CN108510526A - 一种红外弱小目标稳定跟踪方法及装置 - Google Patents
一种红外弱小目标稳定跟踪方法及装置 Download PDFInfo
- Publication number
- CN108510526A CN108510526A CN201810360639.9A CN201810360639A CN108510526A CN 108510526 A CN108510526 A CN 108510526A CN 201810360639 A CN201810360639 A CN 201810360639A CN 108510526 A CN108510526 A CN 108510526A
- Authority
- CN
- China
- Prior art keywords
- target
- pipeline filter
- frame image
- pipeline
- candidate
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明涉及数据处理技术领域,提供了一种红外弱小目标稳定跟踪方法及装置,该方法包括:S1、在图像的搜索区域内搜索候选目标,搜索到则转步骤S2,否则转步骤S5;S2、对候选目标进行粗筛选,通过则转步骤S3,否则转步骤S5;S3、对候选目标进行目标特征矢量管道滤波,符合管道滤波条件则转步骤S4,无法通过则转步骤S5;S4、判断符合管道滤波条件的候选目标数量是否为1,是则跟踪候选目标位置,并将目标丢失计数清零后转步骤S1对下一帧图像进行搜索,否则转步骤S5;S5、目标丢失计数加1,判断目标丢失计数是否超过预定次数,是则转步骤S1对下一帧图像进行搜索,否则将轨迹外推并转步骤S1继续对当前帧图像进行搜索。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种红外弱小目标稳定跟踪方法及装置。
背景技术
红外成像目标探测技术因实时性好、隐蔽性强以及抗干扰能力强等特点,被广泛应用于精确制导、探测告警等武器装备系统中。
实际应用中,要求探测系统应尽可能发现远距离目标.但此时目标在视场中是以小目标形态出现的,且复杂背景下,尤其是云层的干扰,目标与背景的对比度低,在图像上表现为淹没在复杂背景中的几个像素点。随着目标机动性能的不断提高,对于跟踪算法的鲁棒性、实时性也提出了更高的要求。如能对远距离弱小目标进行稳定跟踪,则对于精确制导,对目标精确打击提供了依据,具有重要意义。
当前国内外公开文献中报道的弱小目标跟踪技术,采用先图像预处理,后利用目标信噪比、目标尺度和目标时空连续性对真假目标进行判断,剔除虚假目标,捕获真实目标。但是当空中存在云层干扰时,跟踪稳定性大大下降。
发明内容
本发明要解决的技术问题在于,针对现有技术中弱小目标检测技术无法有效排除干扰的缺陷,提供了一种红外弱小目标稳定跟踪方法及装置。
为了解决上述技术问题,本发明提供了一种红外弱小目标稳定跟踪方法,包括:
S1、在图像的搜索区域内搜索候选目标,搜索到则转步骤S2;否则转步骤S5;
S2、对候选目标进行粗筛选,通过则转步骤S3,否则转步骤S5;
S3、对候选目标进行目标特征矢量管道滤波,符合管道滤波条件则转步骤S4,无法通过则转步骤S5;
S4、判断符合管道滤波条件的候选目标数量是否为1,是则跟踪候选目标位置,并将目标丢失计数清零后转步骤S1对下一帧图像进行搜索;否则转步骤S5;
S5、目标丢失计数加1,判断目标丢失计数是否超过预定次数,是则转步骤S1对下一帧图像进行搜索,否则将轨迹外推并转步骤S1继续对当前帧图像进行搜索。
可选地,所述步骤S3中对候选目标进行目标特征矢量管道滤波的步骤中,通过用目标的多种特征构成管道进行滤波,其中设当前帧目标特征向量为Xn=(xn1,xn2,…,xnm),n为当前帧图像的时间序列数,其中xn1至xnm分别为候选目标在当前帧图像的m个目标特征,通过以下公式计算:
其中,R为满足管道的标志值,N为选定的与当前帧进行比较的图像帧数,R(i)为当前帧进行第i次比较得到的标志值,i=1,2,…,N,Xn-i为第n-i帧图像的目标特征向量,xnj为当前帧第j个目标特征,x(n-i)j为第n-i帧图像第j个目标特征,aj为第j个目标特征预设的权系数,j=1,2,…,m,且D是预设阈值,当该候选目标的满足管道的标志值R大于等于预设阈值时判断其符合管道滤波条件,否则判断其不符合管道滤波条件。
可选地,所述目标特征选自以下一组目标特征:目标的方位位置、俯仰位置、方位尺寸、俯仰尺寸、面积和平均灰度。
可选地,所述步骤S4中将目标丢失计数清零后转步骤S1对下一帧图像进行搜索时,通过以下公式确定搜索区域:
Sx=Sx0+λ1*x1+λ3*v1;
Sy=Sy0+λ2*x2+λ4*v2
其中,Sx0为跟踪框长度初始值,Sy0为跟踪框宽度初始值,x1,y1分别是目标的方位俯仰尺寸,λ1和λ2是预设的尺寸系数,v1和v2分别是目标的方位俯仰速率,λ3和λ4是预设的速率系数。
可选地,所述步骤S5中转步骤S1对下一帧图像进行搜索时,将搜索区域恢复初始的搜索区域尺寸。
可选地,所述步骤S5中轨迹外推的步骤包括:以丢失计数前目标的位置为中心,根据丢失计数前稳定跟踪记录的方位俯仰角速度轨迹信息,进行轨迹外推,重新确定搜索区域。
可选地,所述步骤S5中目标丢失计数的预定次数根据帧速率确定。
可选地,所述步骤S5中目标丢失计数的预定次数为5~20。
本发明还提供了一种红外弱小目标稳定跟踪装置,包括:
目标搜索单元,用于在图像的搜索区域内检测候选目标,检测到则启动粗筛选单元,否则启动丢失判断单元;
目标粗筛单元,用于对候选目标进行粗筛选,通过则启动管道滤波单元,否则启动丢失判断单元;
管道滤波单元,对候选目标进行目标特征矢量管道滤波,符合管道滤波条件则启动数量判断单元,无法通过则启动丢失判断单元;
数量判断单元,用于判断符合管道滤波条件的候选目标数量是否为1,是则跟踪候选目标位置,并将丢失计数清零后启动目标搜索单元对下一帧图像进行搜索;否则启动丢失判断单元;
丢失判断单元,用于将目标丢失计数加1,并判断目标丢失计数是否超过预定次数,是则启动目标搜索单元对下一帧图像进行搜索,否则将轨迹外推并启动目标搜索单元继续对当前帧图像进行搜索。
可选地,所述管道滤波单元通过用目标的多种特征构成管道进行滤波,其中设当前帧目标特征向量为Xn=(xn1,xn2,…,xnm),n为当前帧图像的时间序列数,其中xn1至xnm分别为候选目标在当前帧图像的m个目标特征,通过以下公式计算:
其中,R为满足管道的标志值,N为选定的与当前帧进行比较的图像帧数,R(i)为当前帧进行第i次比较得到的标志值,i=1,2,…,N,Xn-i为第n-i帧图像的目标特征向量,xnj为当前帧第j个目标特征,x(n-i)j为第n-i帧图像第j个目标特征,aj为第j个目标特征预设的权系数,j=1,2,…,m,且D是预设阈值,当该候选目标的满足管道的标志值R大于等于预设阈值时判断其符合管道滤波条件,否则判断其不符合管道滤波条件。
可选地,所述目标特征选自以下一组目标特征:目标的方位位置、俯仰位置、方位尺寸、俯仰尺寸、面积和平均灰度。
可选地,所述数量判断单元将目标丢失计数清零后启动目标搜索单元对下一帧图像进行搜索时,通过以下公式确定搜索区域:
Sx=Sx0+λ1*x1+λ3*v1;
Sy=Sy0+λ2*x2+λ4*v2
其中,Sx0为跟踪框长度初始值,Sy0为跟踪框宽度初始值,x1,y1分别是目标的方位俯仰尺寸,λ1和λ2是预设的尺寸系数,v1和v2分别是目标的方位俯仰速率,λ3和λ4是预设的速率系数。
可选地,所述丢失判断单元启动目标搜索单元对下一帧图像进行搜索时,将搜索区域恢复初始的搜索区域尺寸。
可选地,所述丢失判断单元执行的轨迹外推的步骤包括:以丢失计数前目标的位置为中心,根据丢失计数前稳定跟踪记录的方位俯仰角速度轨迹信息,进行轨迹外推,重新确定搜索区域。
实施本发明实施例提供的红外弱小目标稳定跟踪方法及装置,至少具有如下有益效果:
1、本发明对通过上述逐级筛选以及对目标丢失的计数,可以提高红外弱小目标跟踪的准确性。
2、本发明通过用目标的多种特征来构成管道进行滤波,从而对干扰源进行排除,其充分利用了目标特性,提高了鲁棒性。
3、本发明采取自适应搜索区域选择方法,既根据分割出的目标方位尺寸和俯仰尺寸获得与目标尺寸自适应的搜索区域,又根据目标的运动速率获得与目标速率相关的搜索区域,随后综合进行计算得到最终的目标搜索区域,并且提供了一套对搜索区域的大小进行调节的规则,提升了分割效果,提高了跟踪的鲁棒性。
4、本发明使用全局轨迹外推方法,采用伺服历史信息,进行轨迹外推,直到满足要求的候选目标个数只有一个,则认为目标离开干扰物,重新进行跟踪,可以有效区分目标和干扰物。
5、本发明中目标丢失计数的预定次数可以根据帧速率确定,且与帧速率呈反比,从而能够在合理地时间内未跟踪到符合条件的目标时,对下一帧图像进行重新捕获,而不至于浪费太多资源进行反复的搜索。
附图说明
图1是本发明实施例一所提供红外弱小目标稳定跟踪方法的流程图;
图2a和2b为管道滤波示意图,其中图2a示意通过管道,图2b示意未通过管道;
图3是本发明实施例六所提供红外弱小目标稳定跟踪装置的示意图。
图中:301:目标搜索单元;302:目标粗筛单元;303:管道滤波单元;304:数量判断单元;305:丢失判断单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
如图1所示,本发明实施例提供的红外弱小目标稳定跟踪方法,可以包括以下步骤:
步骤S101:在图像的搜索区域内检测候选目标;具体地,该步骤中采用自适应阈值分割,将大于阈值的像素分割出来,小于阈值的像素作为背景置为零。随后对分割出来的像素做区域标记,获得候选目标。
步骤S102:判断是否搜索到候选目标,搜索到则转步骤S103;否则转步骤S107;
步骤S103:对候选目标进行粗筛选,通过则转步骤S104,否则转步骤S107;本发明中粗筛选是指当步骤S102搜索到候选目标后,再对候选目标的长宽、面积、亮度等进行判断。当目标为飞机时,其大小和灰度都将位于一定的范围内。当目标面积大于一定阈值,则认为是虚假目标;当目标灰度大于一定阈值,则认为是虚假目标;当目标的长宽比超过一定阈值,则认为是虚假目标,将虚假目标剔除。
步骤S104:对候选目标进行目标特征矢量管道滤波,符合管道滤波条件则转步骤S105,无法通过则转步骤S107;
步骤S105:判断符合管道滤波条件的候选目标数量是否为1,是则转步骤S106,否则转步骤S107;
步骤S106:跟踪候选目标位置,并将目标丢失计数清零后,调取下一帧图像转步骤S101进行搜索;
步骤S107:将目标丢失计数加1,转步骤S108;
步骤S108:判断目标丢失计数是否超过预定次数,是则转步骤S109,否则转步骤S110;
步骤S109:调取下一帧图像转步骤S101进行搜索;
步骤S110:将轨迹外推并转步骤S101继续对当前帧图像进行搜索。
本发明实施例提供的红外弱小目标稳定跟踪方法,采用基于候选目标数目的跟踪策略。首先,在图像的搜索区域内,对目标进行搜索,当搜索出的目标个数为0,则目标丢失计数加1;当分割的目标个数大于0,对候选目标进行粗筛选,如都无法通过粗筛选,则目标丢失计数加1;如通过粗筛选后,符合粗匹配的目标进行管道滤波,如无满足管道滤波的候选目标,则目标丢失计数加1;如经过管道滤波后,只有一个目标符合要求,则进入稳定跟踪状态,直接对其进行位置跟踪;如经过管道滤波后,符合要求的目标数目大于1个或者为0,则目标丢失计数加1。当每次目标丢失计数自增后,对目标丢失计数的值进行判断,当目标丢失计数不大于预设次数时,则进行轨迹外推确定当前帧图像新的搜索区域,再次搜索目标,当目标丢失计数大于预设次数时,则认为目标完全丢失,通过在当前帧进行轨迹外推已经找不到目标了,于是调取下一帧图像重新进行捕获,直至所有帧图像识别完成。
通过上述逐级筛选以及对目标丢失计数的考虑,可以提高红外弱小目标跟踪的准确性。
实施例二
本发明的实施例二在实施例一所提供红外弱小目标稳定跟踪方法的基础上,在步骤S101中对候选目标进行目标特征矢量管道滤波的过程,具体可以通过如下方式实现:
通过用目标的多种特征构成管道进行滤波,其中设当前帧目标特征向量为Xn=(xn1,xn2,…,xnm),n为当前帧图像的时间序列数,其中xn1至xnm分别为候选目标在当前帧图像的m个目标特征,通过以下公式(1)和(2)计算,确定候选目标是否符合管道滤波条件。
其中,R为满足管道的标志值,N为选定的与当前帧进行比较的图像帧数,R(i)为当前帧进行第i次比较得到的标志值,i=1,2,…,N,Xn-i为第n-i帧图像的目标特征向量,xnj为当前帧第j个目标特征,x(n-i)j为第n-i帧图像第j个目标特征,aj为第j个目标特征预设的权系数,j=1,2,…,m,且D是预设阈值,当该候选目标的满足管道的标志值R大于等于预设阈值Kr时判断其符合管道滤波条件,否则判断其不符合管道滤波条件。
如图2a和2b为管道滤波示意图,其中图2a示意通过管道,图2b示意未通过管道。本发明可以选取当前帧图像之前的N帧图像作为管道滤波的比较图像,如图2a和2b中选取N=5帧图像进行比较。计算当前帧图像与第n-i帧图像的目标特征向量差|Xn-Xn-i|,并与预设阈值D进行比较,小于D则将当前帧进行第i次比较得到的标志值R(i)置为1,否则置为0,再将这N=5次比较的标志值求和得到满足管道的标志值R。当标志值R≥Kr时,判定该候选目标符合管道滤波条件,否则不符合管道滤波条件。优选地,预设阈值int()为向下取整函数。例如,当N=5时,Kr=3。
优选地,上述选取的目标特征xn1至xnm可以选自以下一组目标特征:目标的方位位置、俯仰位置、方位尺寸、俯仰尺寸、面积和平均灰度。例如,设当前帧目标特征为Xn=(xn1,xn2,xn3,xn4,xn5,xn6),其中xn1,xn2,xn3,xn4,xn5,xn6分别为目标的方位位置、俯仰位置、方位尺寸、俯仰尺寸、面积和平均灰度,利用上述公式(1)和(2)可以根据试验数据统计取值,其中m=6。本发明并不限于此,还可以采用可以选取的目标特征来构建管道。
本发明针对被跟踪目标在时间和空间上的连续性,采取管道滤波对干扰源进行排除。然而现有文献采取的管道滤波主要对目标的空间位置进行滤波。本发明提供了上述实施例二,其中通过用目标的多种特征来构成管道进行滤波,如此充分利用了目标特性,提高了鲁棒性。
实施例三
本发明还在实施例一或二所提供红外弱小目标稳定跟踪方法的基础上,对搜索区域进行自适应调节。
首先,在初始状态时,设置初始搜索区域对图像进行搜索。初始的搜索框尺寸较大,例如,当图片分辨率为600*500时,初始的搜索区域大小设置为400*400。
随后,当搜索到候选目标,并在步骤S106中将目标丢失计数清零后表示目标进行稳定跟踪状态,因此可以在转步骤S101对下一帧图像进行搜索时,通过以下公式(3)和(4)确定搜索区域:
Sx=Sx0+λ1*x1+λ3*v1; (3)
Sy=Sy0+λ2*x2+λ4*v2 (4)
稳定跟踪状态时的搜索区域又可称为跟踪框。其中,Sx为跟踪框的长度,Sy为跟踪框的宽度,Sx0为预设的跟踪框长度初始值,Sy0为预设的跟踪框宽度初始值,x1,y1分别是目标的方位俯仰尺寸,λ1和λ2是预设的尺寸系数,与实际系统相关,v1和v2分别是目标的方位俯仰速率,λ3和λ4是预设的速率系数,与实际系统相关。λ1和λ2一般取0.5;λ3和λ4一般取0.5。
上述公式(3)和(4)中,既根据分割出的目标方位尺寸和俯仰尺寸,获得与目标尺寸自适应的搜索区域,又根据目标的运动速率,获得与目标速率相关的搜索区域,随后综合进行计算得到最终的目标搜索区域。
在对当前帧图像进行不断的轨迹外推仍然找不大符合全部筛选条件的后续目标时,即目标丢失计数超过预定次数时,分析到当前帧已经较难找到候选目标,因此转至下一帧图像并扩大搜索区域至初始的搜索区域尺寸,从而进行大面积区域的搜索,重新捕获目标。
由于搜索区域的大小决定了目标分割效果和跟踪的抗遮挡能力。当目标搜索区域过大,算法耗时指数增加,同时弱小目标的分割效果较差。当目标搜索区域过小,则抗遮挡能力下降。因此搜索区域选择合适与否,很大程度上决定了跟踪的性能。本发明采取自适应搜索区域选择方法,提升了分割效果,提高了跟踪的鲁棒性。
实施例四
在实施例一至三所提供红外弱小目标稳定跟踪方法的基础上,所述步骤S109中轨迹外推的步骤包括:
以丢失计数前目标的位置为中心,根据丢失计数前稳定跟踪记录的方位俯仰角速度轨迹信息,进行轨迹外推,重新确定搜索区域。该轨迹外推就是让伺服以原来的速度继续运动,从而将丢失计数前目标的位置以该速度和方向继续运动后的位置重新确定为搜索区域的中心,以图形宽高的一半重新确定为搜索区域的半径。
这是因为当搜索区域中进入与目标极为相似的干扰物,此时只用管道滤波很难排除干扰,因此使用全局轨迹外推方法。在目标稳定跟踪过程中,连续记录伺服系统的方位俯仰角速度轨迹,通过管道滤波后,获得的候选目标个数大于一个,则认为受到干扰,采用伺服历史信息,进行轨迹外推,直到满足要求的候选目标个数只有一个,则认为目标离开干扰物,重新进行跟踪。
实施例五
在实施例一至四所提供红外弱小目标稳定跟踪方法的基础上,所述步骤S108中目标丢失计数的预定次数根据帧速率确定。例如,当帧速率为100fps时,将目标丢失计数的预定次数设置为20次,即最长时间0.2s未跟踪到符合条件的目标时,则需要对下一帧图像进行重新捕获。当帧速率为25fps时,将目标丢失计数的预定次数设置为5次,即最长时间0.2s未跟踪到符合条件的目标时,则需要对下一帧图像进行重新捕获。优选地,该目标丢失计数的预定次数为5~20。
实施例六
如图3所示,本发明实施例提供的红外弱小目标稳定跟踪装置,可以包括:目标搜索单元301、目标粗筛单元302、管道滤波单元303、数量判断单元304和丢失判断单元305;
目标搜索单元301,用于在图像的搜索区域内检测候选目标,检测到则启动粗筛选单元302,否则启动丢失判断单元305。该目标搜索单元301执行的操作与前述方法中步骤S101和S102相同,在此不再进行赘述。
目标粗筛单元302,用于对候选目标进行粗筛选,通过则启动管道滤波单元303,否则启动丢失判断单元305。该目标粗筛单元302执行的操作与前述方法中步骤S103相同,在此不再进行赘述。
管道滤波单元303,对候选目标进行目标特征矢量管道滤波,符合管道滤波条件则启动数量判断单元304,无法通过则启动丢失判断单元305。该管道滤波单元303执行的操作与前述方法中步骤S104相同,在此不再进行赘述。
数量判断单元304,用于判断符合管道滤波条件的候选目标数量是否为1,是则跟踪候选目标位置,并将丢失计数清零后启动目标搜索单元对下一帧图像进行搜索;否则启动丢失判断单元305。该数量判断单元304执行的操作与前述方法中步骤S105和S106相同,在此不再进行赘述。
丢失判断单元305,用于将目标丢失计数加1,并判断目标丢失计数是否超过预定次数,是则启动目标搜索单元301对下一帧图像进行搜索,否则将轨迹外推并启动目标搜索单元301继续对当前帧图像进行搜索。该丢失判断单元305执行的操作与前述方法中步骤S107至S110相同,在此不再进行赘述。
另外需要说明的是,本发明实施例提供的红外弱小目标稳定跟踪装置,可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,优选地,本发明的图像信号处理器硬件平台采用TI公司生产的TMS320C6455DSP构建,并采用TMS320C6455DSP专用C语言编程实现,经编译后固化在图像信号处理器硬件上,加电后DSP自动加载程序运行。以软件实现为例,如图3所示,作为一个逻辑意义上的装置,是通过其所在设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种红外弱小目标稳定跟踪方法,其特征在于,包括:
S1、在图像的搜索区域内搜索候选目标,搜索到则转步骤S2;否则转步骤S5;
S2、对候选目标进行粗筛选,通过则转步骤S3,否则转步骤S5;
S3、对候选目标进行目标特征矢量管道滤波,符合管道滤波条件则转步骤S4,无法通过则转步骤S5;
S4、判断符合管道滤波条件的候选目标数量是否为1,是则跟踪候选目标位置,并将目标丢失计数清零后转步骤S1对下一帧图像进行搜索;否则转步骤S5;
S5、目标丢失计数加1,判断目标丢失计数是否超过预定次数,是则转步骤S1对下一帧图像进行搜索,否则将轨迹外推并转步骤S1继续对当前帧图像进行搜索。
2.根据权利要求1所述的方法,其特征在于,所述步骤S3中对候选目标进行目标特征矢量管道滤波的步骤中,通过用目标的多种特征构成管道进行滤波,其中设当前帧目标特征向量为Xn=(xn1,xn2,…,xnm),n为当前帧图像的时间序列数,其中xn1至xnm分别为候选目标在当前帧图像的m个目标特征,通过以下公式计算:
其中,R为满足管道的标志值,N为选定的与当前帧进行比较的图像帧数,R(i)为当前帧进行第i次比较得到的标志值,i=1,2,…,N,Xn-i为第n-i帧图像的目标特征向量,xnj为当前帧第j个目标特征,x(n-i)j为第n-i帧图像第j个目标特征,aj为第j个目标特征预设的权系数,j=1,2,…,m,且D是预设阈值,当该候选目标的满足管道的标志值R大于等于预设阈值时判断其符合管道滤波条件,否则判断其不符合管道滤波条件。
3.根据权利要求2所述的方法,其特征在于,所述目标特征选自以下一组目标特征:目标的方位位置、俯仰位置、方位尺寸、俯仰尺寸、面积和平均灰度。
4.根据权利要求1~3中任一项所述的方法,其特征在于,所述步骤S4中将目标丢失计数清零后转步骤S1对下一帧图像进行搜索时,通过以下公式确定搜索区域:
Sx=Sx0+λ1*x1+λ3*v1;
Sy=Sy0+λ2*x2+λ4*v2
其中,Sx0为跟踪框长度初始值,Sy0为跟踪框宽度初始值,x1,y1分别是目标的方位俯仰尺寸,λ1和λ2是预设的尺寸系数,v1和v2分别是目标的方位俯仰速率,λ3和λ4是预设的速率系数。
5.根据权利要求1~3中任一项所述的方法,其特征在于,所述步骤S5中转步骤S1对下一帧图像进行搜索时,将搜索区域恢复初始的搜索区域尺寸。
6.根据权利要求1~3中任一项所述的方法,其特征在于,所述步骤S5中轨迹外推的步骤包括:
以丢失计数前目标的位置为中心,根据丢失计数前稳定跟踪记录的方位俯仰角速度轨迹信息,进行轨迹外推,重新确定搜索区域。
7.根据权利要求1~3中任一项所述的方法,其特征在于,所述步骤S5中目标丢失计数的预定次数根据帧速率确定。
8.根据权利要求7所述的方法,其特征在于,所述步骤S5中目标丢失计数的预定次数为5~20。
9.一种红外弱小目标稳定跟踪装置,其特征在于,包括:
目标搜索单元,用于在图像的搜索区域内检测候选目标,检测到则启动粗筛选单元,否则启动丢失判断单元;
目标粗筛单元,用于对候选目标进行粗筛选,通过则启动管道滤波单元,否则启动丢失判断单元;
管道滤波单元,对候选目标进行目标特征矢量管道滤波,符合管道滤波条件则启动数量判断单元,无法通过则启动丢失判断单元;
数量判断单元,用于判断符合管道滤波条件的候选目标数量是否为1,是则跟踪候选目标位置,并将丢失计数清零后启动目标搜索单元对下一帧图像进行搜索;否则启动丢失判断单元;
丢失判断单元,用于将目标丢失计数加1,并判断目标丢失计数是否超过预定次数,是则启动目标搜索单元对下一帧图像进行搜索,否则将轨迹外推并启动目标搜索单元继续对当前帧图像进行搜索。
10.根据权利要求9所述的装置,其特征在于,所述管道滤波单元通过用目标的多种特征构成管道进行滤波,其中设当前帧目标特征向量为Xn=(xn1,xn2,…,xnm),n为当前帧图像的时间序列数,其中xn1至xnm分别为候选目标在当前帧图像的m个目标特征,通过以下公式计算:
其中,R为满足管道的标志值,N为选定的与当前帧进行比较的图像帧数,R(i)为当前帧进行第i次比较得到的标志值,i=1,2,…,N,Xn-i为第n-i帧图像的目标特征向量,xnj为当前帧第j个目标特征,x(n-i)j为第n-i帧图像第j个目标特征,aj为第j个目标特征预设的权系数,j=1,2,…,m,且D是预设阈值,当该候选目标的满足管道的标志值R大于等于预设阈值时判断其符合管道滤波条件,否则判断其不符合管道滤波条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810360639.9A CN108510526A (zh) | 2018-04-20 | 2018-04-20 | 一种红外弱小目标稳定跟踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810360639.9A CN108510526A (zh) | 2018-04-20 | 2018-04-20 | 一种红外弱小目标稳定跟踪方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108510526A true CN108510526A (zh) | 2018-09-07 |
Family
ID=63383169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810360639.9A Pending CN108510526A (zh) | 2018-04-20 | 2018-04-20 | 一种红外弱小目标稳定跟踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510526A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109945893A (zh) * | 2019-04-01 | 2019-06-28 | 北京环境特性研究所 | 一种成像仪器校准方法及成像仪器校准系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930072A (zh) * | 2010-07-28 | 2010-12-29 | 重庆大学 | 基于多特征融合的红外弱小运动目标航迹起始方法 |
CN103578103A (zh) * | 2013-09-24 | 2014-02-12 | 北京环境特性研究所 | 基于航姿校正的目标快速搜索方法 |
KR101533925B1 (ko) * | 2014-05-20 | 2015-07-03 | 한양대학교 에리카산학협력단 | 적외선 영상에서 소형 표적 검출 방법 및 그 장치 |
-
2018
- 2018-04-20 CN CN201810360639.9A patent/CN108510526A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930072A (zh) * | 2010-07-28 | 2010-12-29 | 重庆大学 | 基于多特征融合的红外弱小运动目标航迹起始方法 |
CN103578103A (zh) * | 2013-09-24 | 2014-02-12 | 北京环境特性研究所 | 基于航姿校正的目标快速搜索方法 |
KR101533925B1 (ko) * | 2014-05-20 | 2015-07-03 | 한양대학교 에리카산학협력단 | 적외선 영상에서 소형 표적 검출 방법 및 그 장치 |
Non-Patent Citations (2)
Title |
---|
刘靳 等: "基于移动式加权管道滤波的红外弱小目标检测", 《西安电子科技大学学报(自然科学版)》 * |
姚志军: "利用轨迹预测实现深空探测中弱小目标的稳定跟踪", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109945893A (zh) * | 2019-04-01 | 2019-06-28 | 北京环境特性研究所 | 一种成像仪器校准方法及成像仪器校准系统 |
CN109945893B (zh) * | 2019-04-01 | 2020-10-13 | 北京环境特性研究所 | 一种成像仪器校准方法及成像仪器校准系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Golightly et al. | Corner detection and matching for visual tracking during power line inspection | |
CN109344702B (zh) | 基于深度图像和彩色图像的行人检测方法及装置 | |
CN107945215B (zh) | 高精度红外图像跟踪器及一种目标快速跟踪方法 | |
CN114677554A (zh) | 一种基于YOLOv5与Deepsort的统计滤波红外小目标检测跟踪方法 | |
CN109086648A (zh) | 一种融合目标检测和特征匹配的目标跟踪方法 | |
CN115184917B (zh) | 一种融合毫米波雷达与相机的区域目标跟踪方法 | |
CN108960115A (zh) | 基于角点的多方向文本检测方法 | |
CN106504274A (zh) | 一种基于红外摄像头下的视觉跟踪方法及系统 | |
CN112541403B (zh) | 一种利用红外摄像头的室内人员跌倒检测方法 | |
CN106558069A (zh) | 一种基于视频监控下的目标跟踪方法及系统 | |
Jeong et al. | Real‐time generic target tracking for structural displacement monitoring under environmental uncertainties via deep learning | |
CN103995257A (zh) | 目标的探测方法及装置 | |
JP4117073B2 (ja) | 監視装置 | |
CN108510526A (zh) | 一种红外弱小目标稳定跟踪方法及装置 | |
CN114401354A (zh) | 一种面向海上船舶的超视距监控的智能化控制方法及系统 | |
CN109977796A (zh) | 尾随通行检测方法及装置 | |
CN109344685A (zh) | 一种智慧托盘及其智能定位追踪方法 | |
CN116091804B (zh) | 一种基于相邻帧构型匹配的恒星抑制方法 | |
CN110189365A (zh) | 抗遮挡相关滤波跟踪方法 | |
CN113554682B (zh) | 一种基于目标跟踪的安全帽检测方法 | |
CN113591705B (zh) | 巡检机器人仪表识别系统及方法、存储介质 | |
CN115767424A (zh) | 一种基于rss与csi融合的视频定位方法 | |
CN113959341A (zh) | 光学结构位移测量方法、系统及存储介质 | |
JP2000322581A (ja) | 移動物体検知方法 | |
CN108876809A (zh) | 一种基于卡尔曼滤波的tld图像跟踪算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |
|
RJ01 | Rejection of invention patent application after publication |