CN110363123A - 水下运动小目标的检测跟踪方法及系统 - Google Patents

水下运动小目标的检测跟踪方法及系统 Download PDF

Info

Publication number
CN110363123A
CN110363123A CN201910595413.1A CN201910595413A CN110363123A CN 110363123 A CN110363123 A CN 110363123A CN 201910595413 A CN201910595413 A CN 201910595413A CN 110363123 A CN110363123 A CN 110363123A
Authority
CN
China
Prior art keywords
imaging
imaging array
array
current time
obtains
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.)
Withdrawn
Application number
CN201910595413.1A
Other languages
English (en)
Inventor
段江涛
陈玄真
李诺
张学磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 3 Research Institute
Original Assignee
CETC 3 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CETC 3 Research Institute filed Critical CETC 3 Research Institute
Priority to CN201910595413.1A priority Critical patent/CN110363123A/zh
Publication of CN110363123A publication Critical patent/CN110363123A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了1一种水下运动小目标的检测跟踪方法及系统，检测跟踪方法包括：步骤S1：对原始的多个连续帧的成像结果分别进行归一化并阈值处理获得多个第一成像矩阵；步骤S2：根据多个第一成像矩阵进行累加后，得到第二成像矩阵；基于第二成像矩阵通过二次阈值处理并结合区域连通性检测，获得第三成像矩阵；步骤S3：根据第三成像矩阵中的图像不变量获得第四成像矩阵，并利用小目标的速度运动特性和目标成像特性于第四成像矩阵中筛选和定位出多个疑似目标点；步骤S4：对多个疑似目标点进行轨迹关联，以排除多个疑似目标点中的伪目标点获得真实目标点。

Description

水下运动小目标的检测跟踪方法及系统
技术领域
本发明涉及一种基于帧和法及图像不变量构造的水下运动小目标检测跟踪方法及系统。
背景技术
蛙人和UUV等是水声探测中典型的“低小慢”(目标强度低、辐射噪声小、移动速度慢)目标，在浅水环境中，由于混响、环境噪声、介质扰动、背景干扰等，其检测和跟踪存在很大的挑战。现有的很多方法基于先检测后跟踪框架，在前后的连续帧图像上检测点作为目标备选或目标假设，之后进行轨迹关联等，但在实际使用中发现，这种方式存在目标假设数量较多或虚警高等问题。
因此急需一种克服上述缺陷的水下运动小目标检测跟踪方法及系统。
发明内容
本发明所要解决的技术问题在于提供一种水下运动小目标的检测跟踪方法，其中，包括：
步骤S1：对原始的多个连续帧的成像结果分别进行归一化并阈值处理获得多个第一成像矩阵；
步骤S2：根据多个所述第一成像矩阵进行累加后，得到第二成像矩阵，基于所述第二成像矩阵通过二次阈值处理并结合区域连通性检测，获得第三成像矩阵；
步骤S3：根据所述第三成像矩阵中的图像不变量获得第四成像矩阵，并利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个疑似目标点；
步骤S4：对多个所述疑似目标点进行轨迹关联，以排除多个所述疑似目标点中的伪目标点，获得真实目标点，从而便于检测和跟踪水下运动所述真实目标点。
上述的检测跟踪方法，其中，于所述步骤S1中还包括：
步骤S11：通过声纳获得所述成像结果；
步骤S12：提取并保存所述成像结果中的绝对强度信息，
步骤S13：对所述绝对强度信息进行归一化获得多个初始成像矩阵；
步骤S14：对多个所述初始成像矩阵进行阈值处理获得多个所述第一成像矩阵。
上述的检测跟踪方法，其中，于所述步骤S2中包括：
步骤S21：将多个所述第一成像矩阵进行叠加，获得所述第二成像矩阵；
步骤S22：对所述第二成像矩阵进行二次阈值处理，并结合区域连通性检测，将所述第二成像矩阵中元素值大于设定阈值或区域面积大于目标典型成像面积的对应元素置零，从而去除固定背景以及与强背景粘连的残余背景，进而获得含有脚印串的所述第三成像矩阵。
上述的检测跟踪方法，其中，于所述步骤S2中包括：
步骤S21'：对所述第二成像矩阵进行二次阈值处理和区域连通性检测，去除固定背景以及与强背景粘连的残余背景；
步骤S22'：再对所述第二成像矩阵去除与强背景不粘连的残余背景孤立点后获得含有脚印串的所述第三成像矩阵。
上述的检测跟踪方法，其中，于所述步骤S3中包括：
步骤S31：根据所述第三成像矩阵中的图像不变量获得所述第四成像矩阵；
步骤S32：利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个所述疑似目标点。
上述的检测跟踪方法，其中，所述第三成像矩阵包括一当前时刻的所述第三成像矩阵及当前时刻之前的上一时刻的一所述第三成像矩阵，于所述步骤S31中包括：
步骤S311：对所述当前时刻第三成像矩阵及所述当前时刻之前时刻的第三成像矩阵原位一一比对获得稀疏化的逻辑矩阵；
步骤S312：根据所述逻辑矩阵及当前时刻的所述第三成像矩阵获得所述第四成像矩阵。
上述的检测跟踪方法，其中，所述第三成像矩阵包括一个当前时刻的所述第三成像矩阵及当前时刻之前多个时刻的多个所述第三成像矩阵，于所述步骤S31中包括：
步骤S311'：对所述当前时刻第三成像矩阵及当前时刻之前的多个时刻的多个所述第三成像矩阵进行相减操作或按位逻辑与操作；
步骤S312'：根据相减操作或按位逻辑与操作后的所述第三成像矩阵及所述第二成像矩阵，获得所述第四成像矩阵。
上述的检测跟踪方法，其中，于所述步骤S4中包括：根据当前时刻的脚印串、多个所述疑似目标点以及当前时刻之后的至少一时刻的脚印串，通过小目标的速度运动特性和目标成像特性进行轨迹关联和轨迹确认以排除多个所述疑似目标点中的伪目标点，获得真实目标点。
本发明还提供了一种水下运动小目标的检测跟踪系统，其中，包括：
第一成像矩阵获得单元：对原始的多个连续帧的成像结果分别进行归一化并阈值处理获得多个第一成像矩阵；
第三成像矩阵获得单元：根据多个所述第一成像矩阵进行累加后，得到第二成像矩阵；基于所述第二成像矩阵通过二次阈值处理并结合区域连通性检测，获得第三成像矩阵，
疑似目标点获得单元：根据所述第三成像矩阵中的图像不变量获得第四成像矩阵，并利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个疑似目标点；
真实目标点获得单元：对多个所述疑似目标点进行轨迹关联，以排除多个所述疑似目标点中的伪目标点，获得真实目标点，从而便于检测和跟踪水下运动所述真实目标点。
上述的检测跟踪系统，其中，所述第一成像矩阵获得单元提取并保存通过声纳获得的所述成像结果中的绝对强度信息，所述第一成像矩阵获得单元对所述绝对强度信息进行归一化获得多个初始成像矩阵并对多个所述初始成像矩阵进行阈值处理获得多个所述第一成像矩阵。
上述的检测跟踪系统，其中，所述第三成像矩阵获得单元包括：
第二成像矩阵获得模块：将多个所述第一成像矩阵进行叠加，获得所述第二成像矩阵；
第三成像矩阵获得模块：对所述第二成像矩阵进行二次阈值处理，并结合区域连通性检测，将所述第二成像矩阵中元素值大于设定阈值或区域面积大于目标典型成像面积的对应元素置零，从而去除固定背景以及与强背景粘连的残余背景，进而获得含有脚印串的所述第三成像矩阵。
上述的检测跟踪系统，其中，所述第三成像矩阵获得单元包括：
第二成像矩阵获得模块：对所述第二成像矩阵进行二次阈值处理和区域连通性检测，去除固定背景以及与强背景粘连的残余背景；
第三成像矩阵获得模块：再对所述第二成像矩阵去除与强背景不粘连的残余背景孤立点后获得含有脚印串的所述第三成像矩阵。
上述的检测跟踪系统，其中，所述疑似目标点获得单元包括：
第四成像矩阵获得模块：根据所述第三成像矩阵中的图像不变量获得第四成像矩阵；
疑似目标点获得模块：利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个所述疑似目标点。
上述的检测跟踪系统，其中，所述第三成像矩阵包括一当前时刻的所述第三成像矩阵及当前时刻之前的上一时刻的一所述第三成像矩阵，第四成像矩阵获得模块对所述当前时刻第三成像矩阵及所述当前时刻之前时刻的第三成像矩阵原位一一比对获得稀疏化的逻辑矩阵，再根据所述逻辑矩阵及当前时刻的所述第三成像矩阵获得所述第四成像矩阵。
上述的检测跟踪系统，其中，所述第三成像矩阵包括一个当前时刻的所述第三成像矩阵及当前时刻之前多个时刻的多个所述第三成像矩阵，所述第四成像矩阵获得模块对所述当前时刻第三成像矩阵及当前时刻之前的多个时刻的多个所述第三成像矩阵进行相减操作或按位逻辑与操作，所述第四成像矩阵获得模块再根据相减操作或按位逻辑与操作后的所述第三成像矩阵及所述第二成像矩阵，获得所述第四成像矩阵。
上述的检测跟踪系统，其中，所述真实目标点获得单元根据所述当前时刻的脚印串、多个所述疑似目标点以及所述当前时刻之后的至少一时刻的脚印串，通过小目标的速度运动特性和目标成像特性进行轨迹关联和轨迹确认以排除多个所述疑似目标点中的伪目标点，获得真实目标点。
本发明针对于现有技术其功效在于：本发明在基于宽带信号的高分辨率成像结果基础上，发明一种基于帧和法及图像不变量进行水下运动小目标检测跟踪的方法，利用阈值处理及帧和累积法巧妙去除目标探测中的嘈杂的固定背景干扰，并构造图像不变量来进行先跟踪、后检测、再跟踪的处理框架，可以有效实现降低虚警，提升水下水下运动小目标检测跟踪的性能。
附图说明
图1为本发明检测跟踪方法的流程图；
图2为图1的分步骤S流程图；
图3为图1的第一实施例的分步骤S流程图；
图4为图1的分步骤S流程图；
图5为图4的第一实施例的分步骤S流程图；
图6为图1的第二实施例的分步骤S流程图；
图7为图4的第二实施例的分步骤S流程图；
图8为本发明检测跟踪系统的结构示意图。
其中，附图标记：
第一成像矩阵获得单元11
第三成像矩阵获得单元12
第二成像矩阵获得模块121
第三成像矩阵获得模块122
疑似目标点获得单元13
第四成像矩阵获得模块131
疑似目标点获得模块132
真实目标点获得单元14
具体实施方式
兹有关本发明的详细内容及技术说明，现以一较佳实施例来作进一步说明，但不应被解释为对本发明实施的限制。
请参照图1-图5，图1为本发明检测跟踪方法的流程图；图2为图1的分步骤S流程图；图3为图1的第一实施例的分步骤S流程图；图4为图1的分步骤S流程图；图5为图4的第一实施例的分步骤S流程图；图6为图1的第二实施例的分步骤S流程图；图7为图4的第二实施例的分步骤S流程图；。如图1-图5所示，本发明的检测跟踪方法包括以下步骤S：
步骤S1：对原始的多个连续帧的成像结果分别进行归一化并阈值处理获得多个第一成像矩阵；
步骤S2：根据多个所述第一成像矩阵进行累加后，得到第二成像矩阵；基于所述第二成像矩阵通过二次阈值处理并结合区域连通性检测，获得第三成像矩阵；
步骤S3：根据所述第三成像矩阵中的图像不变量获得第四成像矩阵，并利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个疑似目标点；
步骤S4：对多个所述疑似目标点进行轨迹关联，以排除多个所述疑似目标点中的伪目标点，获得真实目标点，从而便于检测和跟踪水下运动所述真实目标点。
进一步地，于所述步骤S1中还包括：
步骤S11：通过声纳获得所述成像结果；
步骤S12：提取并保存所述成像结果中的绝对强度信息，
步骤S13：对所述绝对强度信息进行归一化获得多个初始成像矩阵；
步骤S14：对多个所述初始成像矩阵进行阈值处理获得多个所述第一成像矩阵。
再进一步地，于所述步骤S2中包括：
步骤S21：将多个所述第一成像矩阵进行叠加，获得所述第二成像矩阵；
步骤S22：对所述第二成像矩阵进行二次阈值处理，并结合区域连通性检测，将所述第二成像矩阵中元素值大于设定阈值或区域面积大于目标典型成像面积的对应元素置零，从而去除固定背景以及与强背景粘连的残余背景，进而获得含有脚印串的所述第三成像矩阵。
值得注意的是，上述步骤S21和22仅为本发明的一个实施例，本发明并不以此为限。请参照图6，图6图6为图1的第二实施例的分步骤S流程图。如图6所示，在本发明的另一实施中于所述步骤S2中包括：
步骤S21'：对所述第二成像矩阵进行二次阈值处理和区域连通性检测，去除固定背景以及与强背景粘连的残余背景；
步骤S22'：再对所述第二成像矩阵去除与强背景不粘连的残余背景孤立点后获得含有脚印串的所述第三成像矩阵。
又进一步地，于所述步骤S3中包括：
步骤S31：根据所述第三成像矩阵中的图像不变量获得第四成像矩阵；
步骤S32：利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个所述疑似目标点。
其中，在本实施例中，所述第三成像矩阵包括一当前时刻的所述第三成像矩阵及当前时刻之前的上一时刻的一所述第三成像矩阵，于所述步骤S31中包括：
步骤S311：对所述当前时刻第三成像矩阵及所述当前时刻之前时刻的第三成像矩阵原位一一比对获得稀疏化的逻辑矩阵；
步骤S312：根据所述逻辑矩阵及当前时刻的所述第三成像矩阵获得所述第四成像矩阵。
值得注意的是，上述步骤S311和312仅为本发明的一个实施例，本发明并不以此为限。请参照图7，图7为图4的第二实施例的分步骤S流程图，如图7所示，所述第三成像矩阵包括一个当前时刻的所述第三成像矩阵及当前时刻之前多个时刻的多个所述第三成像矩阵，于所述步骤S31中包括：
步骤S311'：对所述当前时刻第三成像矩阵及当前时刻之前的多个时刻的多个所述第三成像矩阵进行相减操作或按位逻辑与操作；
步骤S312'：根据相减操作或按位逻辑与操作后的所述第三成像矩阵及所述第二成像矩阵，获得所述第四成像矩阵。
更进一步地，于所述步骤S4中包括：根据当前时刻的脚印串、多个所述疑似目标点以及当前时刻之后的至少一时刻的脚印串，通过小目标的速度运动特性和目标成像特性进行轨迹关联和轨迹确认以排除多个所述疑似目标点中的伪目标点，获得真实目标点。
以下结合具体实施例，说明本发明检测跟踪方法的具体过程如下：
首先，小目标探测声纳固定安装在水下，采用宽带主动水声信号成像，例如带宽9kHz，f0＝60kHz的LFM信号可提供距离向8.3厘米左右的分辨率；对成像结果中的绝对强度信息保存后，进行归一化，其中为了避免突发强干扰，归一化因子可不取最大值，取第n大值，得到初始成像矩阵D0；取阈值thre_low,保证典型小目标的相对强度(经验获得或者设备安装调试期间对等效模型或同等目标强度的合作目标测量得到)略大于此值；小于thre_low的矩阵元素置零，得到第一成像矩阵D；
其次，当前时刻t取之前N帧图像矩阵进行原位叠加获得第二成像矩阵，例如一般5帧-15帧，由于背景基本固定，目标在运动，背景部分的矩阵元素值将不断增加，连续运动目标对应的不同位置处矩阵元素值基本不变；取阈值thre_sum，大于thre_sum的矩阵元素置零，得到t时刻含有N个运动小目标脚印的脚印串FPt的第三成像矩阵DtN，同理，可求出t-1时刻含有N-1个运动小目标的脚印的脚印串FPt-1的第三成像矩阵D(t-1)(N-1)；
其中，设置阈值时thre_sum时，需要考虑到目标偶尔会不动，本实施例中通过将阈值thre_sum设置为大于典型小目标的相对强度的2-3倍为较佳的实施方式，相对强度为合作目标测量或者等效模型在安装设备时测量推算获得，
然后，并结合区域连通性检测，将所述第二成像矩阵中元素值大于设定阈值thre_sum或区域面积大于目标典型成像面积的对应元素置零，从而去除固定背景以及与强背景粘连的残余背景；同时把相对强度大于thre_sum且区域面积远大于目标典型成像面积的区域附近(上下左右差1～3个矩阵元素就连通)的孤立点去除(可能是介质扰动下背景的残余)；
值得注意的是，脚印串FPtN和脚印串FP(t-1)N在不考虑目标中间静止不动的情况时约有N-1个脚印是位置重合的，且相对强度值相同。
再次，对第三成像矩阵DTN和第三成像矩阵D(t-1)(N-1)掩膜处理即原位一一比对，相同位置且矩阵元素值一样的标记为1，得到稀疏化的逻辑矩阵LD,其元素绝大部分已经变成了0，只有重合的N-1个脚印处对应的矩阵元素和其他水下移动小目标(如水中目标强度接近的动物、悬浮漂流物)处对应的矩阵元素为1，其它元素都是0；逻辑矩阵LD和第三成像矩阵DTN的对应元素相乘，得到稀疏化的第四成像矩阵DLTN；
最后，利用小目标的速度运动特性(如运动具有时空连续性且相邻脚印在距离向和方位向的距离间隔或N帧里其运动的空间范围是一定的，如蛙人目标在距离向1秒大约0.3～0.5米，15秒内在500米外的方位向大约运动偏移1度)和目标成像特性如成像面积(成像矩阵中目标对应的元素个数)、相对强度信息、附近脚印的数目等来从稀疏化的成像矩阵DLTN快速筛选和定位出多个疑似目标点，再在算法中综合利用t+1,t+2,…，t+n时刻的脚印串信息，根据小目标的速度运动特性和目标成像特性如成像面积(成像矩阵中目标对应的元素个数)、相对强度信息、附近脚印的数目等进行轨迹关联或轨迹确认排除多个疑似目标点中的伪目标点，获得真实目标点，从而对真实目标点进行跟踪。
请参照图8，图8为本发明检测跟踪系统的结构示意图。如图8所示，本发明检测跟踪系统包括：第一成像矩阵获得单元11、第三成像矩阵获得单元12、疑似目标点获得单元13及真实目标点获得单元14；第一成像矩阵获得单元11对原始的多个连续帧的成像结果分别进行归一化并阈值处理获得多个第一成像矩阵；第三成像矩阵获得单元12根据多个所述第一成像矩阵进行累加后，得到第二成像矩阵；基于所述第二成像矩阵通过二次阈值处理并结合区域连通性检测，获得第三成像矩阵；疑似目标点获得单元14根据所述第三成像矩阵中的图像不变量获得第四成像矩阵，并利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个疑似目标点；真实目标点获得单元14对多个所述疑似目标点进行轨迹关联，以排除多个所述疑似目标点中的伪目标点获得真实目标点。
其中，所述第一成像矩阵获得单元提取并保存通过声纳获得的所述成像结果中的绝对强度信息，所述第一成像矩阵获得单元对所述绝对强度信息进行归一化获得多个初始成像矩阵并对多个所述初始成像矩阵进行阈值处理获得多个所述第一成像矩阵。
进一步地，所述第三成像矩阵获得单元12包括：第二成像矩阵获得模块121及第三成像矩阵获得模块122；第二成像矩阵获得模块121将多个所述第一成像矩阵进行叠加，获得所述第二成像矩阵；第三成像矩阵获得模块122对所述第二成像矩阵进行二次阈值处理，并结合区域连通性检测，将所述第二成像矩阵中元素值大于设定阈值或区域面积大于目标典型成像面积的对应元素置零，从而去除固定背景以及与强背景粘连的残余背景，进而获得含有脚印串的所述第三成像矩阵。
需要说明的是，在本发明的另一实施例中，所述第三成像矩阵获得单元12包括：第二成像矩阵获得模块121及第三成像矩阵获得模块122；第二成像矩阵获得模块121对所述第二成像矩阵进行二次阈值处理和区域连通性检测，去除固定背景以及与强背景粘连的残余背景；第三成像矩阵获得模块123再对所述第二成像矩阵去除与强背景不粘连的残余背景孤立点后获得含有脚印串的所述第三成像矩阵。
再进一步地，所述疑似目标点获得单元13包括：第四成像矩阵获得模块131及疑似目标点获得模块132；第四成像矩阵获得模块131根据所述第三成像矩阵中的图像不变量获得第四成像矩阵；疑似目标点获得模块132利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个所述疑似目标点。
其中，所述第三成像矩阵包括一当前时刻的所述第三成像矩阵及当前时刻之前任一时刻的一所述第三成像矩阵，第四成像矩阵获得模块131对所述当前时刻第三成像矩阵及所述当前时刻之前时刻的第三成像矩阵原位一一比对获得稀疏化的逻辑矩阵，再根据所述逻辑矩阵及当前时刻的所述第三成像矩阵获得所述第四成像矩阵。
在本发明的另一实施例中，所述第三成像矩阵包括一个当前时刻的所述第三成像矩阵及当前时刻之前多个时刻的多个所述第三成像矩阵，所述第四成像矩阵获得模块131对所述当前时刻第三成像矩阵及当前时刻之前的多个时刻的多个所述第三成像矩阵进行相减操作或按位逻辑与操作，所述第四成像矩阵131获得模块再根据相减操作或按位逻辑与操作后的所述第三成像矩阵及所述第二成像矩阵，获得所述第四成像矩阵。
更进一步地，所述真实目标点获得单元14根据所述当前时刻的脚印串、多个所述疑似目标点以及所述当前时刻之后的至少一时刻的脚印串，通过小目标的速度运动特性和目标成像特性进行轨迹关联和轨迹确认以排除多个所述疑似目标点中的伪目标点，获得真实目标点。
本发明具有以下效果：
1)有效去除水下小目标探测声纳图像中的固定背景干扰；
2)极大减少目标备选点或目标假设的数量(一般降低到个位数甚至降低到1)；
3)阈值处理和帧和累积结合，巧妙构造图像不变量，最大化利用运动目标的先验或经验信息，快速筛选定位目标。
上述仅为本发明的较佳实施例而已，并非用来限定本发明实施的范围，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (16)

1.一种水下运动小目标的检测跟踪方法，其特征在于，包括：
步骤S1：对原始的多个连续帧的成像结果分别进行归一化并阈值处理获得多个第一成像矩阵；
步骤S2：根据多个所述第一成像矩阵进行累加后，得到第二成像矩阵，基于所述第二成像矩阵通过二次阈值处理并结合区域连通性检测，获得第三成像矩阵；
步骤S3：根据所述第三成像矩阵中的图像不变量获得第四成像矩阵，并利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个疑似目标点；
步骤S4：对多个所述疑似目标点进行轨迹关联，以排除多个所述疑似目标点中的伪目标点获得真实目标点。
2.如权利要求1所述的检测跟踪方法，其特征在于，于所述步骤S1中还包括：
步骤S11：通过小目标成像声纳获得所述成像结果；
步骤S12：提取并保存所述成像结果中的绝对强度信息；
步骤S13：对所述绝对强度信息进行归一化获得多个初始成像矩阵；
步骤S14：对多个所述初始成像矩阵进行阈值处理获得多个所述第一成像矩阵。
3.如权利要求1所述的检测跟踪方法，其特征在于，于所述步骤S2中包括：
步骤S21：将多个所述第一成像矩阵进行叠加，获得所述第二成像矩阵；
步骤S22：对所述第二成像矩阵进行二次阈值处理，并结合区域连通性检测，将所述第二成像矩阵中元素值大于设定阈值或区域面积大于目标典型成像面积的对应元素置零，从而去除固定背景以及与强背景粘连的残余背景，进而获得含有脚印串的所述第三成像矩阵。
4.如权利要求1所述的检测跟踪方法，其特征在于，于所述步骤S2中包括：
步骤S21'：对所述第二成像矩阵进行二次阈值处理和区域连通性检测，去除固定背景以及与强背景粘连的残余背景；
步骤S22'：再对所述第二成像矩阵去除与强背景不粘连的残余背景孤立点后获得含有脚印串的所述第三成像矩阵。
5.如权利要求1所述的检测跟踪方法，其特征在于，于所述步骤S3中包括：
步骤S31：根据所述第三成像矩阵中的图像不变量获得所述第四成像矩阵；
步骤S32：利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个所述疑似目标点。
6.如权利要求5所述的检测跟踪方法，其特征在于，所述第三成像矩阵包括一当前时刻的所述第三成像矩阵及当前时刻之前的上一时刻的一所述第三成像矩阵，于所述步骤S31中包括：
步骤S311：对所述当前时刻第三成像矩阵及所述当前时刻之前时刻的第三成像矩阵原位一一比对获得稀疏化的逻辑矩阵；
步骤S312：根据所述逻辑矩阵及当前时刻的所述第三成像矩阵获得所述第四成像矩阵。
7.如权利要求5所述的检测跟踪方法，其特征在于，所述第三成像矩阵包括一个当前时刻的所述第三成像矩阵及当前时刻之前多个时刻的多个所述第三成像矩阵，于所述步骤S31中包括：
步骤S311'：对所述当前时刻第三成像矩阵及当前时刻之前的多个时刻的多个所述第三成像矩阵进行相减操作或按位逻辑与操作；
步骤S312'：根据相减操作或按位逻辑与操作后的所述第三成像矩阵及所述第二成像矩阵，获得所述第四成像矩阵。
8.如权利要求1所述的检测跟踪方法，其特征在于，于所述步骤S4中包括：根据当前时刻的脚印串、多个所述疑似目标点以及当前时刻之后的至少一时刻的脚印串，通过小目标的速度运动特性和目标成像特性进行轨迹关联和轨迹确认以排除多个所述疑似目标点中的伪目标点，获得真实目标点。
9.一种水下运动小目标的检测跟踪系统，其特征在于，包括：
第一成像矩阵获得单元：对原始的多个连续帧的成像结果分别进行归一化并阈值处理获得多个第一成像矩阵；
第三成像矩阵获得单元：根据多个所述第一成像矩阵进行累加后，得到第二成像矩阵；基于所述第二成像矩阵通过二次阈值处理并结合区域连通性检测，获得第三成像矩阵；
疑似目标点获得单元：根据所述第三成像矩阵中的图像不变量获得第四成像矩阵，并利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个疑似目标点；
真实目标点获得单元：对多个所述疑似目标点进行轨迹关联，以排除多个所述疑似目标点中的伪目标点获得真实目标点。
10.如权利要求9所述的检测跟踪系统，其特征在于，所述第一成像矩阵获得单元提取并保存通过声纳获得的所述成像结果中的绝对强度信息，所述第一成像矩阵获得单元对所述绝对强度信息进行归一化获得多个初始成像矩阵并对多个所述初始成像矩阵进行阈值处理获得多个所述第一成像矩阵。
11.如权利要求9所述的检测跟踪系统，其特征在于，所述第三成像矩阵获得单元包括：
第二成像矩阵获得模块：将多个所述第一成像矩阵进行叠加，获得所述第二成像矩阵；
第三成像矩阵获得模块：对所述第二成像矩阵进行二次阈值处理，并结合区域连通性检测，将所述第二成像矩阵中元素值大于设定阈值或区域面积大于目标典型成像面积的对应元素置零，从而去除固定背景以及与强背景粘连的残余背景，进而获得含有脚印串的所述第三成像矩阵。
12.如权利要求9所述的检测跟踪系统，其特征在于，所述第三成像矩阵获得单元包括：
第二成像矩阵获得模块：对所述第二成像矩阵进行二次阈值处理和区域连通性检测，去除固定背景以及与强背景粘连的残余背景；
第三成像矩阵获得模块：再对所述第二成像矩阵去除与强背景不粘连的残余背景孤立点后获得含有脚印串的所述第三成像矩阵。
13.如权利要求9所述的检测跟踪系统，其特征在于，所述疑似目标点获得单元包括：
第四成像矩阵获得模块：根据所述第三成像矩阵中的图像不变量获得第四成像矩阵；
疑似目标点获得模块：利用小目标的速度运动特性和目标成像特性于所述第四成像矩阵中筛选和定位出多个所述疑似目标点。
14.如权利要求13所述的检测跟踪系统，其特征在于，所述第三成像矩阵包括一当前时刻的所述第三成像矩阵及当前时刻之前的上一时刻的一所述第三成像矩阵，第四成像矩阵获得模块对所述当前时刻第三成像矩阵及所述当前时刻之前时刻的第三成像矩阵原位一一比对获得稀疏化的逻辑矩阵，再根据所述逻辑矩阵及当前时刻的所述第三成像矩阵获得所述第四成像矩阵。
15.如权利要求13所述的检测跟踪系统，其特征在于，所述第三成像矩阵包括一个当前时刻的所述第三成像矩阵及当前时刻之前多个时刻的多个所述第三成像矩阵，所述第四成像矩阵获得模块对所述当前时刻第三成像矩阵及当前时刻之前的多个时刻的多个所述第三成像矩阵进行相减操作或按位逻辑与操作，所述第四成像矩阵获得模块再根据相减操作或按位逻辑与操作后的所述第三成像矩阵及所述第二成像矩阵，获得所述第四成像矩阵。
16.如权利要求9所述的检测跟踪方法，其特征在于，所述真实目标点获得单元根据所述当前时刻的脚印串、多个所述疑似目标点以及所述当前时刻之后的至少一时刻的脚印串，通过小目标的速度运动特性和目标成像特性进行轨迹关联和轨迹确认以排除多个所述疑似目标点中的伪目标点，获得真实目标点。
CN201910595413.1A 2019-07-03 2019-07-03 水下运动小目标的检测跟踪方法及系统 Withdrawn CN110363123A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910595413.1A CN110363123A (zh) 2019-07-03 2019-07-03 水下运动小目标的检测跟踪方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910595413.1A CN110363123A (zh) 2019-07-03 2019-07-03 水下运动小目标的检测跟踪方法及系统

Publications (1)

Publication Number Publication Date
CN110363123A true CN110363123A (zh) 2019-10-22

Family

ID=68217879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910595413.1A Withdrawn CN110363123A (zh) 2019-07-03 2019-07-03 水下运动小目标的检测跟踪方法及系统

Country Status (1)

Country Link
CN (1) CN110363123A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111563914A (zh) * 2020-04-22 2020-08-21 中国电子科技集团公司电子科学研究院 一种水下定位跟踪方法、装置及可读存储介质
CN112632818A (zh) * 2020-12-17 2021-04-09 重庆交通大学 高阶梯度光滑无网格方法、系统、介质、计算机设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6049628A (en) * 1995-09-01 2000-04-11 Cerulean Colorization Llc Polygon reshaping in picture colorization
US20050117775A1 (en) * 2001-11-28 2005-06-02 Sony Electronics Inc. Method to ensure temporal synchronization and reduce complexity in the detection of temporal watermarks
CN101718870A (zh) * 2009-11-13 2010-06-02 西安电子科技大学 图像域的高速、微弱目标航迹检测方法
CN103617633A (zh) * 2013-11-26 2014-03-05 北京航空航天大学 一种空间红外目标的级联识别方法
CN104835178A (zh) * 2015-02-02 2015-08-12 郑州轻工业学院 一种低信噪比运动小目标的跟踪与识别的方法
CN105182350A (zh) * 2015-09-26 2015-12-23 哈尔滨工程大学 一种应用特征跟踪的多波束声呐目标探测方法
CN107256560A (zh) * 2017-05-16 2017-10-17 北京环境特性研究所 一种红外弱小目标检测方法及其系统
CN107886498A (zh) * 2017-10-13 2018-04-06 中国科学院上海技术物理研究所 一种基于星载图像序列的空间目标检测跟踪方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6049628A (en) * 1995-09-01 2000-04-11 Cerulean Colorization Llc Polygon reshaping in picture colorization
US20050117775A1 (en) * 2001-11-28 2005-06-02 Sony Electronics Inc. Method to ensure temporal synchronization and reduce complexity in the detection of temporal watermarks
CN101718870A (zh) * 2009-11-13 2010-06-02 西安电子科技大学 图像域的高速、微弱目标航迹检测方法
CN103617633A (zh) * 2013-11-26 2014-03-05 北京航空航天大学 一种空间红外目标的级联识别方法
CN104835178A (zh) * 2015-02-02 2015-08-12 郑州轻工业学院 一种低信噪比运动小目标的跟踪与识别的方法
CN105182350A (zh) * 2015-09-26 2015-12-23 哈尔滨工程大学 一种应用特征跟踪的多波束声呐目标探测方法
CN107256560A (zh) * 2017-05-16 2017-10-17 北京环境特性研究所 一种红外弱小目标检测方法及其系统
CN107886498A (zh) * 2017-10-13 2018-04-06 中国科学院上海技术物理研究所 一种基于星载图像序列的空间目标检测跟踪方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111563914A (zh) * 2020-04-22 2020-08-21 中国电子科技集团公司电子科学研究院 一种水下定位跟踪方法、装置及可读存储介质
CN112632818A (zh) * 2020-12-17 2021-04-09 重庆交通大学 高阶梯度光滑无网格方法、系统、介质、计算机设备
CN112632818B (zh) * 2020-12-17 2023-03-14 重庆交通大学 高阶梯度光滑无网格方法、系统、介质、计算机设备

Similar Documents

Publication Publication Date Title
CN107527009B (zh) 一种基于yolo目标检测的遗留物检测方法
Tzannes et al. Detecting small moving objects using temporal hypothesis testing
US7436887B2 (en) Method and apparatus for video frame sequence-based object tracking
CN100565244C (zh) 多模多目标精密跟踪装置和方法
US8094936B2 (en) Method and apparatus to segment motion area in real-time to detect motion in surveillance camera system
CN103366483B (zh) 监控报警系统
AU2012356462A1 (en) Method of estimating optical flow on the basis of an asynchronous light sensor
EP1472870A1 (en) Method and apparatus for video frame sequence-based object tracking
CN110363123A (zh) 水下运动小目标的检测跟踪方法及系统
Wang Joint random field model for all-weather moving vehicle detection
CN113205138B (zh) 人脸人体匹配方法、设备和存储介质
KR20150109083A (ko) 거리 적응적 탐지 문턱값 적용에 의한 적외선 해상 표적 탐지장치 구현 방법
CN113030973B (zh) 一种场面监视雷达信号处理系统及方法
CN106296730A (zh) 一种人体运动跟踪系统
CN113866755A (zh) 基于多伯努利滤波的雷达微弱起伏目标检测前跟踪算法
Koller et al. Towards realtime visual based tracking in cluttered traffic scenes
Li et al. Target tracking and ghost mitigation based on multi-view through-the-wall radar imaging
CN104156981B (zh) 一种基于图像处理的太阳射电爆发自动实时检测方法
Kent et al. Robust background subtraction for automated detection and tracking of targets in wide area motion imagery
US20080198237A1 (en) System and method for adaptive pixel segmentation from image sequences
CN111833377A (zh) 一种基于tbd复杂环境下运动小目标检测方法
CN107219522A (zh) 一种椭圆‑双曲线联合的穿墙雷达目标定位方法
KR101595334B1 (ko) 농장에서의 움직임 개체의 이동 궤적 트래킹 방법 및 장치
CN114415123B (zh) 一种基于非相参邻域加权脉冲积累处理方法及系统
Zaveri et al. Wavelet-based detection and its application to tracking in an IR sequence

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20191022