CN102096925A - 一种机动目标的实时闭环预测跟踪方法 - Google Patents
一种机动目标的实时闭环预测跟踪方法 Download PDFInfo
- Publication number
- CN102096925A CN102096925A CN 201010565085 CN201010565085A CN102096925A CN 102096925 A CN102096925 A CN 102096925A CN 201010565085 CN201010565085 CN 201010565085 CN 201010565085 A CN201010565085 A CN 201010565085A CN 102096925 A CN102096925 A CN 102096925A
- Authority
- CN
- China
- Prior art keywords
- target
- real
- pixel
- tracking
- flight path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种机动目标的实时闭环预测跟踪方法,它是一种机动小目标成像跟踪系统中的在线预测即时跟踪的闭环实时自适应处理方法。它主要用于光电成像跟踪、机器人视觉、智能交通管制等领域。该方法可以对捕获到的目标进行提取,建立航迹,并对目标航迹进行滤波及预测下一采集时刻目标的位置,以DSP主处理器加FPGA协处理器的高性能实时在线处理平台,采用可以应对目标机动的精度较高的预测算法进行目标的实时运动状态预测。利用预测结果驱动压电陶瓷电机二维运动台进行过补偿,实现自适应预测跟踪。本发明的优势在于可以克服由于系统延迟造成的跟踪误差变大的缺点,在目标发生机动或暂时遮挡时仍可以持续稳定跟踪。
Description
技术领域
本发明涉及一种目标光电成像跟踪技术,具体指一种机动小目标电视跟踪系统的实时预测即时跟踪的闭环实时自适应处理方法,它可用于对远处机动小目标持续稳定的成像跟踪。
背景技术
实现较高精度的持续、稳定跟踪是机动小目标跟踪应用中的一大热点问题。对这类目标的跟踪通常有探测距离较远(数公里),背景均匀、起伏较小,目标成像的尺寸较小,一般占为3×3左右大小的像素区域,有机动能力,会因人为、程序和其它因素产生机动,机动强度可达到2g,甚至更高。传统的成像跟踪方法通常都是在获取的当前帧图像中提取到目标后,通过检测目标当前帧脱靶量,传递给跟踪伺服控制系统来进行脱靶量补偿。而从曝光积分成像-数字图像的读取-数据处理-数据传输-伺服系统控制到位这一过程一般都要耗时50ms以上,在这一系列的系统延时内目标仍在继续运动,就造成了除滤波残差、控制误差外更大的附加延时跟踪误差。假设空间分辨率为0.4m的情况下,远处目标在像面上占有3×3个像素,运动速度为200m/s,那么50ms内目标将移动25个像素的距离,这样传统的成像跟踪方法将会造成很的大跟踪误差,如果这一时间内目标发生了机动,情况将会更糟,会造成目标丢失,无法持续跟踪。同时,对于大面阵凝视型成像跟踪系统,成像时间加处理时间一般都要高于50ms,所以在系统延迟时间内目标会移动不止25个像素,假定面阵大小为1024×1280,目标划过视场的时间最大约2s。所以系统在线处理的实时性对于稳定、持续跟踪也非常重要。
现有的持续稳定的跟踪的实现方法通常有两种,一种是对已知目标跟踪,这种情况通常目标的轨迹和运动速度已知,不需要在线处理,但这种跟踪系统的应用范围有限;另一种是简单地以当前速度在跟踪中进行过补偿,这种方式的跟踪误差较大,而且当目标发生机动时,系统无法及时响应,影响跟踪的稳定性和持续性。目前具有在线学习、样本训练能力的成像跟踪系统,通常应用于目标监视。由于被监视目标已知,使得目标相对速度较小,对于监视系统无机动或机动较小,目标航迹样本集的训练在这种情况下只被用来做目标航迹规划。综上所述,对于有机动能力的运动速度较快的小目标尚未找到一种较好的实现在线实时自适应持续稳定的跟踪方法。
发明内容
本发明的目的在于提供一种机动小目标电视跟踪系统的实时预测即时跟踪的闭环实时自适应处理方法,通过预测偏移量进行自适应过补偿来降低由于机动发生时系统延时造成的跟踪误差和目标丢失的风险,实现在线实时自适应的持续稳定的跟踪。
本发明方法是在如图2所示的由凝视成像系统,信号实时处理及跟踪伺服控制系统和扫描补偿机构组成的广义闭环跟踪系统来实现的。整个系统采用头部整体扫描机构5,这种扫描机制不用在成像系统前面放置大的摆镜,也不用考虑像旋的问题。头部整体扫描机构5通过逐行扫描粗跟踪使成像系统对准目标所在区域;光学信号通过成像光学系统1成像于焦平面探测器阵列2上实现图像获取;再通过信号实时处理及跟踪伺服控制系统3对获取的图像数据进行处理,捕获并提取目标以得到目标点迹,经由滤波预测得到目标下一帧位置的偏移量,利用其驱动搭载着焦平面探测器阵列2的高精度二维运动台4和头部整体扫描机构5完成预测跟踪,将目标维持在视场中心区域,从而降低系统的延迟对跟踪性能造成的影响,以实现对目标的持续稳定跟踪。
本发明方法的工作流程如图1所示,其实时处理的主要步骤包括:
(1)跟踪系统初始化后,成像跟踪系统进行图像获取,采用带保护带的罗宾逊滤波模板遍历获取的图像进行滤波,对分布均匀、起伏小的背景进行抑制,对小目标增强。
(2)对步骤(1)滤波过后的图像进行自适应的阈值分割,提取过阈值点,并记录亮点的亮度和位置。
(3)可对步骤(1)和(2)得到的亮点进行聚类分析,即进行连通区域归类,计算并统计各个潜目标的中心坐标、亮度、面积,完成目标提取。
(4)可对尚未建立起航迹的目标进行航迹起始算法以建立航迹。
(5)针对步骤(1)~(3)提取的点迹和已建立的航迹进行关联,即点迹航迹关联算法,更新航迹,同时利用目标运动的一致性去除伪目标。
(6)可针对步骤(1)~(5)的检测结果选择系统工作状态。
(7)针对步骤(5)得到的航迹通过滤波估计算法预测下一图像采集时刻目标偏移量,并将预测偏移量与当前帧脱靶量之和发送给跟踪伺服控制单元进行过补偿,完成即时跟踪。
上述步骤采用FPGA+DSP的硬件处理架构来实现。信号实时处理及跟踪伺服控制系统的硬件实现框图如图3所示,它分为成像单元、数字信号处理单元和伺服控制单元。系统启动初始化后,FPGA产生驱动时序控制成像单元进行图像获取,并从成像单元读取图像数据,再对图像进行滤波和阈值分割,得到过阈值目标点,将过域值点的亮度和坐标通过DSP的外部存储器接口(EMIF)发送到DSP做进一步处理,即上述步骤(1)和(2);DSP对过阈值亮点进行聚类分析,并计算各个连通区域的中心和面积,完成目标提取,用提取到的点迹即连通区域中心建立目标航迹、点迹航迹关联和依据运动一致性去除伪目标,再对得到的航迹进行滤波,估计采样周期的偏移量,最后将估计得到的偏移量通过数字信号处理单元的串口发送给伺服控制单元,伺服控制单元控制二维指向转台和压电陶瓷电机双精度二维运动台进行预测跟踪,即上述步骤(3)~(7)。
在步骤(1):FPGA的背景抑制方法采用面积为L×L个像素,保护带半径为R个像素的罗宾逊滤波模板遍历原始图像,通过比较模板中心像素与模板边沿[L2-(2R+1)2]个背景像素的亮度,保留大于背景像素亮度的中心像素的亮度信息。即若中心像素大于背景像素亮度极大值,或小于背景像素亮度极小值,则将该像素的亮度值计为它与背景像素平均亮度之差的模;否则,该像素亮度值计为零。其中,L通常为3~11之间的奇数,R为0~4之间的整数,R<(L-1)/2。当R=0时,即为普通的罗宾逊滤波。这种滤波方法又叫带保护带的罗宾逊滤波算法,利用的是目标亮度通常为区域局部极值的特性,是一种非线性模板滤波方法,可以维护有一定面积的目标,对均匀简单的背景有极强的抑制作用。而且该方法不仅对亮于背景的目标有增强作用,对暗于背景的目标也同样有增强作用,很适合可见光电视跟踪系统。
在步骤(2):对滤波预处理后的图像使用改进的自适应阈值分割算法进行过阈值点提取,即每帧选取步骤(1)得到的非零亮点像素作为阈值估计的样本集,统计其亮点样本集均值μ与标准差δ,则该帧阈值T=A·μ+B·δ,其中,由离线训练学习得到加权系数A=1,B在0.8~3之间取值。最后保留过阈值点作为可能的目标亮点,并记录其坐标。FPGA将处理过后有限的过阈值点及其坐标发送给DSP做进一步处理。
在步骤(3):DSP对FPGA处理过后得到的过阈值点及其坐标组成的离散矩阵采用4邻域连通区域划分方法,将欧式距离为1的点认为是同一目标。即对离散矩阵的每组元素按照其坐标从左到右、从上到下的顺序依次标号,然后从最左最上的元素开始遍历,在其向右向下的元素里寻找其4邻域的连通区域,即与其欧氏距离为1的过阈值点,则这两点所在连通区域等价,标号值等于两者之间较小的标号,如此多次遍历直至不再出现等价连通区域为止。计算标号相同元素的中心坐标和元素个数,中心坐标即为潜目标的中心,元素个数即为潜目标的面积。因为目标有一定面积,所以将面积为1的目标去除,以此消除椒盐噪声的影响。至此,完成了目标提取。
在步骤(4):跟踪开始阶段,采用“2/3”快逻辑航迹起始算法,对提取到的潜目标的点迹在时域上进行累加,即连续扫描n帧图像,若其中有超过m(m>=2)帧图像在同一区域内有目标存在,且m/n>=2/3,则认为新航迹建立成功,并认为满足条件的n值最小的那个目标的跟踪优先级最高。
在步骤(5):对于提取到的目标点迹与已经建立的航迹进行关联,即将第N帧提取到的目标点迹(目标中心)在第N-1帧的目标航迹的半径为ρ(ρ取整数且ρ>=2)个像素的邻域范围内,则认为可能为该目标第N帧的航迹。同时,利用运动一致性去除伪目标,即如果有一半以上目标在此过程中的偏移量差值不超过D(D取0~3的整数)个像素,则认为这些目标为背景奇异点,将整条航迹预以移除。
在步骤(6):在目标航迹建立后,如果连续S(S取整数且S>2)帧没有找到目标,则认为目标丢失,回到跟踪系统初始状态;反之,则利用现有航迹及速度估计直接预测目标偏移量,保持跟踪。这种做法可以在目标发生暂时遮挡时使系统仍可以对目标持续稳定跟踪。
在步骤(7):DSP处理器采用交互式多模型(IMM)滤波估计算法对目标轨迹进行平滑和预测,得到下一采样周期内目标在X方向和Y方向的偏移量(dx,dy),假设检测出的当前帧目标的脱靶量为Δx和Δy,探测器像素大小为a×a,则X方向和Y方向上的补偿量分别为Dx=a×(dx+Δx),Dy=a×(dy+Δy),其中预测过补偿量为a×dx和a×dy。通过数字信号处理单元上的串口将Dx,Dy发送给伺服控制单元控制二维运动台进行即时跟踪。IMM算法是一种非线性估计算法,由模型集和滤波器两部分构成,通过马尔科夫链更新模型概率,最后输出预测偏移量为各个运动模型的混合滤波预测结果的加权和,加权因子为其对应的模型概率。
本方法的优点在于:
1.系统采取利用预测目标偏移量进行过补偿的方法,降低了系统延时造成的影响,保证系统可以可靠、持续稳定地跟踪目标。通过对目标航迹的建立、平滑和预测得出可靠的目标在下一采集周期内的偏移量预测值,利用预测值配合高精度的补偿机制对目标脱靶量进行跟踪过补偿,有效降低了整个系统延时造成的影响。
2.预测跟踪的实现使用压电陶瓷电机二维双精度运动台,补偿更直接,不用进行复杂的坐标变换,不会产生像旋;控制精度高(不大于一个像素的尺度),分辨率高,使得预测跟踪的实施更加有效。而IMM滤波算法的应用,可以在目标发生机动时调整模型概率,减小了滤波残差和预测误差,使得到的预测偏移量更加可靠。
3.在目标发生遮挡时仍可以持续跟踪。当目标由于背景或其他目标遮挡而暂时消失在跟踪系统视场中时,可以通过当前航迹继续进行预测跟踪,当目标再次出现时,可以继续稳定跟踪,防止目标丢失。
4.实时处理采用FPGA与DSP相结合的方式,充分发挥了FPGA的并行处理能力和DSP高运算主频的特性。使用带保护带的罗宾逊滤波,对大的均匀的面目标或背景有很强的抑制作用,并且很适合FPGA的并行处理实现,可以在读取图像的同时实现滤波算法。另外,FPGA只传输过阈值亮点及其坐标组成的离散矩阵给DSP,而不传整帧图像,这大大降低了数据量与中断时间,总线压力小,DSP内核将有更多的时间来处理数据,同时使得在DSP里存储的样本集有限,所以只使用DSP内存便可实现样本集的存储,使数据读写更加高效。
附图说明
图1是预测跟踪系统工作流程图。
图2是运动目标成像跟踪系统示意图;图中:
1-成像光学系统;
2-焦平面探测器阵列;
3-信号实时处理及跟踪伺服控制系统;
4-高精度二维运动台;
5-头部整体扫描机构。
图3是信号实时处理及跟踪伺服控制系统框图。
具体实施方式
根据说明书中所述的实时闭环预测跟踪方法,实现平台如图2所示,平台由成像光学系统1、焦平面探测器阵列2、信号实时处理及跟踪伺服控制系统3、高精度二维运动台4和头部整体扫描机构5等五大部分组成,其中:成像光学系统1采用普通光学望远镜,主镜口径为102mm,焦距为700mm,F数为7,分辨率为1.16″,系统瞬时视场为8urad,凝视视场约为0.47°×0.6°;焦平面探测器阵列采用具有全局快门和开窗功能的可见光面阵CMOS器件,像素数为1024×1280,像素尺寸为6.7um,全帧成像帧频为27fps,开窗成像640×480最大帧频为106fps,峰值响应波长为650nm。
高精度二维运动台4选取压电陶瓷电机双精度二维直线运动台,它由两个独立正交的滑块组成,最大行程为20mm,单轴跟踪速度可达500mm/s,控制精度为0.1um,双轴跟踪速度可达130mm/s,控制精度为2um(小于探测器像素尺寸6.7um),加速度可达20g。
头部整体扫描机构5采用具有较高精度的二维指向转台,它具有方位旋转和俯仰旋转的二维转台,方位旋转角度范围为0~360°,控制精度小于0.05°,俯仰旋转角度范围为0~90°,控制精度小于0.1°,负载达到200kg。
信号实时处理及跟踪伺服控制系统的实现方法如图3所示,由成像单元、FPGA+DSP架构的数字信号处理单元和伺服控制单元构成。其中,数字信号处理单元的FPGA采用Xilinx公司的Spartan-3系列FPGA,有17,280个逻辑单元,内置4个数字时钟管理器(DCM)和432Kbits块RAM,有8个全局时钟接口,外部时钟为40MHz;DSP选择TI公司型号为TMS320C6418的高性能定点DSP处理器,具有16位GPIO接口和32位外部存储器接口(EMIF),外部时钟为50MHz,通过设置倍频因子为12来实现600MHz的CPU运算主频,通过外部FLASH实现DSP程序固化。通过串口实现与伺服控制单元的通讯。在预测跟踪实时处理算法中,选择L=7,R=2,即面积为7×7,保护带半径为R=2的带保护带的罗宾逊滤波模板,对图像数据进行背景抑制、小目标增强,可以维护最大面积为3×3的小目标的信息;在阈值分割算法中,取样本均值的加权系数A=1,标准差的加权系数B=0.8,通阈值分割抑制了一半以上的伪目标点;聚类分析算法中,寻找“十”字形4邻域即欧式距离为1的连通区域,跟踪视频序列中提取出的目标的面积最大为6个像素,最小为1个像素;航迹起始算法采用“2/3”逻辑建立航迹起始时,累积量阈值m=4,则n为4的目标的优先级最高,一般情况下6帧以内可以成功建立航迹;航迹关联区域半径ρ=4,在通过估计背景运动量即利用运动一致性来移除伪目标时,背景点在X、Y两个方向上帧间的偏移量差值不超过D=2;IMM算法的模型集为一个CV模型,一个CA模型,滤波器选用卡尔曼滤波器,滤波误差为亚像素级别。
Claims (8)
1.一种机动目标的实时闭环预测跟踪方法,其特征在于包括以下步骤:
1)跟踪系统初始化后,成像跟踪系统进行图像获取,采用带保护带的罗宾逊滤波模板遍历获取的图像进行滤波,对分布均匀、起伏小的背景进行抑制,对小目标增强;
2)对步骤1滤波过后的图像进行自适应的阈值分割,提取过阈值点,并记录亮点的亮度和位置;
3)对步骤1和2得到的亮点进行聚类分析,即进行连通区域归类,计算并统计各个潜目标的中心坐标、亮度、面积,完成目标提取;
4)对尚未建立起航迹的目标进行航迹起始算法以建立航迹;
5)针对步骤1~3提取的点迹和已建立的航迹进行关联,即点迹航迹关联算法,更新航迹,同时利用目标运动的一致性去除伪目标;
6)针对步骤1~5的检测结果选择系统工作状态;
7)针对步骤5得到的航迹通过滤波估计算法预测下一图像采集时刻目标偏移量,并将预测偏移量与当前帧脱靶量之和发送给跟踪伺服控制单元进行过补偿,完成即时跟踪。
2.根据权利要求1所述的一种机动目标的实时闭环预测跟踪方法,其特征在于:在步骤1中所述的背景抑制方法采用面积为L×L个像素,保护带半径为R个像素的罗宾逊滤波模板遍历原始图像,通过比较模板中心像素与模板边沿[L2-(2R+1)2]个背景像素的亮度,保留大于背景像素的中心像素的亮度信息,即若中心像素大于背景像素亮度极大值,或小于背景像素亮度极小值,则将该像素的亮度值计为它与背景像素平均亮度之差的模;否则,该像素亮度值计为零;其中,L通常为3~11之间的奇数,R为0~4之间的整数且R<(L-1)/2。
3.根据权利要求1所述的一种机动目标的实时闭环预测跟踪方法,其特征在于:在步骤2中所述的对步骤1滤波过后的图像使用改进的自适应的阈值分割算法如下:每帧选取步骤1得到的非零亮点像素作为阈值估计的样本集,统计其亮点样本集均值μ与标准差δ,则该帧阈值T=A·μ+B·δ,其中,加权系数A=1,B在0.8~3之间取值,最后保留过阈值点作为可能的目标亮点,并记录其坐标,FPGA将处理过后有限的过阈值点及其坐标发送给DSP做进一步处理。
4.根据权利要求1所述的一种机动目标的实时闭环预测跟踪方法,其特征在于:在步骤3中所述的对步骤1和2得到的亮点进行聚类分析方法如下,DSP对FPGA处理过后得到的过阈值点及其坐标组成的离散矩阵采用4邻域连通区域划分方法,将欧式距离为1的点认为是同一目标,即对离散矩阵的每组元素按照其坐标从左到右、从上到下的顺序依次标号,然后从最左最上的元素开始遍历,在其向右向下的元素里寻找其4邻域的连通区域,即与其欧氏距离为1的过阈值点,则这两点所在连通区域等价,标号值等于两者之间较小的标号,如此多次遍历直至不再出现等价连通区域为止,计算标号相同元素的中心坐标和元素个数,中心坐标即为潜目标的中心,元素个数即为潜目标的面积,将面积为1的目标去除以消除椒盐噪声的影响,至此,完成目标提取。
5.根据权利要求1所述的一种机动目标的实时闭环预测跟踪方法,其特征在于:在步骤4中所述的对目标建立航迹方法如下:跟踪开始阶段,采用“2/3”快逻辑航迹起始算法,对提取到的潜目标的点迹在时域上进行累加,即连续扫描n帧图像,若其中有超过m>=2帧图像在同一区域内有目标存在,且m/n>=2/3,则认为新航迹建立成功,并认为满足条件的n值最小的那个目标的跟踪优先级最高。
6.根据权利要求1所述的一种机动目标的实时闭环预测跟踪方法,其特征在于,在步骤5中所述的针对步骤1~3提取的点迹和已建立的航迹进行关联的方法是:第N帧提取到的目标中心点迹在第N-1帧的目标航迹的半径为ρ的邻域范围内,则认为可能为该目标第N帧的航迹,其中ρ为像素个数且ρ>=2;同时,利用运动一致性去除伪目标,即如果有一半以上目标在此过程中的偏移量差值不超过D,则认为这些目标为背景奇异点,将整条航迹预以移除,其中的D取值为0~3的整数。
7.根据权利要求1所述的一种机动目标的实时闭环预测跟踪方法,其特征在于,在步骤6中所述的系统工作状态选择方法是:在目标航迹建立后,如果连续S>2帧没有找到目标,则认为目标丢失,回到跟踪系统初始状态;反之,则利用现有航迹及速度估计直接预测目标偏移量,保持跟踪。
8.根据权利要求1所述的一种机动目标的实时闭环预测跟踪方法,其特征在于,在步骤7中所述的预测下一图像采集时刻目标偏移量方法为:DSP处理器采用交互式多模型滤波估计算法对目标轨迹进行平滑和预测,得到下一采样周期内目标在X方向和Y方向的偏移量dx、dy,假设检测出的当前帧目标的脱靶量为Δx和Δy,探测器像素大小为a×a,则X方向和Y方向上的补偿量分别为:
Dx=a×(dx+Δx);
Dy=a×(dy+Δy);
其中预测过补偿量为a×dx和a×dy。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010565085 CN102096925A (zh) | 2010-11-26 | 2010-11-26 | 一种机动目标的实时闭环预测跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010565085 CN102096925A (zh) | 2010-11-26 | 2010-11-26 | 一种机动目标的实时闭环预测跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102096925A true CN102096925A (zh) | 2011-06-15 |
Family
ID=44130002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010565085 Pending CN102096925A (zh) | 2010-11-26 | 2010-11-26 | 一种机动目标的实时闭环预测跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102096925A (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102621542A (zh) * | 2012-04-02 | 2012-08-01 | 中国人民解放军海军航空工程学院 | 基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 |
CN102736079A (zh) * | 2012-07-10 | 2012-10-17 | 中国船舶重工集团公司第七二四研究所 | 一种船舶交通导航系统对穿越桥梁状态下的船舶跟踪实现方法 |
CN102999037A (zh) * | 2011-09-09 | 2013-03-27 | 中国航天科工集团第三研究院第八三五八研究所 | 一种回路带宽虚拟测试方法 |
CN103399498A (zh) * | 2013-07-24 | 2013-11-20 | 中国科学院光电技术研究所 | 一种平稳切换跟踪控制方法 |
CN103838258A (zh) * | 2014-02-26 | 2014-06-04 | 上海微小卫星工程中心 | 一种应用于天基空间目标的自动跟踪方法及系统 |
CN104181938A (zh) * | 2014-08-14 | 2014-12-03 | 哈尔滨工业大学 | 多轴转台控制与显示系统 |
CN104391294A (zh) * | 2014-11-27 | 2015-03-04 | 中国船舶重工集团公司第七二四研究所 | 一种基于连通域特征和模板匹配的雷达点迹关联方法 |
CN105223968A (zh) * | 2015-08-21 | 2016-01-06 | 中国科学院长春光学精密机械与物理研究所 | 基于线性压电马达的空间激光通信终端粗跟踪控制系统 |
CN105354861A (zh) * | 2015-09-28 | 2016-02-24 | 凯迈(洛阳)测控有限公司 | 一种机载光电设备基于目标轨迹预测的跟踪方法 |
CN106444386A (zh) * | 2016-11-29 | 2017-02-22 | 凯迈(洛阳)测控有限公司 | 一种光电设备跟踪脱靶量时滞补偿控制方法 |
CN107578020A (zh) * | 2017-09-13 | 2018-01-12 | 明见(厦门)技术有限公司 | 运动物体检测方法、装置、介质及计算设备 |
CN107643770A (zh) * | 2017-09-15 | 2018-01-30 | 中国科学院长春光学精密机械与物理研究所 | 一种望远镜控制系统及方法 |
CN107657626A (zh) * | 2016-07-25 | 2018-02-02 | 浙江宇视科技有限公司 | 一种运动目标的检测方法和装置 |
CN107703496A (zh) * | 2017-10-12 | 2018-02-16 | 桂林电子科技大学 | 一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法 |
CN108008408A (zh) * | 2017-11-24 | 2018-05-08 | 北京国泰蓝盾科技有限公司 | 搜索跟踪成像方法、装置及系统 |
CN108319918A (zh) * | 2018-02-05 | 2018-07-24 | 中国科学院长春光学精密机械与物理研究所 | 一种嵌入式跟踪器及应用于嵌入式跟踪器的目标跟踪方法 |
CN109493365A (zh) * | 2018-10-11 | 2019-03-19 | 中国科学院上海技术物理研究所 | 一种弱小目标的跟踪方法 |
CN109738163A (zh) * | 2019-01-16 | 2019-05-10 | 中国科学院光电技术研究所 | 一种应用于光电跟踪设备中消像旋脱靶量获取方法 |
CN109856695A (zh) * | 2019-02-26 | 2019-06-07 | 北京遥测技术研究所 | 小体积大视场多通道太赫兹阵列探测成像系统 |
CN111000498A (zh) * | 2019-12-23 | 2020-04-14 | 深圳市无限动力发展有限公司 | 扫地机器人及其清扫区域的设定方法、装置和存储介质 |
CN111405483A (zh) * | 2020-03-10 | 2020-07-10 | 腾讯科技(深圳)有限公司 | 行程轨迹生成方法、装置、电子设备及存储介质 |
CN112444374A (zh) * | 2020-09-18 | 2021-03-05 | 中国人民解放军战略支援部队航天工程大学士官学校 | 一种基于光学跟踪测量设备伺服系统的跟踪评估方法 |
CN112578675A (zh) * | 2021-02-25 | 2021-03-30 | 中国人民解放军国防科技大学 | 一种高动态视觉控制系统及其任务分配与多核实现方法 |
CN112967310A (zh) * | 2021-02-04 | 2021-06-15 | 成都国翼电子技术有限公司 | 一种基于fpga的模板匹配加速方法 |
CN113237439A (zh) * | 2021-04-30 | 2021-08-10 | 长春理工大学 | 一种潜望式激光通信终端的解耦跟踪方法 |
WO2022016550A1 (zh) * | 2020-07-24 | 2022-01-27 | 深圳市大疆创新科技有限公司 | 拍摄方法、拍摄装置及存储介质 |
CN114625179A (zh) * | 2022-03-14 | 2022-06-14 | 中国科学院光电技术研究所 | 一种旋转双棱镜快速平滑跟踪目标方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
CN101620728A (zh) * | 2009-06-19 | 2010-01-06 | 北京航空航天大学 | 一种基于自适应背景预测的红外背景抑制新方法 |
CN101739687A (zh) * | 2009-11-23 | 2010-06-16 | 燕山大学 | 基于协方差矩阵的快速机动目标跟踪方法 |
CN101894097A (zh) * | 2010-07-23 | 2010-11-24 | 哈尔滨工业大学 | 卡尔曼滤波与经验模态分解有机结合的机动目标跟踪方法 |
-
2010
- 2010-11-26 CN CN 201010565085 patent/CN102096925A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
CN101620728A (zh) * | 2009-06-19 | 2010-01-06 | 北京航空航天大学 | 一种基于自适应背景预测的红外背景抑制新方法 |
CN101739687A (zh) * | 2009-11-23 | 2010-06-16 | 燕山大学 | 基于协方差矩阵的快速机动目标跟踪方法 |
CN101894097A (zh) * | 2010-07-23 | 2010-11-24 | 哈尔滨工业大学 | 卡尔曼滤波与经验模态分解有机结合的机动目标跟踪方法 |
Non-Patent Citations (5)
Title |
---|
《中国博士学位论文全文数据库 信息科技辑》 20100715 管志强 红外搜索系统中目标探测与识别技术研究 , 第7期 * |
《电视技术》 20090131 王晨熙等 一种改进的交互多模型算法 第49卷, 第1期 * |
《系统仿真学报》 20020731 王国宏等 杂波环境下基于Hough变换和逻辑的快速航迹起始算法 第14卷, 第7期 * |
《视频技术应用与工程》 20071231 朱瑾瑜等 基于连通性检测的视频监控运动目标提取 第31卷, 第10期 * |
《计算机工程》 20060531 胡越黎等 皮肤显微图像的自适应分割 第32卷, 第10期 * |
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999037A (zh) * | 2011-09-09 | 2013-03-27 | 中国航天科工集团第三研究院第八三五八研究所 | 一种回路带宽虚拟测试方法 |
CN102621542B (zh) * | 2012-04-02 | 2014-10-22 | 中国人民解放军海军航空工程学院 | 基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 |
CN102621542A (zh) * | 2012-04-02 | 2012-08-01 | 中国人民解放军海军航空工程学院 | 基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 |
CN102736079A (zh) * | 2012-07-10 | 2012-10-17 | 中国船舶重工集团公司第七二四研究所 | 一种船舶交通导航系统对穿越桥梁状态下的船舶跟踪实现方法 |
CN103399498A (zh) * | 2013-07-24 | 2013-11-20 | 中国科学院光电技术研究所 | 一种平稳切换跟踪控制方法 |
CN103838258B (zh) * | 2014-02-26 | 2016-05-25 | 上海微小卫星工程中心 | 一种应用于天基空间目标的自动跟踪方法及系统 |
CN103838258A (zh) * | 2014-02-26 | 2014-06-04 | 上海微小卫星工程中心 | 一种应用于天基空间目标的自动跟踪方法及系统 |
CN104181938A (zh) * | 2014-08-14 | 2014-12-03 | 哈尔滨工业大学 | 多轴转台控制与显示系统 |
CN104391294A (zh) * | 2014-11-27 | 2015-03-04 | 中国船舶重工集团公司第七二四研究所 | 一种基于连通域特征和模板匹配的雷达点迹关联方法 |
CN105223968A (zh) * | 2015-08-21 | 2016-01-06 | 中国科学院长春光学精密机械与物理研究所 | 基于线性压电马达的空间激光通信终端粗跟踪控制系统 |
CN105223968B (zh) * | 2015-08-21 | 2017-10-31 | 中国科学院长春光学精密机械与物理研究所 | 基于线性压电马达的空间激光通信终端粗跟踪控制系统 |
CN105354861A (zh) * | 2015-09-28 | 2016-02-24 | 凯迈(洛阳)测控有限公司 | 一种机载光电设备基于目标轨迹预测的跟踪方法 |
CN107657626A (zh) * | 2016-07-25 | 2018-02-02 | 浙江宇视科技有限公司 | 一种运动目标的检测方法和装置 |
CN106444386A (zh) * | 2016-11-29 | 2017-02-22 | 凯迈(洛阳)测控有限公司 | 一种光电设备跟踪脱靶量时滞补偿控制方法 |
CN106444386B (zh) * | 2016-11-29 | 2019-03-12 | 凯迈(洛阳)测控有限公司 | 一种光电设备跟踪脱靶量时滞补偿控制方法 |
CN107578020A (zh) * | 2017-09-13 | 2018-01-12 | 明见(厦门)技术有限公司 | 运动物体检测方法、装置、介质及计算设备 |
CN107643770A (zh) * | 2017-09-15 | 2018-01-30 | 中国科学院长春光学精密机械与物理研究所 | 一种望远镜控制系统及方法 |
CN107703496A (zh) * | 2017-10-12 | 2018-02-16 | 桂林电子科技大学 | 一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法 |
CN108008408A (zh) * | 2017-11-24 | 2018-05-08 | 北京国泰蓝盾科技有限公司 | 搜索跟踪成像方法、装置及系统 |
CN108319918A (zh) * | 2018-02-05 | 2018-07-24 | 中国科学院长春光学精密机械与物理研究所 | 一种嵌入式跟踪器及应用于嵌入式跟踪器的目标跟踪方法 |
CN108319918B (zh) * | 2018-02-05 | 2022-07-08 | 中国科学院长春光学精密机械与物理研究所 | 一种嵌入式跟踪器及应用于嵌入式跟踪器的目标跟踪方法 |
CN109493365A (zh) * | 2018-10-11 | 2019-03-19 | 中国科学院上海技术物理研究所 | 一种弱小目标的跟踪方法 |
CN109738163A (zh) * | 2019-01-16 | 2019-05-10 | 中国科学院光电技术研究所 | 一种应用于光电跟踪设备中消像旋脱靶量获取方法 |
CN109738163B (zh) * | 2019-01-16 | 2020-11-17 | 中国科学院光电技术研究所 | 一种应用于光电跟踪设备中消像旋脱靶量获取方法 |
CN109856695A (zh) * | 2019-02-26 | 2019-06-07 | 北京遥测技术研究所 | 小体积大视场多通道太赫兹阵列探测成像系统 |
CN111000498A (zh) * | 2019-12-23 | 2020-04-14 | 深圳市无限动力发展有限公司 | 扫地机器人及其清扫区域的设定方法、装置和存储介质 |
CN111000498B (zh) * | 2019-12-23 | 2021-10-08 | 深圳市无限动力发展有限公司 | 扫地机器人及其清扫区域的设定方法、装置和存储介质 |
CN111405483B (zh) * | 2020-03-10 | 2021-07-30 | 腾讯科技(深圳)有限公司 | 行程轨迹生成方法、装置、电子设备及存储介质 |
CN111405483A (zh) * | 2020-03-10 | 2020-07-10 | 腾讯科技(深圳)有限公司 | 行程轨迹生成方法、装置、电子设备及存储介质 |
WO2022016550A1 (zh) * | 2020-07-24 | 2022-01-27 | 深圳市大疆创新科技有限公司 | 拍摄方法、拍摄装置及存储介质 |
CN112444374A (zh) * | 2020-09-18 | 2021-03-05 | 中国人民解放军战略支援部队航天工程大学士官学校 | 一种基于光学跟踪测量设备伺服系统的跟踪评估方法 |
CN112444374B (zh) * | 2020-09-18 | 2022-10-11 | 中国人民解放军战略支援部队航天工程大学士官学校 | 一种基于光学跟踪测量设备伺服系统的跟踪评估方法 |
CN112967310A (zh) * | 2021-02-04 | 2021-06-15 | 成都国翼电子技术有限公司 | 一种基于fpga的模板匹配加速方法 |
CN112967310B (zh) * | 2021-02-04 | 2023-07-14 | 成都国翼电子技术有限公司 | 一种基于fpga的模板匹配加速方法 |
CN112578675A (zh) * | 2021-02-25 | 2021-03-30 | 中国人民解放军国防科技大学 | 一种高动态视觉控制系统及其任务分配与多核实现方法 |
CN113237439A (zh) * | 2021-04-30 | 2021-08-10 | 长春理工大学 | 一种潜望式激光通信终端的解耦跟踪方法 |
CN113237439B (zh) * | 2021-04-30 | 2022-07-15 | 长春理工大学 | 一种潜望式激光通信终端的解耦跟踪方法 |
CN114625179A (zh) * | 2022-03-14 | 2022-06-14 | 中国科学院光电技术研究所 | 一种旋转双棱镜快速平滑跟踪目标方法 |
CN114625179B (zh) * | 2022-03-14 | 2023-05-26 | 中国科学院光电技术研究所 | 一种旋转双棱镜快速平滑跟踪目标方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102096925A (zh) | 一种机动目标的实时闭环预测跟踪方法 | |
US9854147B2 (en) | Method and system for performing adaptive image acquisition | |
Shan et al. | SiamFPN: A deep learning method for accurate and real-time maritime ship tracking | |
Huang et al. | Moving object tracking system based on camshift and Kalman filter | |
CN104217428B (zh) | 一种融合特征匹配和数据关联的视频监控多目标跟踪方法 | |
CN110009665A (zh) | 一种遮挡环境下的目标检测跟踪方法 | |
CN107408303A (zh) | 用于对象跟踪的系统和方法 | |
US20160110610A1 (en) | Image processor, image processing method, and computer program | |
CN108776974B (zh) | 一种适用于公共交通场景的实时目标跟踪方法 | |
Nassu et al. | A vision-based approach for rail extraction and its application in a camera pan–tilt control system | |
CN104091349A (zh) | 基于支持向量机的鲁棒目标跟踪方法 | |
CN111445497B (zh) | 一种基于尺度上下文回归的目标追踪与跟随方法 | |
Zhang et al. | Visual tracking using Siamese convolutional neural network with region proposal and domain specific updating | |
Bullinger et al. | Instance flow based online multiple object tracking | |
CN113763427A (zh) | 一种基于从粗到精遮挡处理的多目标跟踪方法 | |
Zhang et al. | Multi-domain collaborative feature representation for robust visual object tracking | |
Kyrkou | C 3 Net: end-to-end deep learning for efficient real-time visual active camera control | |
CN115346155A (zh) | 一种面向视觉特征非连续性干扰的船舶图像航迹提取方法 | |
CN109977796A (zh) | 尾随通行检测方法及装置 | |
Gao et al. | In defense and revival of Bayesian filtering for thermal infrared object tracking | |
Shan et al. | LMD-TShip⋆: vision based large-scale maritime ship tracking benchmark for autonomous navigation applications | |
Wang et al. | Low-slow-small target tracking using relocalization module | |
CN109978779A (zh) | 一种基于核化相关滤波方法的多目标跟踪装置 | |
CN103258433B (zh) | 一种交通视频监控中智能车牌清晰显示方法 | |
Liu et al. | Research on vehicle target detection technology based on UAV aerial images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110615 |