標跟蹤中的環境 遮蔽強度評價方法也可應用于戰場環境下，對煙幕、誘巧彈等光電干擾源的遮蔽效果進行 測試、評價，其【具體實施方式】如下：
[0101 ]步驟一、采集坦克目標1未受到光電干擾時的圖像，如圖8及圖9所示，獲取未受遮 擋的坦克目標1所在位置的圖像作為目標模板2,將其劃分為5行乘W6列的子窗口集合T = {Tij|i = l,2,. . . ,5,j = 1,2,. . . ,6}；
[0102]步驟二、釋放煙幕干擾源，采集坦克目標I受到煙幕遮擋后的圖像，如圖10所示，提 取坦克目標1所在位置的圖像作為目標遮蔽模板4,并將其劃分為5行乘W6列的子模板集 合，
[0103]
[0104] 如圖11所示，接著根據
【發明內容】
中所述步驟對目標模板子窗口 3與目標遮蔽模板 子窗口 5求取其匹配度MiJ;
[0105] 本實施例中子窗口匹配度采用目標模板子窗口 3與目標遮蔽模板子窗口 5的顏色 特征相似度進行表征，計算方法如下所示：
[0106] 1)為降低顏色特征相似度計算的復雜程度，往往需對顏色空間進行量化處理，本 實施例對RGB顏色空間進行量化，將其劃分為64個顏色區間，即圖像的顏色特征可W采用一 個64維的向量h=化i，h2, . . .hk, . . .，h64)進行描述，其中hkG [0,1]表示某種顏色c=(;r，g， b) Ghk在圖像中出現的頻率，根據上述可提取目標模板子窗口 3與目標遮蔽模板子窗口 5的 顏色特征向重h =化1山，...，h64)、/2二(句…
[0107] 2)利用顏色特征向量相交算法，計算目標模板子窗口3與目標遮擋模板子窗口5的 顏色特征相似度，如式(5)所示：
[010 引 (5：)
[0109] 由于求得的顏色特征相似度.v/wk.，r)值介于[0，1 ]之間，故可直接將其作為目標 模板子窗口 3與目標遮蔽模板子窗刖的匹配度Mu，即
[0110] 設定匹配度闊值〇1、〇2,根據子模板匹配度Mu即可計算出坦克目標1的遮蔽強度矩 陣Eocclusion;
[0111] 步驟=、根據
【發明內容】
中公式可計算坦克目標1收到煙幕遮蔽影響的綜合度量指 標：
[0112]
[0113] 上述求出的遮蔽強度矩陣Ewciusi。。反映了某時刻下，煙幕光電干擾對坦克目標1各 部位的遮蔽作用。坦克目標1的遮蔽強度綜合度量指標Dwelusinn可對戰場環境下，某型號煙 幕干擾的光電干擾性能進行定量評價。
[0114] 實施例S
[0115] 結合專利
【發明內容】
W及圖1的算法流程圖，本發明之一種圖像目標跟蹤中的環境 遮蔽強度評價方法也可應用于日常生活中，例如對于視頻安防系統中的行人檢測、識別系 統而言，可W通過分析周圍環境對行人的遮蔽效果，為其目標檢測、識別算法提供先驗條 件，其【具體實施方式】如下：
[0116] 步驟一、采集實驗時行人目標1未受到垃圾桶遮蔽時的圖像，如圖12所示，獲取未 受遮擋的行人目標1所在位置的圖像作為目標模板2,如圖13所示，將其劃分為5行乘W4列 的子窗口集合，T={Tij|i = l，2，...，5J = l，2，...，4};
[0117] 步驟二、行人目標1經過垃圾桶時，采集行人目標1受到垃圾桶遮蔽后的圖像，如圖 14所示，提取行人目標1所在位置的圖像作為目標遮蔽模板4,并將其劃分為5行乘W4列的 子模板集合，
[011 引
[0119] 如圖15所示，接著根據
【發明內容】
中所述步驟對目標模板子窗口 3與目標遮蔽模板 子窗口 5求取其匹配度MiJ;
[0120] 本實施例中子窗口匹配度采用目標模板子窗口 3與目標遮蔽模板子窗口 5的歸一 化互相關系數進行表征，計算方法如式(6)所示：
[0121] V
/ (6)
[0122] 其中，Tu(x，y)和7;,.仁，_F)分別代表目標模板子窗口 3與目標遮蔽模板子窗口 5在 (x，y)處的像素點灰度值，7；.j. (x，y)為目標模板子窗口 3的像素灰度平均值，4 (x，y)為目 標遮蔽模板子窗口 5的像素灰度平均值。
[0123] 由于求得的歸一化互相關系數4；)值介于[-1,1]之間，故需要對其進行歸 一化處理來得到目標模板子窗口 3與目標遮蔽模板子窗口 5的匹配度Mu，使得Mu G [0，1 ]， 計算方法如式(7)所示：
[0124]
(7)
[01巧]其中(nr')，Xma、護巧分別為各個目標模板子窗口 3與目標遮蔽模板子窗口 5的歸一化相關系數!(Z = I，2，".，5，./二I、2，....4)中的最小值和最大值。
[0126] 設定匹配度闊值〇1，〇2,根據子模板匹配度即可計算出行人目標1的遮蔽強度矩陣 Eocclusion O
[0127] 步驟=、根據
【發明內容】
中公式可計算行人目標1收到環境中垃圾桶遮蔽影響的綜 合度量指標：
[012 引
[0129] 上述求出的遮蔽強度矩陣EDCClusiDn反映了某時刻下，環境中遮蔽物6對行人目標1 不同部位的影響程度，可作為行人目標1檢測與識別的先驗條件對目標模板2的學習、改進 進行指導。行人目標1的遮蔽強度綜合度量指標DwcdusiDn可作為安防系統準確檢測真實目標 性能的定量評價。
【主權項】
1. 一種圖像識別與跟蹤中目標遮蔽強度的評價方法，其特征在于：該評價方法用于跟 蹤視頻圖像中運動的目標，包括以下步驟， 步驟一、確定目標及視頻圖像； 步驟二、目標跟蹤初始，目標未被遮蔽，獲取目標所在位置的圖像作為目標模板T，將目 標模板T均勾分割為M乘N個子窗口，目標模板T可表不為MXN個子窗口的集合，其中Tij為目 標模板子窗口， T={Tij|i = l,2,...,M,j = l,2,...,N}; 步驟三、目標被遮蔽時，獲取目標所在位置的圖像作為目標遮蔽模板Tc^luslcin，將目標 遮蔽模板Tcx^lusion均勾分割為M乘N個子窗口，其中$為目標遮蔽模板子窗口，⑴ 其中元素eij(i = l，2, . . .，M, j = l，2, . . .，N)表示目標被遮蔽后，目標模板子窗口Tij的 遮蔽強度量化數值，其獲得方法如下： l、 依據圖像相似性度量指標，獲得目標模板子窗口 Tlj與目標遮蔽模板子窗口 ij的相似 度., ，其中相似性度量指標采用目標模板子窗口 與目標遮蔽模板子窗口 g的歸 一化互相關系數、目標模板子窗口 Tu與目標遮蔽模板子窗口 $顏色特征相似度、目標模板 子窗口 Tu與目標遮蔽模板子窗口 ^結構特征相似度中任意一種； Π、遍歷獲得目標模板T中所有子窗口的相似度目標模板子窗口 1^與目標遮蔽模板子窗口 $的匹配J.S./"也乂)g丨()· 1 ]，對Λ.""([j進行歸一化處理，使得Mij值介于[0，1 ]之間，歸一化方法 采用最大最小法，如公式(2)所示：(2) 其中Λ7_/?;ιηιι, i\7', f j、)分別為各個目標模板子窗口 Tij與目標遮蔽模板子窗口 & 的相似H3的最小值和最大值； m、 設定匹配度閾值〇1，〇2，其中0<〇1<〇2<1，獲取目標模板子窗口 Tlj受到遮蔽的強度 ^ij ： 當0彡Mij <巧時，表示目標模板子窗口 Tij未被遮蔽，其遮蔽強度eij = 0; 當O1 ^Mij <σ2時，表示目標模板子窗口 Tij受到部分遮蔽，其遮蔽強度eij =卜Mij; 當。1時，表示目標模板子窗口 Tlj完全被遮蔽，其遮蔽強度叫=I; 步驟四、根據公式(1 )，獲得目標跟蹤中遮蔽強度綜合度量指標，其中DciccIusicin為遮蔽強度綜合度量指標。2.根據權利要求1所述的一種圖像識別與跟蹤中目標遮蔽強度的評價方法，其特征在 于:所述步驟二獲取目標模板T采用人工或自動識別算法分出目標區域、背景區域。
【文檔編號】G06T7/20GK106023250SQ201610322815
【公開日】2016年10月12日
【申請日】2016年5月16日
【發明人】段錦, 肖博, 祝勇, 葉利梅
【申請人】長春理工大學