CN112529797A - 基于序列视轴指向矢量的目标轨迹确认方法 - Google Patents
基于序列视轴指向矢量的目标轨迹确认方法 Download PDFInfo
- Publication number
- CN112529797A CN112529797A CN202011408416.9A CN202011408416A CN112529797A CN 112529797 A CN112529797 A CN 112529797A CN 202011408416 A CN202011408416 A CN 202011408416A CN 112529797 A CN112529797 A CN 112529797A
- Authority
- CN
- China
- Prior art keywords
- target
- visual axis
- vector
- state transition
- model
- 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.)
- Granted
Links
- 239000013598 vector Substances 0.000 title claims abstract description 88
- 230000000007 visual effect Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012790 confirmation Methods 0.000 title claims abstract description 19
- 230000007704 transition Effects 0.000 claims abstract description 24
- 230000009467 reduction Effects 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于序列视轴指向矢量的目标轨迹确认方法,包括以下步骤:a、建立目标视轴矢量的运动模型;b、对目标视轴矢量进行降维处理,得出状态转移模型;c、建立目标视轴矢量的观测模型,根据状态转移模型和观测模型对目标轨迹进行确认分析。本发明的方法能够解决现有技术中,当图像畸变大、配准误差大时,基于图像配准确认轨迹时出现的较高的虚警的问题。
Description
技术领域
本发明涉及一种基于序列视轴指向矢量的目标轨迹确认方法。
背景技术
目标轨迹确认分析是探测系统进行目标检测的重要步骤之一,其主要原理是利用目标与杂波随时间变化特性的差异(规律运动和随机变化)实现剔除杂波、提取目标。目前,常见的目标轨迹确认方法多采用“先图像配准、后确认分析”的策略,利用目标在序列图像中的运动特性,通过对多帧图像中疑似目标点进行轨迹关联(即像平面跟踪)实现对目标轨迹的确认。由于相邻帧间图像的配准精度对目标轨迹确认的正确率影响较大,常见的目标轨迹确认方法对帧间图像的配准精度要求较高;尤其当图像畸变大、配准误差大时,基于图像配准的轨迹确认方法将产生较高的虚警。
发明内容
本发明的目的在于解决上述问题,提供一种基于序列视轴指向矢量的目标轨迹确认方法。
为实现上述发明目的,本发明提供一种基于序列视轴指向矢量的目标轨迹确认方法,包括以下步骤:
a、建立目标视轴矢量的运动模型;
b、对目标视轴矢量进行降维处理,得出状态转移模型;
c、建立目标视轴矢量的观测模型,根据状态转移模型和观测模型对目标轨迹进行确认分析。
根据本发明的一个方面,所述目标视轴矢量为:
对时间求导后得:
根据本发明的一个方面,所述步骤(a)中建立的运动模型为:
其中,vk、vk-1分别为k、k-1时刻3×1目标视轴矢量,qp,k、qv,k、qa,k分别为目标视轴矢量、视轴速度矢量、视轴加速度矢量状态转移噪声,ΔT为观测时间周期。
根据本发明的一个方面,经过所述步骤(b)的降维处理后,使得:
其中,veci,los为ECI坐标系下的单位目标视轴矢量,veci,x、veci,y、veci,z分别为单位目标视轴矢量在ECI坐标系中X、Y、Z轴的分量。
根据本发明的一个方面,在所述步骤(b)中,经过降维后,目标视轴矢量的运动模型为:
xk=F(ΔT)xk-1+qk;
式中:
过程噪声qk=diag(qpx,qpy,qvx,qvy,qax,qay),其中,qpx、qpy分别为目标视轴矢量X、Y轴分量的状态转移噪声,qvx、qvy分别为目标视轴速度矢量X、Y轴分量的状态转移噪声,qax、qay为目标视轴加速度矢量X、Y轴分量的状态转移噪声;
根据本发明的一个方面,所述步骤(c)中构建的观测模型为:
zk=(vx,k,vy,k)T+(qpx,qpy)T=Hxk+Q2×1;
根据本发明的一个方面,在所述步骤(c)中,利用高斯混合概率假设密度滤波器对目标轨迹进行确认分析。
根据本发明的构思,建立目标视轴矢量序列的状态转移模型和观测模型,并对目标视轴矢量序列进行滤波,从而实现目标轨迹的确认。这样,能够解决现有技术中图像畸变大和配准误差大条件下的目标轨迹确认时出现的较高的虚警问题。根据本发明的方案,在建立模型之前,先对目标视轴矢量进行运动建模,并对运动模型进行归一化降维处理,从而降低计算的复杂性。
附图说明
图1示意性表示目标视轴矢量示意图;
图2示意性表示应用本方法时背景运动趋势图(左)和时间积累背景畸变角度图(右);
图3示意性表示目标视轴指向估计误差图(左)和目标检测概率图(右);
图4示意性表示不同畸变条件下目标视轴指向估计结果图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
下面结合附图和具体实施方式对本发明作详细地描述,实施方式不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施方式。
参见图1,目标视轴矢量是指三维空间中从光学传感器口面中心点到目标点连线所形成的矢量,光学探测监视系统中,其一般通过建立逆成像模型,利用目标在像平面位置、卫星轨道、姿态等参数计算得到。由于探测图像中的目标点既包括真实的目标点,也包括由杂波产生的虚假目标点。因此,实际得到的视轴矢量集是真实目标视轴矢量和虚假目标(杂波)视轴矢量的合集。本发明中,目标视轴矢量的表达式为:
对时间求导后得:
本发明的基于序列视轴指向矢量的目标轨迹确认方法,首先建立目标视轴矢量的运动模型。由上述可知,目标视轴矢量的运动是卫星运动与目标运动的耦合。因此其运动可看作多重力作用下复杂的变加速运动,杂波在像平面表现为随机运动的位置点,其视轴矢量运动特性符合高斯分布。因此,运动模型为:
其中,vk、vk-1分别为k、k-1时刻3×1目标视轴矢量,qp,k、qv,k、qa,k分别为目标视轴矢量、视轴速度矢量、视轴加速度矢量状态转移噪声,ΔT为观测时间周期。
由于,目标视轴矢量为一条指向特定方向的射线,视轴矢量长度的变化并不会对矢量所包含的信息产生影响。因此,为降低计算复杂性,可对视轴矢量进行归一化降维处理。进行归一化后,使得:
其中,veci,los为ECI坐标系下的单位目标视轴矢量,veci,x、veci,y、veci,z分别为单位目标视轴矢量在ECI坐标系中X、Y、Z轴的分量。归一化后单位目标视轴矢量veci,los可通过其任意两个坐标轴唯一确定。
经过降维后,目标视轴矢量的运动模型为:
xk=F(ΔT)xk-1+qk;
式中:
过程噪声qk=diag(qpx,qpy,qvx,qvy,qax,qay),其中,qpx、qpy分别为目标视轴矢量X、Y轴分量的状态转移噪声,qvx、qvy分别为目标视轴速度矢量X、Y轴分量的状态转移噪声,qax、qay为目标视轴加速度矢量X、Y轴分量的状态转移噪声;
状态转移矩阵(即模型)F(ΔT)为:
随后可建立目标视轴矢量的观测模型,具体为利用视轴指向矢量进行目标轨迹确认其观测数据来源于单帧图像目标检测得到的疑似目标点,结合卫星位置、姿态角、传感器参数等解算得到视轴指向矢量,因此观测模型可构建为:
zk=(vx,k,vy,k)T+(qpx,qpy)T=Hxk+Q2×1;
由此,可获得目标视轴矢量序列的状态转移模型和观测模型,由于这二者都为线性模型,因此可利用高斯混合概率假设密度(GM-PHD)滤波器对目标轨迹进行确认分析,从而滤除杂波。具体滤波方法并非本发明的重点,因此不再赘述。
参见图2,以一颗运行于Molniya轨道的椭圆轨道卫星为例,探测图像持续运动畸变。采用基于视轴矢量序列的目标确认分析方法,对目标进行确认。仿真假定3个目标场景,0时刻目标1出现,40秒后目标2出现,80秒后目标3出现,仿真总持续140秒。不同滤波器对目标状态估计结果见图3和图4,仿真效果表明,利用本发明方法进行目标确认分析是可行的,可实现对目标个数以及目标视轴矢量状态的估计。
以上所述仅为本发明的一个实施方式而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于序列视轴指向矢量的目标轨迹确认方法,包括以下步骤:
a、建立目标视轴矢量的运动模型;
b、对目标视轴矢量进行降维处理,得出状态转移模型;
c、建立目标视轴矢量的观测模型,根据状态转移模型和观测模型对目标轨迹进行确认分析。
7.根据权利要求1-6中任一项所述的目标轨迹确认方法,其特征在于,在所述步骤(c)中,利用高斯混合概率假设密度滤波器对目标轨迹进行确认分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011408416.9A CN112529797B (zh) | 2020-12-04 | 基于序列视轴指向矢量的目标轨迹确认方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011408416.9A CN112529797B (zh) | 2020-12-04 | 基于序列视轴指向矢量的目标轨迹确认方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112529797A true CN112529797A (zh) | 2021-03-19 |
CN112529797B CN112529797B (zh) | 2024-05-31 |
Family
ID=
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419055A (zh) * | 2008-10-30 | 2009-04-29 | 北京航空航天大学 | 基于视觉的空间目标位姿测量装置和方法 |
CN102156863A (zh) * | 2011-05-16 | 2011-08-17 | 天津大学 | 跨摄像头的多运动目标跟踪方法 |
JP2017102708A (ja) * | 2015-12-02 | 2017-06-08 | 日本放送協会 | オブジェクト追跡装置及びそのプログラム |
CN106908781A (zh) * | 2017-02-27 | 2017-06-30 | 中国科学院电子学研究所 | 基于单通道圆迹sar的直线运动动目标的速度矢量获取方法 |
WO2017113567A1 (zh) * | 2015-12-28 | 2017-07-06 | 上海卫星工程研究所 | 火星探测器自主导航方法 |
CN107292265A (zh) * | 2017-06-20 | 2017-10-24 | 中国电子科技集团公司第二十八研究所 | 一种基于机动检测的目标轨迹快速提取方法 |
FR3076910A1 (fr) * | 2018-01-18 | 2019-07-19 | Thales | Procede de pistage d'une cible aerienne, et radar mettant en oeuvre un tel procede |
CN110320512A (zh) * | 2019-07-09 | 2019-10-11 | 大连海事大学 | 一种基于带标签的gm-phd平滑滤波多目标跟踪方法 |
CN110806213A (zh) * | 2019-11-22 | 2020-02-18 | 北京理工大学 | 基于星群对空间目标光学观测的协同定轨方法 |
CN111145220A (zh) * | 2019-12-31 | 2020-05-12 | 东南大学 | 一种基于视觉信息的隧道目标轨迹跟踪方法 |
CN111708015A (zh) * | 2020-07-13 | 2020-09-25 | 哈尔滨工业大学 | 一种多径效应下的低空目标跟踪滤波方法 |
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101419055A (zh) * | 2008-10-30 | 2009-04-29 | 北京航空航天大学 | 基于视觉的空间目标位姿测量装置和方法 |
CN102156863A (zh) * | 2011-05-16 | 2011-08-17 | 天津大学 | 跨摄像头的多运动目标跟踪方法 |
JP2017102708A (ja) * | 2015-12-02 | 2017-06-08 | 日本放送協会 | オブジェクト追跡装置及びそのプログラム |
WO2017113567A1 (zh) * | 2015-12-28 | 2017-07-06 | 上海卫星工程研究所 | 火星探测器自主导航方法 |
CN106908781A (zh) * | 2017-02-27 | 2017-06-30 | 中国科学院电子学研究所 | 基于单通道圆迹sar的直线运动动目标的速度矢量获取方法 |
CN107292265A (zh) * | 2017-06-20 | 2017-10-24 | 中国电子科技集团公司第二十八研究所 | 一种基于机动检测的目标轨迹快速提取方法 |
FR3076910A1 (fr) * | 2018-01-18 | 2019-07-19 | Thales | Procede de pistage d'une cible aerienne, et radar mettant en oeuvre un tel procede |
CN110320512A (zh) * | 2019-07-09 | 2019-10-11 | 大连海事大学 | 一种基于带标签的gm-phd平滑滤波多目标跟踪方法 |
CN110806213A (zh) * | 2019-11-22 | 2020-02-18 | 北京理工大学 | 基于星群对空间目标光学观测的协同定轨方法 |
CN111145220A (zh) * | 2019-12-31 | 2020-05-12 | 东南大学 | 一种基于视觉信息的隧道目标轨迹跟踪方法 |
CN111708015A (zh) * | 2020-07-13 | 2020-09-25 | 哈尔滨工业大学 | 一种多径效应下的低空目标跟踪滤波方法 |
Non-Patent Citations (2)
Title |
---|
DOHYEUNG KIM: "Gaussian mixture probability hypothesis density filter against measurement origin uncertainty", 《SIGNAL PROCESSING》, pages 1 - 14 * |
王洋;曲长文;蒋波;: "低轨星座对自由段空间目标跟踪算法研究", 电子测量技术, no. 05, pages 162 - 165 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | Vision-based object detection and tracking for autonomous navigation of underwater robots | |
CN102222341B (zh) | 运动特征点检测方法及装置、运动目标检测方法及装置 | |
CN111402294A (zh) | 目标跟踪方法、装置、计算机可读存储介质和计算机设备 | |
CN105869166B (zh) | 一种基于双目视觉的人体动作识别方法及系统 | |
Dawoud et al. | Target tracking in infrared imagery using weighted composite reference function-based decision fusion | |
US8582810B2 (en) | Detecting potential changed objects in images | |
JP2008304269A (ja) | 情報処理装置、および情報処理方法、並びにコンピュータ・プログラム | |
Li et al. | Simultaneous tracking and verification via sequential posterior estimation | |
CN112036381B (zh) | 视觉跟踪方法、视频监控方法及终端设备 | |
CN108629792A (zh) | 基于背景建模与背景差分的激光目标检测方法和装置 | |
Rahman et al. | Enhancement of background subtraction techniques using a second derivative in gradient direction filter | |
CN112991401A (zh) | 车辆运行轨迹追踪方法、装置、电子设备和存储介质 | |
CN109902543A (zh) | 目标运动轨迹估计方法、装置和目标跟踪系统 | |
CN109063567B (zh) | 人体识别方法、装置及存储介质 | |
CN112529797B (zh) | 基于序列视轴指向矢量的目标轨迹确认方法 | |
CN112529797A (zh) | 基于序列视轴指向矢量的目标轨迹确认方法 | |
Altundogan et al. | Multiple object tracking with dynamic fuzzy cognitive maps using deep learning | |
Allain et al. | Crowd flow characterization with optimal control theory | |
Vidal et al. | Window-matching techniques with Kalman filtering for an improved object visual tracking | |
Ishiguro et al. | Simultaneous clustering and tracking unknown number of objects | |
CN114511591B (zh) | 轨迹跟踪方法、装置、电子设备及存储介质 | |
CN111524161A (zh) | 提取轨迹的方法和装置 | |
Masood et al. | Tracking of fixed shape moving objects based on modified particle filters | |
KR102076721B1 (ko) | 표적 정보 제공 장치 및 그 방법 | |
Dore et al. | Map particle selection in shape-based object tracking |
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 | ||
GR01 | Patent grant |