CN110133641A - 一种尺度自适应的穿墙成像雷达目标跟踪方法 - Google Patents

Abstract

本发明公开了一种尺度自适应的穿墙成像雷达目标跟踪方法,涉及穿墙雷达技术，特别涉及穿墙雷达的目标跟踪技术。该方法采用时域反投影成像方法，快速得到较高质量的雷达图像；基于CF加权处理的图像增强算法可抑制旁瓣与噪声，提高图像信噪比；采用双轴投影算法获取目标区域后，基于均值漂移的跟踪算法能有效地应对随机性较强的人体目标跟踪；基于图像矩的目标尺度与角度估计方法可以准确计算目标图像尺度与角度，可提高跟踪精度与鲁棒性。本发明具有实时性好，适应性强，跟踪鲁棒性高的优势。

Description

一种尺度自适应的穿墙成像雷达目标跟踪方法

技术领域

本发明涉及穿墙雷达技术，特别涉及穿墙雷达的目标跟踪技术。

背景技术

在陆军和特种作战、反恐营救等领域，需要对隐蔽在建筑等障碍物后的人体目标进行准确实时的检测定位跟踪，为制定安全高效的作战策略或者营救方案提供支持。穿墙成像雷达是一种应用广泛的建筑物透视探测装备，具有测距精度高、穿透能力强、分辨能力高等优点。与传统雷达不同，穿墙成像雷达工作于复杂电磁环境，墙体折射相位畸变、封闭空间多径传播和目标随机运动等都会对目标检测跟踪产生较大影响，隐蔽人体目标稳健跟踪是一项国际难题。

对于穿墙成像雷达隐蔽目标检测跟踪的研究，国内外研究机构已提出诸多解决方法。文献“A new measurement method for through-the-wall detection and trackingof moving targets.Measurement,vol.46,pp.1834-1848,2013.”采用了一种较为简单的成像跟踪方法，即先用一个合适门限过滤掉各帧图像的杂波和噪声，然后提取图像中相对较大的极大值点作为检测结果，最后采用最近邻域关联法的跟踪策略仿真实现了穿墙隐蔽目标跟踪。文献“Multiple extended target tracking for through-wall radars,vol.53,pp.6482–6494,2015.”则采用序列统计恒虚警检测器和联合概率数据关联算法仿真实现了扩展目标的跟踪。然而，以上方法只适用于大孔径穿墙成像雷达，随着对便携性能的需求，小孔径穿墙成像雷达已成为现代穿墙雷达发展的趋势。当雷达孔径受限时，目标图像尺度与角度变化较大，现有的检测跟踪方法性能急剧下降。从公开发表的文献资料来看，目前还没有针对小孔径穿墙成像雷达图像中形状多变的目标进行跟踪的方法。因此，研究一种快速尺度自适应的人体目标跟踪算法具有重要的实际应用价值。

发明内容

本发明所要解决的技术问题：提供一种切实可行的，实时性好的，适用于穿墙成像雷达的人体目标跟踪方法。

本发明所采用的技术方案为：一种尺度自适应的穿墙成像雷达目标跟踪方法，该方法包括以下步骤：

步骤1：穿墙雷达利用M个发射天线、N个接收天线的天线阵列对一层墙体后运动目标进行探测，天线阵列贴墙放置；墙体厚度为d_w，介电常数为ε；首先采用一次对消器滤除静止杂波，然后采用时域反投影方法获得当前探测场景图像I(x,y)；

步骤2：根据像素点处各通道的能量大小计算相干因子(coherence factor,CF)，对步骤1得到的图像I(x,y)进行相干因子加权，经过相干因子加权后的序列图像表示为{I_k(x)},k＝1,2,...,N_f，N_f为序列图像总数；随后将图像归一化进行下一步处理；

步骤3：确定目标区域

步骤3-1：利用膨胀操作确定第一帧图像的局部极大值，仅保留幅值高于噪声门限的极大值点；

步骤3-2：以其中一个极大值点为中心，以理论分辨率为边界,将边界内图像向x轴和y轴投影；

步骤3-3：以极大值点投影到x轴的点为中心，向x轴正、负方向进行搜索直到x轴上的投影值小于设定的阈值，搜索停止点之间的区域为目标x轴区域；

步骤3-4：以极大值点投影到y轴的点为中心，向y轴正、负方向进行搜索直到y轴上的投影值小于设定的阈值，搜索停止点之间的区域为目标y轴区域；

步骤3-5：根据步骤3-3和步骤3-4的计算结果，在原图中确定出一个方形区域；

步骤3-5：方形区域的内切椭圆为当前极大值对应的目标区域，表示目标区域包含的像素点集合，n表示像素点个数；

步骤4：计算目标的特征；

步骤5：更新目标航迹；

步骤6：计算目标尺度角度；

步骤7：更新模型；

对第k-2帧到第帧目标区域的直方图进行加权平均，权重根据相应巴特查里亚系数计算，加权平均后的直方图作为新的目标模型；

重复步骤5-步骤7，依次对每一幅雷达图像每一个目标区域进行处理，完成目标跟踪。

进一步的，所述步骤4的具体方法为：

步骤4-1：假设归一化图像的幅度值可以分成m个区间，计算目标区域的幅度直方图作为目标区域统计特征；

步骤4-2：根据目标区域形状构造协方差矩阵C₀作为目标区域形状特征，椭圆目标区域表示为S₀。

进一步的，所述步骤5的具体方法为：

步骤5-1：将第k-1帧的位置估计作为当前帧的第一个候选目标，设该候选目标区域中心为区域大小为S_k-1，计算候选目标直方图

步骤5-2：计算巴特查里亚系数

步骤5-3：计算每个像素点的权值，对于第i个像素点，其权值为w_i；

步骤5-4：更新位置估计

步骤5-5：判断是否继续迭代；判断相邻两次迭代的位置满足或迭代次数达到预设的最大值，ε表示事先设定的阈值，如果不满足判断条件，将作为新的候选模板，重复步骤5-1～步骤5-4，直到满足判断条件，此时得到的候选模板中心位置作为当前帧图像的均值漂移位置估计其对应的巴特查里亚系数为

进一步的，所述步骤6的具体方法为：

步骤6-1：根据步骤5得到的目标区域S_k-1提取子图像并进行二值化；

步骤6-2：计算子图像零阶矩、一阶矩及二阶矩；

步骤6-3：根据上述图像矩构建协方差矩阵C；

步骤6-4：对协方差矩阵C做奇异值分解；

步骤6-5：根据特征值与特征向量得到修正的协方差矩阵进而得到当前目标区域S_k。

本发明的创新点：提供了一种尺度自适应的穿墙雷达人体目标跟踪算法，可实现小孔径条件下形状变化目标的稳健跟踪。

本发明提供适用于穿墙成像雷达人体目标跟踪算法。采用时域反投影成像方法，快速得到较高质量的雷达图像；基于CF加权处理的图像增强算法可抑制旁瓣与噪声，提高图像信噪比；基于双轴投影的目标区域获取算法能够快速有效地提取出目标区域，为后续目标跟踪做准备；基于均值漂移的跟踪算法能有效地应对随机性较强的人体目标跟踪；基于图像矩的目标尺度与角度估计方法可以准确计算目标图像尺度与角度，可提高跟踪精度与鲁棒性。因此，本发明具有实时性好，适应性强，跟踪鲁棒性高的优势，可以直接应用到穿墙雷达装备中。

附图说明

图1为本实施例的处理流程图；

图2为实验场景；

图3为算法跟踪结果图。

具体实施方式

步骤1：快速成像步骤

探测场景如图2所示，目标位于厚度与相对介电常数分别为d_w和ε的墙体后方，其坐标为T(x_tar,y_tar)。采用时分MIMO(multiple-input-multiple-output)天线阵列，M个发射天线、N个接收天线的天线阵列贴墙放置。对于第i个发射天线和第j个接收天线。发射信号s(t)为步进频连续波信号，对于第i个发射天线和第j个接收天线，得到的回波信号为：

y_ij(t)＝σ_Ts(t-τ_ij)+ψ_ij(^t)

其中σ_T表示目标的反射系数，τ_ij为目标的回波延迟，ψ_ij(t)表示噪声和杂波。

探测区域离散为X×Y个像素点，根据时域反投影(BP)成像算法，对于像素点x_h(x_h,y_h)，

其中I(x_h,y_h)表示像素点x_h(x_h,y_h)的成像，τ_ijh表示像素点x_h(x_h,y_h)对应的时延；对成像区域内所有像素点进行上述操作即可得到图像I(x,y)。

步骤2：图像增强步骤

根据像素点处各通道的能量差异计算相干因子(coherence factor,CF)，对于图像I(x,y)中的第q个像素点，CF的值可表示为CF(x,y)：

其中，为第n个通道成像；

经过CF加权后的序列图像表示为{I_k(x)},k＝1,2,...,N_f，N_f为序列图像总数；

步骤3：目标区域确定步骤

步骤3-1：利用膨胀操作确定第一帧图像的局部极大值，仅保留幅值高于噪声门限的极大值点；

步骤3-2：以其中一个极大值点为中心，以理论分辨率为边界,将边界内图像向x轴和y轴投影；

步骤3-3：以极大值点投影到x轴的点为中心，向x轴正、负方向进行搜索直到x轴上的投影值小于设定的阈值，搜索停止点之间的区域为目标x轴区域；

步骤3-4：以极大值点投影到y轴的点为中心，向y轴正、负方向进行搜索直到y轴上的投影值小于设定的阈值，搜索停止点之间的区域为目标y轴区域；

步骤3-5：根据步骤3-3和步骤3-4的计算结果，在原图中确定出一个方形区域；

步骤3-5：方形区域的内切椭圆为当前极大值对应的目标区域，表示目标区域包含的像素点集合，n表示像素点个数；

步骤4：目标特征提取步骤

步骤4-1：假设归一化图像的幅度值可以分成m个区间，计算目标区域的幅度直方图作为目标区域统计特征，可表示为

其中为像素点对应的幅度区间编号，u＝1,2,...,m为幅度区间索引，δ为Kronecker函数；C为保证成立的归一化常数：

为像素点的权重，k(·)为核函数，采用Epanechnikov核函数为：

步骤4-2：根据目标区域形状构造协方差矩阵C₀作为目标区域形状特征，设椭圆区域半长轴与半短轴分别为a₀与b₀，C₀可表示为：

最终，椭圆形目标区域可表示为

其中为目标区域中心，y为当前位置向量；

步骤5：航迹更新步骤

步骤5-1：将第k-1帧的位置估计y(k-1)作为当前帧的第一个候选目标区域，假设该候选目标区域中心为计算候选目标区域直方图对于每一个区间u：

其中n表示候选目标模板包含的像素点数量，b(x_i)为像素点x_i对应的幅度区间编号，δ为Kronecker函数，C_p是保证成立归一化常量，可以得到：

步骤5-2：计算巴特查里亚系数：

其中，为目标的幅度直方图；

步骤5-3：计算权值，对于第i个像素点，其权值为：

其中，δ为Kronecker函数，b(x_i)为像素点x_i对应的幅度区间编号；

步骤5-4：更新位置估计：

其中g(x)＝-k'(x)并设k(x)的一阶导数在区间x∈[0,∞]除有限点外都存在。

步骤5-5：判断是否继续迭代。判断相邻两次迭代的位置满足或迭代次数达到预设的最大值，ε表示事先设定的阈值，如果不满足判断条件，将作为新的候选模板，重复步骤5-1～步骤5-4，直到满足判断条件，此时得到的候选模板中心位置作为当前帧图像的均值漂移位置估计其对应的巴特查里亚系数为

步骤6：目标尺度角度估计步骤

步骤6-1：根据目标区域S_k-1提取子图像并进行二值化；

步骤6-2：计算图像矩，图像的第(i+j)阶图像矩定义为

计算子图像零阶矩M₀₀、一阶矩M₀₁M₁₀及二阶矩M₂₀M₁₁M₀₂。

步骤6-3：根据上述图像矩构建协方差矩阵C；

步骤6-4：对协方差矩阵C做奇异值分解；

与为奇异值，(u₁₁,u₂₁)^T与(u₁₂,u₂₂)^T为对应的奇异向量。λ₁λ₂与椭圆的长轴与短轴有关，(u₁₁,u₂₁)^T与(u₁₂,u₂₂)^T分别为长轴与短轴的方向。

步骤6-5：根据特征值与特征向量计算目标区域实际形状，得到修正后的协方差矩阵：

其中

第k帧目标区域可表示为：

y为当前位置向量，为步骤5中得到的均值漂移位置；

步骤7：模型更新步骤

对第k-2帧到第k帧目标区域的直方图进行加权平均，权重根据相应巴特查里亚系数计算，加权平均后的直方图作为新的目标模型

分别表示第帧目标图像直方图，分别表示对应帧目标图像巴特查里亚系数，由步骤5-2得到；

重复步骤5-7，依次对每一幅雷达图像每一个目标区域进行处理，完成目标跟踪。

本发明的效果通过以下实验进一步说明：

实验场景：

探测场景如图2所示，利用超宽带穿墙雷达系统探测墙后两个运动人体目标。两个发射天线分别放在(-0.15m,0m)和(0.15m,0m)，四个接收天线放置在(-0.1125m,0m)到(0.1125m,0m)，间距为0.075m。发射天线发射1.6GHz～2.2GHz的步进频率连续波信号，步进间隔为2MHz。墙体厚度为0.25m，雷达贴墙放置。

对于上述所示的穿墙雷达系统探测得到的回波数据，采用本发明的处理方案，得到的跟踪结果如图3所示。由结果可知，在雷达孔径受限时目标图像尺度角度变化较大，本发明可以自适应估计目标形状，保持稳健的目标跟踪。

Claims (4)

1.一种尺度自适应的穿墙成像雷达目标跟踪方法，该方法包括以下步骤：

步骤1：穿墙雷达利用M个发射天线、N个接收天线的天线阵列对一层墙体后运动目标进行探测，天线阵列贴墙放置；墙体厚度为d_w，介电常数为ε；首先采用一次对消器滤除静止杂波，然后采用时域反投影方法获得当前探测场景图像I(x,y)；

步骤2：根据像素点处各通道的能量大小计算相干因子，对步骤1得到的图像I(x,y)进行相干因子加权，经过相干因子加权后的序列图像表示为{I_k(x)},k＝1,2,...,N_f，N_f为序列图像总数；随后将图像归一化进行下一步处理；

步骤3：确定目标区域

步骤3-1：利用膨胀操作确定第一帧图像的局部极大值，仅保留幅值高于噪声门限的极大值点；

步骤3-2：以其中一个极大值点为中心，以理论分辨率为边界,将边界内图像向x轴和y轴投影；

步骤3-3：以极大值点投影到x轴的点为中心，向x轴正、负方向进行搜索直到x轴上的投影值小于设定的阈值，搜索停止点之间的区域为目标x轴区域；

步骤3-4：以极大值点投影到y轴的点为中心，向y轴正、负方向进行搜索直到y轴上的投影值小于设定的阈值，搜索停止点之间的区域为目标y轴区域；

步骤3-5：根据步骤3-3和步骤3-4的计算结果，在原图中确定出一个方形区域；

步骤3-5：方形区域的内切椭圆为当前极大值对应的目标区域，表示目标区域包含的像素点集合，n表示像素点个数；

步骤4：计算目标的特征；

步骤5：更新目标航迹；

步骤6：计算目标尺度角度；

步骤7：更新模型；

对第k-2帧到第k帧目标区域的直方图进行加权平均，权重根据相应巴特查里亚系数计算，加权平均后的直方图作为新的目标模型；

重复步骤5-步骤7，依次对每一幅雷达图像每一个目标区域进行处理，完成目标跟踪。

2.如权利要求1所述的一种尺度自适应的穿墙成像雷达目标跟踪方法,其特征在于所述步骤4的具体方法为：

步骤4-1：假设归一化图像的幅度值可以分成m个区间，计算目标区域的幅度直方图作为目标区域统计特征；

步骤4-2：根据目标区域形状构造协方差矩阵C₀作为目标区域形状特征，椭圆目标区域表示为S₀。

3.如权利要求1所述的一种尺度自适应的穿墙成像雷达目标跟踪方法,其特征在于所述步骤5的具体方法为：

步骤5-1：将第k-1帧的位置估计作为当前帧的第一个候选目标，设该候选目标区域中心为区域大小为S_k-1，计算候选目标直方图

步骤5-2：计算巴特查里亚系数

步骤5-3：计算每个像素点的权值，对于第i个像素点，其权值为w_i；

步骤5-4：更新位置估计

步骤5-5：判断是否继续迭代；判断相邻两次迭代的位置满足或迭代次数达到预设的最大值，ε表示事先设定的阈值，如果不满足判断条件，将作为新的候选模板，重复步骤5-1～步骤5-4，直到满足判断条件，此时得到的候选模板中心位置作为当前帧图像的均值漂移位置估计其对应的巴特查里亚系数为

4.如权利要求1所述的一种尺度自适应的穿墙成像雷达目标跟踪方法,其特征在于所述步骤6的具体方法为：

步骤6-1：根据步骤5得到的目标区域S_k-1提取子图像并进行二值化；

步骤6-2：计算子图像零阶矩、一阶矩及二阶矩；

步骤6-3：根据上述图像矩构建协方差矩阵C；

步骤6-4：对协方差矩阵C做奇异值分解；

步骤6-5：根据特征值与特征向量得到修正的协方差矩阵进而得到当前目标区域S_k。