JP4900611B2 - オプトエレクトロニクス利用の監視システムにおける点状の目標の検出及びトラッキング方法 - Google Patents

Description

本発明はオプトエレクトロニクスのセンサー、例えば赤外線センサーにより提供される画像の観察に基づいて、点状の目標をオプトエレクトロニクス利用の監視システムにおいて検出し、トラッキングする方法に関する。本発明はとりわけ高速の扇形又はパノラマ状のオプトエレクトロニクス利用の監視に特に適した、特異点を関連付け、トラックを作成する方法に関連する。

オプトエレクトロニクス利用の監視システムにおいて、画像のデジタル処理の目的は、観察された場面における脅威に対応し得る有益な信号を抽出し、この可能な脅威の空間的及び時間的なトラッキングを実行することである。従ってそれは特に、観察されたオプトエレクトロニクス利用の場面からプロットと呼ばれる特異点の抽出を可能にする検出モジュール及び、空間的及び時間的な基準上で抽出されたプロットを相互関連させることを可能にするトラッキングモジュールを備える。様々な瞬間に観察され、トラッキングモジュールにより関連付けられたプロットの集合はトラックと呼ばれる。各トラックは潜在的な目標（実際のオブジェクト）を表わしている。

そのようなオプトエレクトロニクス利用の監視システムの一例が図１に例示されている。それは観察されるべき場面２のフィールドをカバーすることを可能にするオプトエレクトロニクス・センサー１から構成される。この（これらの）オプトエレクトロニクス・センサーは、データリンクを経由して、規則正しい時間間隔で観察場面２の画像データ（ＤａｔａＩＮ）をデジタル信号処理コンピュータ３に送る。このコンピュータはアルゴリズム機能をリアルタイムでこれらの画像に適用する。

慣習的に提供される本来の意味での画像処理（フィルタリング、不完全な画素の復元等）のためのアルゴリズムに加えて、リアルタイムでコンピュータ３によって実行されるアルゴリズムの機能は、二つの主要モジュール、検出モジュール４、及びトラッキングモジュール５へと分割される。

我々は外観の表面積及び距離が、それがオプトエレクトロニクス・センサー上で画素のサイズの光学的タスクを生み出すべきであるような脅威に対して、探索の一環として特に興味がある。この範囲内で、検出及びトラッキングモジュールのアルゴリズム機能は、点状の目標すなわち画像の画素に相当する目標に対して定義される。目標が仮に画像の幾つかの画素に相当した場合、点状の目標の場合に戻るために検出モジュール内で縮小機能（バック・ズーミング）が局部的に使用される。当業者に良く知られているこれらの画像処理の特徴は、厳密な意味での本発明の主題を形成せず、従ってここでは詳細に述べられないであろう。

点状の目標を探すための明確化された範囲内で、リアルタイムでコンピュータ３により行なわれる処理は次のように構成され得る。
−検出モジュール４は、一般に事前フィルタリングされたオプトエレクトロニクス・センサー１により提供される、観察された場面のオプトエレクトロニクス利用の画像を受け取る。入力として適用されるオプトエレクトロニクス利用の観察画面データ（ＤＡＴＡＩＮ）に基づき、それは空間的及び放射的に、一つの画素（点状の目標）に相当するプロットである脅威に対応し得る、プロットの集合をこの画像から抽出する。
−トラッキングモジュール５の目的は、トラックと呼ばれる潜在的な検出された脅威に対する情報を、マン／マシン・インターフェース又は武器システムのようなより高次のシステムに提供することである。

トラックの作成は、次の問題の解決にある。共通の源すなわち一つの同じ移動源を有する、連続的な観察された画像から生じる検出されたプロットはどれか？従って実際に、トラックは時間とともに関連するプロットの集合として定義されるであろう。このプロットの集合から、特に観察された場面におけるその運動を予測することを可能にする、目標の運動学的挙動が推定される。

より具体的には、検出モジュール４は慣習的に画像の分析に基づく。より正確には、該検出モジュールは例えばその信号対雑音比が一定のしきい値を超えるプロットを抽出するように、（センサー固有のノイズ及び、本来の意味での該場面のノイズを含む）画像において観察されるノイズの局所分析に取り組み得る。このように抽出された各プロットとともに、一定の数の特性又は属性が、例えばその角度位置及び信号レベル（放射レベル）として関連付けられる。

最新のオプトエレクトロニクス・センサーの使用は、（センサーにより届けられる情報のタイプに従って）画像の空間的及び／又はスペクトル特性の解析を可能にする。従って、その上にプロットが抽出された背景の空間的及びスペクトル分布に対する情報と、各プロットとを関連付けることが可能である。このために、その目的が均質な領域へとそれらを一緒にグループ分けし、各領域の特性、特に領域にわたる平均ノイズレベル及び標準偏差を決定するため、均質性の特徴を示し得る画像の様々な部分を識別することである、画像分解モジュールが備えられる。画像の各ポイント（画素）において、後に引き続いてこのポイントがその中にある均質な領域に相当する画像部分と呼ばれる、このポイントにおける信号対雑音比を計算するために用いられようとするのはこの情報である。

与えられた画素における信号対雑音比を計算するためのモジュールは、考慮される画素の局部的な背景を特徴付ける、関連する均質な領域Ｚｉの特性：平均ノイズレベル

及び標準偏差

を用いる。

より正確には、画像の或るポイントにおける信号対雑音比ＳＮＲの計算は次の計算を行なうことにある。
ここでＳは考慮されている画素の放射信号のレベル（すなわちグレーレベル）であり、
と
は画素と関連する均質な領域Ｚｉにわたる放射信号（典型的には赤外線のレベル）の平均、及び標準偏差である。

観察された画像の各画素において計算された信号対雑音比ＳＮＲは、ＳＮＲ≧ｔｈｄの関係を有するプロットを識別するために予め定められた検出しきい値ｔｈｄと比較される。この関係を満足するプロットは検出されたプロットである。これらの検出されたプロットは該場面のコントラストを付けられたオブジェクト、又はノイズにより損なわれた画素に相当し得る。

実際に、予め定められた検出しきい値ｔｈｄは、届く範囲の限界における目標のそれと等しい信号対雑音比を示す画素に関する、検出の確率及び誤った警報の与えられた一対を保証するような方法で計算される。この値は実際には検出することが望まれる目標及び、この目標のために必要な届く範囲に依存する。

検出モジュールの出力において、出力データＤＥＴＯＵＴが提供される。検出モジュールのこれら出力データＤＥＴＯＵＴは、トラッキングモジュールへの入力として適用される。

図２に図式的に表わされているのはこれである。画像の分解及びプロット探索のステップの完了において、各々に関し、関連する均質な領域Ｚｉにわたり計算された信号対雑音比ＳＮＲが検出しきい値ｔｈｄよりも大きい、検出されたプロットｐｌ１、ｐｌ２、ｐｌ３が得られる。

このステップの終了の際に、検出モジュール４は各々のプロットに関してそれぞれの属性、特に画像内でのプロットの位置、プロットＳの放射レベル、該プロットに関連する均質な領域Ｚｉにわたる放射信号の平均、この均質な領域Ｚｉにわたる放射信号の標準偏差を有する、トラッキングモジュール５に検出されたプロットのリストを含むデータＤＥＴＯＵＴを伝送する。

これらの属性は特にトラッキングモジュールにおいて、プロットを仮定トラック又は妥当性を確認されたトラックと関連付け、そして考慮された仮定又は確認されたトラックの各プロットの属性から来る、観察された次の画像（位置、信号レベル、速度、加速度）におけるこれらのトラックの位置を予測するために用いられる。

トラッキングモジュール５に関しては、関連するプロットのための二つのプロセスが実施される。トラックの仮定を認証する目的によるプロットの関連付け、及び確認されたトラックを維持する目的によるプロットの関連付けである。これらの二つのプロセスは異なるアルゴリズムを実施するものである。これらの二つの関連付けプロセスの完了において、トラックの仮定又は確認されたトラックのいずれにも関連付けることが出来なかったプロットが残る場合、このプロットと共に新しいトラックの仮定が作成される。

現在観察されている画像から生じるプロットと、相互に関連して仮定又は確認されたトラックを形成する、前の観察から生じる別のプロットとの関連付けは、一般的にこれら全てのプロットの間の時間的及び空間的な一貫性の存在に依存する。関連付けの技術は当業者に良く知られている。それらは一般的にプロットに共通の運動モデルが、それを通じて決定される運動学的又は空間的判定基準に一般的に基づく。

この運動モデルは目標の位置の予測を可能にする。新たな観察において目標の検出に相当するプロットを探索すると考えられるのは、この位置の周りである。該運動モデルは完全ではなく、目標が操作によって動く場合は変化し得るため、目標の予測位置付近のプロットを探索するために、該関連付けプロセスには一定の自由度が許容される。このプロット探索領域は関連付けの領域を構成する。そのサイズは実際に探索される目標の移動性、システムの周波数、目標の最大速度等に依存する。

関連付け及び妥当性確認プロセスは実際に次の操作を行なうことにある。
−最初の画像において、（信号対雑音比ＳＮＲが検出しきい値ｔｈｄより大きいか等しい）検出された各プロットに関して、仮定トラックは速度ゼロで初期化され、次の画像において想定される目標の位置を予測するために、フィルタリング操作が適用される。
−次の画像において、作成された各々の仮定トラックに対して、我々はプロットが果たして検出モジュール３により検出されたかどうかを、前のステップにおいて予測された位置の周りの関連付け領域の中を注視する。もし検出された場合、運動モデルを更新し次の画像において想定される目標の位置等を予測するために、フィルタリング操作がこの仮定トラックと関連する二つのプロットに適用される。

現行技術によれば、プロットの数ＰがＱ個の観察から関連付けられている場合、仮定トラックはＱ個の連続した観察画像の後に妥当性を確認される。３つ組（Ｐ，Ｑ，ｔｈｄ）は、従って仮定トラックのための確認基準を構成する。

実際に、Ｐ、Ｑ、及び検出しきい値ｔｈｄは、所定の確率の一対（トラックの作成、誤ったトラック）、例えば（９０％、１０％）に等しいことを保証するように決定される。従ってオプトエレクトロニクス利用の場面において存在する本当のオブジェクト（潜在的な脅威）を表わすこの判定基準上で作られたトラックの９０％の可能性、及びプロットの貧弱な関連付けに起因して誤った警報となる１０％の可能性がある。

従って、最初の観察において、我々は最初のプロット（ＳＮＲ≧ｔｈｄ）を検出し、相当する仮定トラックが作成される。Ｑ番目の観察においてＰ番目のプロットをこの仮定トラックと関連させることが出来たならば、この仮定トラックはＱ番目の観察後まで妥当性を確認されないであろう。仮定トラックと関連するＰ個のプロットの各々はＳＮＲ≧ｔｈｄを満足する。

仮定トラックが妥当性を確認された〔（Ｐ，Ｑ，ｔｈｄ）の判定基準が満足された〕場合、この確認されたトラックと関連するデータ（プロットの位置、運動学的特性等）は、より高次のシステム（ＤＡＴＡＯＵＴ）に伝送される。

実際に、各々の仮定又は確認されたトラックに関するトラックの履歴は、例えば最後のＨ個の観察（Ｈ＞Ｑ）にわたってコンピュータ・テーブル内に記録される。新たなプロットが関連付けられる度に、毎回（運動学的、等の）予測パラメータを再度初期化するため、フィルタリング操作が更新されたテーブルのプロットの全集合に適用される。

現行技術を反映する監視システムにおいて、観察された画像のプロットを識別するために検出モジュール内で使用される検出しきい値ｔｈｄ、及びトラックの仮定を確認するためにトラッキングモジュール内で使用される数量Ｐ及びＱは、監視システムの特性及び監視されるべき脅威に応じて予め定義される、固定されたシステム・パラメータである。これらのシステム・パラメータＰ、Ｑ、及びｔｈｄの値は、検出されたが、しかし実際にはノイズに相当したであろうプロットが、仮定トラックの妥当性を確認するため、又は既に作成されたトラックを維持するために役立つことが出来ないように決定される。これらの値Ｐ、Ｑ、及びｔｈｄはそれゆえオプトエレクトロニクス・センサーの届く範囲の限界における目標に関する、検出出力での誤った警報の確率ＦＡに依存する。

１時間当たりｈ個の誤ったトラックを作成する確率はポアソンの法則に従う。それは次のように書かれ得る。
ここでｍは１時間当たりに作成される誤ったトラックの平均数である。

この１時間当たりの許容できる誤ったトラックの平均数ｍは、実際には対（Ｐ，Ｑ）及びまた該検出から生じる誤った警報率の値ＦＡにリンクされる。

具体的に、１時間当たりの誤ったトラックの平均数ｍは、画像当たり（スキャン当たり）に作成された誤ったトラックの平均数Ｎｍの３６００．ｆ倍と等しく、ｆは該監視システムによりカバーされる領域のスキャン周波数である。すなわち：
ｍ＝３６００．ｆ．Ｎｍ （式１）

スキャン当たりの誤ったトラックの平均数Ｎｍは、誤ったトラックを生じさせる画素の確率Ｐｆｐにより掛け算された、スキャン領域をカバーするために役立つ画素数Ｎｐｉと等しい。すなわち、Ｎｍ＝Ｎｐｉ×Ｐｆｐである。

数Ｎｐｉは既知であり、使用されるセンサーに依存する。

或る画素が誤ったトラックを生じさせる確率Ｐｆｐは、この画素が誤った警報を生じさせる確率であり、そしてこの画素がその後に続いて監視セクターのＱ個の観察のうち、少なくともＰ個の誤った警告に関連する確率である。

この確率Ｐｆｐを決定するために、次のように表わされる検出の出力における誤った警報の確率ＦＡを考慮することが必要である。

現存するトラックと関連付けられるべき追加の誤った警報を得る確率は、次の事象の確率である。「トラックの外挿された位置の周りにサイズがＲ×Ｒの関連領域を開く際に、少なくとも一つの誤った警報が見出される。」この事象は「トラックの外挿された位置の周りに関連領域を開く際に、誤った警報は見出されない」に反する事象であり、これはまた次のように表現可能である。「関連領域のいずれの画素も誤った警報を生じなかった」。この事象の確率は（１−ＦＡの｛Ｒ×Ｒ｝乗）であり、ここでＲ×Ｒは関連領域のサイズを表わす。そこから、現存するトラックと関連付けられるべき追加の誤った警報を得る確率は１−（１−ＦＡの｛Ｒ×Ｒ｝乗）に等しいことが導かれる。

事象「Ｑ−１個の観察からｉ個の誤った警報を得る」の確率は、ｉ回の「現存するトラックと関連付けられるべき追加の誤った警報」と（Ｑ−１−ｉ）回の「関連領域内で誤った警報がゼロ」を得る確率である。

この確率はそれゆえ

に等しく、ここで

はＱ−１個のうちのｉ個の要素の組合せ数を示す。

それゆえ

が導かれる。

ｍ＝３６００．ｆ．Ｎｐｉ．Ｐｆｐから出発して、それゆえ

が得られる。

１時間当たりの許容できる誤ったトラックの平均数ｍと、検出から生じる誤った警報率の値ＦＡとの関係と同様に対（Ｐ，Ｑ）との関係は、トラック作成の決定をする前にＱを許容できる観察の最大数として固定することにより（これは処理のために許容できる遅延時間に相当する）、それゆえ誤ったトラック作成の所定の割合を保証することが出来るであろうパラメータＦＡ及びＰを見出すことを可能にする。この式は、例えば誤ったトラックの所定割合に関して、Ｐの値を減らすことを選ぶ場合、トラック作成のための警報の関連付けに対する制約は減少することを示す。従って、検出の出力での誤った警報率を減らすために、誤った警報率の値ＦＡを減らすことが必要であろう。反対に、Ｐを増加させると、トラックを作成するために必要な警報の数に関して多くが要求されるようになっているため、誤った警報率を増すことが許容されるであろう。

トラッキング処理段階において遭遇する問題は、目標がその中で動いているオプトエレクトロニクス利用の場面の背景での複雑さにある。例えば、妥当性を確認された仮定トラックの場合、目標が複雑な領域に入ると、それは対応する画面において検出されないかも知れない。具体的に、目標の放射信号は先験的に一定である。複雑な領域内の点状目標の信号対雑音比は従って減少する傾向にある。それが検出しきい値ｔｈｄよりも低くなった場合、目標はこのように複雑な背景上ではもはや検出されないであろう。しかしながら、現在の画像において点状の目標の検出がない場合、運動学的属性（フィルタリング操作）は誤って変更され、予測自体が誤りになるであろう。目標が離脱するリスクがある。この目標が離脱する問題は、目標がオプトエレクトロニクス・センサーの届く範囲の限界に行く場合にまた生じ得る。その放射信号は更に弱くなる。信号対雑音比もまた減少する。

本発明の目的は、従って離脱の問題を避けるため関連付けプロセスをより堅固にすることである。

トラッキングモジュールに遭遇する別の問題は、仮定トラックの妥当性を確認するために必要な時間にある。具体的には、低くあり続けねばならない誤った警報確率の要件を依然として満足させながら、トラックを出来る限り速く確認することが望ましい。ここで、単純で一様な背景を考える場合、所定の検出しきい値に関して誤った警報の確率は複雑な背景の場合よりも低い。さて、最先端のトラッキングモジュールは、行なわれるべき少なくともＱ個の観察、及びトラックの妥当性を確認するために関連付けられた、これらＱ個の観察のうちのＰ個のプロットを要する、固定され予め定められた判定基準を適用する。

この観察の数を、少なくとも一定の好ましい観察のケースにおいて減らすことが出来る場合、（最初のプロットの）検出とトラックの設定の間の時間的偏差は有利に減らされる。センサーの反応性は従って改善される。目標がオプトエレクトロニクス・センサーに近付く場合、これは監視システムの届く範囲の改善に等しい。

本発明が基づくアイデアはトラッキングを適応可能にすることである。

本発明によれば、検出された各々の新しいプロットにおいて、検出しきい値以上である、このプロットと関連する一つの比較しきい値又は複数の比較しきい値が決定され、そして仮定トラックのプロットと関連させられた比較しきい値に依存する、関連する仮定トラックの妥当性の確認基準が適用される。

トラックと関連する各々の新たなプロットにおいて、トラックの妥当性確認基準が該トラックの各プロットと関連付けられたしきい値又は複数のしきい値に関して、満足されているかどうかが注視される。従って、固定の判定基準（Ｐ，Ｑ，ｔｈｄ）から、適応したしきい値の使用を通じてＰ及びＱの値が観察条件に従って変わり得る、適応可能な判定基準への移行が行なわれる。

従って、特徴付けられていることとして、本発明は信号対雑音比を検出しきい値（ｔｈｄ）と比較するための、観察された画像の各画素における比較ステップと、各仮定トラックが少なくとも一つの検出されたプロットを含む該仮定トラックを作成するステップとを含む、点状の目標の検出、及び前記画像において検出された各目標のトラックの追跡を確実にするための、画像のオプトエレクトロニクス処理の方法に関し、該方法は、検出された各プロットに関し、前記プロットと関連付けられた比較しきい値の集合を決定するステップであって、前記集合が一つ又は複数の比較しきい値を含み、前記比較しきい値が前記検出しきい値（ｔｈｄ）以上である、ステップと、前記プロットと関連付けられた仮定トラックの妥当性を確認するための判定基準を適用するステップであって、前記確認の判定基準が仮定トラックの各プロットの比較しきい値に依存するステップとを含むことを特徴とする。

本発明の一つの態様によれば、前記比較しきい値は考慮されるプロットの局部的な背景の複雑さに応じて決定される。

局部的な背景に応じた適応可能な妥当性確認基準の導入は、処理アルゴリズムを、オプトエレクトロニクス利用の監視センサーにより提供される画像の様々な領域において遭遇する検出条件に適合させることを可能にする。

本発明の一つの態様によれば、検出されたプロットと関連する前記比較しきい値は、考慮される仮定トラックと既に関連しているプロットの数に応じて決定される。

性能はそれが適用されるトラックのプロット数に応じた判定基準の適合を提供することによって更に改善される。そこに確認基準が適用される仮定トラックのｉ番目のプロットの関数として適用可能な比較しきい値は、従って各々のプロットに関して決定される。

仮定トラックがｐ個のプロットを含む場合、該確認基準はｉ個のプロット中の各プロットに関して、信号対雑音比がｉ個のプロットに適用できる比較しきい値よりも大きいように、そこにｉ＝１〜ｐのｉ個のプロットが存在するかを確認することにある。

特に、検出されたプロットが本発明によって関連付けられたプロットに対する比較の検出しきい値よりも大きい、非常に大きなＳＮＲを有する場合、トラックはその他のプロットの信号対雑音比とは無関係に、このプロットのみに対する確認基準を適用することによって妥当性を確認されるであろう。本発明による方法を実施している監視システムの反応性はこうして相当に改善される。

望ましくは、プロットがそこで検出される局部的な背景はモデル化され、比較しきい値の集合は各モデルに関して事前に計算される。このように、本発明による方法の実施は容易化される。更に、適用されるべき検出の集合の事前計算は高い画像速度に適合した、より速い、本発明によるトラッキング・アルゴリズム処理を可能にする。

前の実施形態と組み合わされ得る本発明の別の実施形態によれば、適合可能な判定基準が、確認されたトラックの追跡（維持）のためにプロットを関連付けるプロセスにおいて用いられる。この実施形態によれば、各々の新たな観察において、この新たな観察に関して考慮される確認されたトラックのための関連付けの予測領域の中に、検出モジュールがプロットを提供しないとき、この適合可能な判定基準は使用されるであろう。この判定基準は考慮される関連付け領域における検出しきい値を低くすることにより、幻像のプロットの検出を可能にする。これらの幻像のプロットは有利なことに、複雑な画像領域を横切る場合に目標を外さないことを可能にするであろう。ここで、この領域において１００％に近い検出確率を得るために、考慮される確認されたトラックに相当する目標の将来の位置がその上で予測される、局部的な背景の特性に応じて、該検出モジュールは公称の検出モジュールｔｈｄよりも低い検出しきい値で制御される。本発明のこの態様はトラックが妥当性を確認され、誤った警報が大幅に減少したという事実に立脚している。

本発明のほかの利点及び特徴は、本発明の限定されない指示によって提供された、以下に続く説明を読み、そして添付図面を参照することにより、更にはっきりと明らかになるであろう。

本発明によれば、現在の観察においてプロットが検出される都度、トラックの確認基準として適用可能な一つの比較しきい値又は複数の比較しきい値が定義され、目標が単純な、又は余り複雑でない背景にわたって移動している時に一度及び同時に目標検出及び誤った警報の率を保証し、好ましい条件下でトラックの妥当性を迅速に確認することを可能にする。従って、システムの信頼性判定基準（検出率、誤った警報の率）を依然として満足させながら、反応性に関してシステムの性能が改善される。

より具体的に、本発明の態様によれば、これらの比較しきい値は計算により、そこでプロットが検出された局部的な背景の放射特性、及びこのプロットの検出曲線と誤った警報の確率の関数として定義される。

図２に戻って、検出モジュールが各々の新たな観察において以下を提供するための用意が従ってなされる。
−各領域の属性、典型的には少なくともその位置、そのサイズ、平均ノイズレベル

及び領域Ｚｉにわたる放射レベルの標準偏差信号

を有する、画像の均質な領域Ｚｉの集合と、
−各プロットの属性（位置、放射レベルＳ、平均ノイズレベル

及び領域Ｚｉにわたる放射レベルの標準偏差信号

）を有する、検出されたプロットの集合。

従って、新たな観察においてプロットが検出された都度、そこでプロットが検出された均質な領域の放射特性に応じて比較しきい値の集合（一つのしきい値又は複数のしきい値）を決定し、そしてこのトラックの各プロットに関連付けられた比較しきい値に依存する、関連した仮定トラックＰＨｉのための確認基準を適用することが可能である。一般的に、これらのしきい値は方程式（式３）を利用して決定される。観察の数Ｑ及び現在の検出の数Ｐが既知の各トラックに関して、誤ったトラックに対する要求割合を保証するために必要な、誤った警報率が計算される。ここからこの誤った警報率を得ることを可能にするしきい値ｔｈｄが推定される。トラックを作成するために役立った検出がこのしきい値を超えた場合、該トラックを作成する決定は直ちになされる。

より正確には、本発明による適応可能な判定基準は、トラックのｐ個のプロットのうち、信号対雑音比がｉ個のプロットに関して定義された比較しきい値よりも大きいか、又は等しいｉ個のプロットが存在するかどうかを注視することにある。従って、仮定トラックは観察の条件に従って１、２、．．．ｐ個のプロットの後に妥当性を確認され得るが、又は確認されないかも知れない。

この判定基準は、新たなプロットが仮定トラックと関連付けられる度にそれが再評価されるため、適応可能であり、動的である。
−それが検出された均質な領域に応じて、目標は一つの観察から次の観察に移動し、複雑さが変化し得るため、我々は全く同じタイプの背景上には居ないであろう。
−ｑ個の観察が実施されるに応じて集計される。我々が１０番目の観察の局面にいる場合、しきい値は我々が１番目にいる場合のようには選択的でなく、これは統計的検出確率の法則に関連する。
−考慮される仮定トラックと関連付けられるｐ個のプロットの関数として、すなわち、所定のｑ個の観察に対し、我々が４個のプロットか又は単一のプロットを考慮するかによってしきい値は選択性が少なくなり、これは統計的検出確率の法則に関連する。

これは従って、その信号対雑音比が高い警報に対する反応性を増加することを可能にし、それは従ってより速いトラック設定に関連するしきい値ｔｈｄを超える、より高い確率を有する。

我々はそれゆえ、一方で小さいＳＮＲを有するプロットの場合のトラック設定を依然として許容しながら、大きなＳＮＲを有するプロットの場合に速いトラック設定（すなわち仮定トラックの確認）を可能にする、適応可能で動的な妥当性の確認方法を有する。言い換えれば、トラック設定の遅れは画素のコントラストに依存する。該システムの反応性はそれゆえ改善される。特に、説明された方法は、届く限界の範囲よりもセンサーにより近いオブジェクトの速いトラック設定を可能にする。

本発明による仮定トラックを確認するためのプロセスは、新たな観察において新たなプロットがこの仮定トラックと関連付けられる場合は、各々の新たな観察において始動する。この方法は画像において検出された各プロットと関連する比較しきい値の決定を必要とする。これらのしきい値は、そこでプロットが検出された均質な領域と関連する放射特性から決定され、これは各プロット及び各々の新たな画像に関しても当てはまる。それらはまた判定基準を確認するために考慮されるプロットの数に応じても決定される。

実際に、検出された各プロットに適用できる比較しきい値を定義するための、局部的な背景の放射特性の決定は、均質な領域内への画像の分解モードによって、より大きい、又はより少ない範囲まで容易にされ得る。

画像を均質な領域内へ分解する既知の方法は、均質な領域を定義するための判定基準として、該領域の各画素における一つの同じ放射レベル（グレーレベル）を用いる。この手順によれば、下記の表に図式的に表わされているように、観察された画像の一種の放射線写真（ｒａｄｉｏｇｒａｐｈｙ）が作り上げられる。

我々はそれゆえ信号レベル（グレーレベル）のような画像の仕切りを均質な領域内に有し、その領域において平均ノイズ及び標準偏差の計算が行なわれる。

次に、検出された各プロットに関して、相当する信号対雑音比を計算するために、この放射線写真のどの均質な領域に、このプロットがあるかが注視される。

本発明によれば、そこでプロットが検出された均質な領域により定義される、局部的な背景に応じて一つのしきい値又は複数のしきい値が定義される。しかしながら、そのような手順は検出される各々のプロットに関して実施されるべき追加の計算時間を必要とする。

好適な実施形態によれば、均質な領域内への画像の分解のモードは局部的な背景の複雑さのモデル化を可能にする。この好適な実施形態において、各画素の周りのより大きく均一な近傍の判定基準が用いられる。それゆえ、この手順において、画像における均質な領域は画素から出発して決定される。

均一性の判定基準は放射の分布関数に基づいて定義され得る。例えば、それは標準偏差に基づいて定義されてもよい。均一な領域はそのとき、オプトエレクトロニクス・センサーのノイズレベルと等しく、放射レベルの標準偏差がそこで一定の領域である。レベルの勾配の概念もまた定義の中へ統合され得る。

均質な領域内へのそのような分解に従って、画像の各画素において、この画素の周りで最大の均一な近傍領域である均質な領域Ｚｉが決定されなければならない。これはそこで均一性の判定基準が満足される、画素自体を除いた、画素の周りの最大の領域である。均質な領域内へ画像を分解するこの手順と関連するアルゴリズム処理は、当業者によく知られており、詳細は説明されないであろう。

実際に、最大のサイズＴＦ１と最小のサイズＴＦｔの間にあるウィンドウのサイズＴＦｋを用いて、この分解をモデル化することが出来る。この分解はそのとき各画素において、どのウィンドウのサイズが最大の均一な近傍の評価基準に合致するかを注視することにある。より正確には、画像分解手順は各画素において、該画素の周りの最大サイズ（又は最適サイズ）ＴＦ１のウィンドウを開くことにあり、そして該ウィンドウ内の画像領域にわたる均一性の判定基準の計算をそこに適用することにある。均一性の判定基準がこの領域において満足される場合、それはここで上記に明確化された意味において最大の均一な局部的近傍領域である。そうでなければ、画素の周りのウィンドウのサイズは減少し、以下同様にして、定義された最小のウィンドウサイズＴＦｔにまで減少する。

この分解局面の完了において、各画素はそれゆえウィンドウのサイズＴＦｋと関連付けられる。各画素の均質な領域ＺｉはそれゆえウィンドウのサイズＴＦｋにより定義され、画像の与えられた画素における信号対雑音比ＳＮＲの計算は、この領域に関連して行なわれる。

均一な放射分布判定基準に基づくこの分解は、ウィンドウの各サイズＴＦｋに合致することを可能にし、局部的背景の複雑さの判定基準であるｋは１〜ｔまで変化する。ｔのサイズのウィンドウを使用する場合、我々は従って１〜ｔまで変化する複雑さの判定基準を有する。取り決めにより、最大サイズのウィンドウはＴＦ１と呼ばれ、最小サイズのウィンドウはＴＦｔと呼ばれる。この取り決めによって、最大サイズのウィンドウＴＦ１を得ることは、考慮されている画素が観察された場面の単純な領域内にあることを意味し、最小サイズのウィンドウＴＦｔを得ることは、考慮されている画素が観察された場面の複雑な領域内にあることを意味する。そのような領域においては、プロットを検出する確率は単純な領域におけるよりも大幅に低い。

この分割局面の結論に際して、各画素はそれゆえ観察された画像におけるウィンドウのサイズＴＦｋと関連する。このウィンドウのサイズＴＦｋは均質な領域Ｚｉを定義する（Ｚｉは考慮される画素の中心にあるサイズＴＦｋのウィンドウに等しい）。最大サイズの均質な領域は野原、森などに相当する観察場面の「単純な」領域において見出され、最小の均質な領域は道路、境界等の「複雑な」領域において見出されるであろうことが理解される。

画像の背景の複雑さはそれゆえウィンドウのサイズによりモデル化されている。

本発明の好適な実施形態によれば、このモデル化は各プロットと関連する均質な領域のサイズに応じて、検出されたプロットと関連する比較しきい値を予め定義することを可能にする。

本発明の好適な実施において、均質な領域内への画像の分割を用いるオプトエレクトロニクス利用の監視システムは、均一な放射分布判定基準に基づいて使用され、前記判定基準は、前記画素の周りに適用され、それに対して前記判定基準が満足されるウィンドウの最大サイズを決定するために、観察された画像の各画素において適用される。

この状況の中で、検出されたプロットと関連する背景の複雑さのレベルｋは、この分割に従った、このプロットに関連するウィンドウのサイズにより与えられる。従って均一な分布判定基準のウィンドウのｋサイズに相当する、ｋレベルに対する局部的背景の複雑さを定量化することが可能である。

各々のウィンドウは均一な背景を表わし、このウィンドウに対する検出の確率密度はセンサーのノイズ及び目標の信号のみに関連する。

背景の複雑さを表わすための「正規化された」ウィンドウのモデルの使用は、各サイズのウィンドウに関して、検出の確率密度曲線及び誤った警報の先験的知識を可能にする。具体的に、均一な背景上にある場合、検出の確率密度はそのパラメータがセンサーのノイズ及び目標の信号のみに関連するガウス分布である。それは従って統計的に決定され得る。これは背景の複雑さの各々定量化されたレベルｋに適用可能な比較しきい値の集合Ｅｋを予め決定するために使用されるものである。

適応可能な判定基準の実施は、そこでサイズＴＦｋ又は関連する均質な領域の複雑さの判定基準ｋに対する新たに検出されたプロットに適用可能な、比較しきい値の集合を単純に索引付けすることにあり、そこで仮定トラックのプロットのこのように索引付けされた比較しきい値の集合を選択することにより、対応する仮定トラックに妥当性確認の判定基準を適用することにある。

従って、トラックの妥当性確認に関して、新たなプロットが検出される都度決定することができ、一方でシステムの信頼性（検出率及び誤った警報率）を保証しながら、そうすることができる。

図５は本発明による局部的な背景の複雑さのレベルｋの関数として決定された、比較しきい値の集合Ｅｋの表示を与える。

図５において明確に見られるように、各集合Ｅｋはｉ＝１〜Ｐ、及びｊ＝１〜Ｑでｉ≦ｊである、

個のしきい値ｔｈｉ，ｊ，ｋを含み、ここでＰは関連するプロットの最大数、Ｑは観察の最大数を表わす。実際上はＰ＝Ｑである。

各集合Ｅｋは、現在の観察（すなわち、現在の観察を含めて既に行なわれた観察）の数ｑに関して、ｑ個の比較しきい値ｔｈ｛ｉ，ｑ，ｋ｝（ｉ＝１〜ｑ）の部分集合Ｔ｛ｑ，ｋ｝を定義する、二つの相関項目を有する表の形で構成される。ここで、ｔｈ｛１，ｑ，ｋ｝＞ｔｈ｛２，ｑ，ｋ｝＞ｔｈ｛３，ｑ，ｋ｝，．．．＞ｔｈ｛ｉ，ｑ，ｋ｝＞．．．＞ｔｈ｛ｑ，ｑ，ｋ｝である。（与えられた観察の数ｑに関して、単一のプロットを考慮する場合よりも４つのプロットを考慮する場合、しきい値はより選択的でなく、これは統計的検出確率の法則に関係する。）
従って、

と書いてもよく、これは図５の配列の列に相当する。

各々の集合Ｅｋにおいて、（図５の配列の各行に）我々は又：ｔｈ｛Ｐ，１，ｋ｝≦ｔｈ｛Ｐ，２，ｋ｝，．．．≦ｔｈ｛Ｐ，Ｑ，ｋ｝を有する（考慮されるプロットの数ｐに対して、最初の観察の場合よりも１０番目の観察の場合の方が、統計的検出確率の法則に関連して、しきい値はより選択的でない）。

この表示において、
−そこでプロットが検出された領域の複雑さのレベルｋが、妥当性の確認プロセスにおいて、このプロット用に用いられるべきしきい値の集合Ｅｋに対するポインターとして使用され、
−考慮される仮定トラックの最初の関連するプロット以来行なわれた観察の数ｑが、集合Ｅｋにおいて、しきい値Ｔ｛ｑ，ｋ｝の部分集合を選択するためのポインターとして使用され、
−仮定トラックと関連するプロットの数ｐが、この部分集合すなわち：

の最初のｐ個のしきい値を選択するためのポインターとして使用される。

実際に、これらのしきい値は最初のｔｈ｛１，ｑ、ｋ｝で始まり、全て連続して考慮されるべきであるため、それらは妥当性確認の多基準を形成する。従って妥当性確認の判定基準が満足される値がｉ≦ｐの場合以外は、すなわちｉ個のプロットの各々のＳＮＲが、その関連するｋの値に関して、ＳＮＲ≧ｔｈ｛ｉ，ｑ、ｋ｝を満足するように、仮定トラックのｐ個の関連するプロットのうちｉ個のプロットが存在する場合以外は、全てのしきい値が最後まで連続して審査される。

本発明の例示のために与えられた一例において、トラッキングモジュールにより実施される妥当性確認プロセスは、以下の注釈を用いながら次のようであってもよい。我々は仮定トラックＰＨに関するｑ番目の観察の位置にあり（言い換えれば、最初のプロットからｑ番目の観察は仮定トラックと関連付けられ、すなわち仮定トラックが作成されて以来、関連付けられており）、そしてこのｑ番目の観察の間に、ｐ番目のプロットはこの仮定トラックと関連付けられる。ここでｐ≦ｑである。

仮定トラックＰＨｉと関連するｐ個のプロットの各々の一つの属性は、そこでこのプロットが検出された均質な領域の複雑さのレベルｋである。

本発明によれば、トラッキングモジュールは、
１．現在の観察の数ｑにより索引付けされた部分集合、すなわち部分集合

を選択する際に、考慮される仮定トラックのｐ個のプロットと関連する複雑さのレベルｋにより索引付けされた、適用可能な比較しきい値の集合Ｅｋを含み、
２．ｉ＝１の比較ループを初期化することにある。このループは次のステップにある。
−ａ）選ばれた部分集合Ｔ｛ｑ，ｋ｝における索引ｉのしきい値ｔｈ｛ｉ，ｑ、ｋ｝の選択、及び次の判定基準の適用
・ｉ個のプロットのうちの各プロットが次の不等式を満足するように、仮定トラックＰＨのｐ個のプロットのうちのｉ個のプロットが存在する場合：
このプロットと関連する複雑さのレベルｋの値に関して、ＳＮＲ≧ｔｈ｛ｉ，ｑ、ｋ｝
・そのときトラックは妥当性を確認される−ループ終了。
・そうでない場合は、ステップｂ）。
−ｂ）ｉ＝ｉ＋１
・ｉ≦ｐの間はステップａ）に戻る。
・そうでない場合は、ステップｃ）。
−ｃ）ｉ＞ｐの場合、トラックは妥当性確認をされない−ループ終了。

例えばｑ＝４を想定する。仮定トラックの最初の二つのプロットが２に等しい関連する属性ｋを有すると想定され、そして仮定トラックの他の二つのプロットが３に等しい関連する属性ｋを有すると想定される場合、我々は従って集合Ｅ２から次のしきい値（図５）：ｔｈ｛１，４、２｝＞ｔｈ｛２，４、２｝＞ｔｈ｛３，４、２｝＞ｔｈ｛４，４、２｝を含む部分集合Ｔ｛４，２｝を選択する。我々はまた次のしきい値（図５）：ｔｈ｛１，４、３｝＞ｔｈ｛２，４、３｝＞ｔｈ｛３，４、３｝＞ｔｈ｛４，４、３｝を含む部分集合Ｔ｛４，３｝を選択する。
一つの例において、

が得られる。

ｉ＝１からのｑ＝４番目の観察にあるトラックの妥当性を確認するプロセスは、以下を注視することである。
−ｐ個の関連するプロットのうちの一つのプロット（ｉ＝１）が、その関連付けられたｋの値に関して、ＳＮＲ≧ｔｈ｛１，４、ｋ｝を満足するかどうか。
ＹＥＳの場合、該トラックは妥当性を確認される。
そうでない場合は、次を注視する
−ｐ≧２の場合、ｐ個の関連するプロットのうちの二つのプロット（ｉ＝２）が、それらのそれぞれのｋの値に関して、各々ＳＮＲ≧ｔｈ｛２，４、ｋ｝を満足するかどうかＹＥＳの場合、該トラックは妥当性を確認される。
そうでない場合は、次を注視する
−ｐ≧３の場合、ｐ個の関連するプロットのうちの三つのプロット（ｉ＝３）が、それらのそれぞれのｋの値に関して、各々ＳＮＲ≧ｔｈ｛３，４、ｋ｝を満足するかどうか：ＹＥＳの場合、該トラックは妥当性を確認される。
そうでない場合は、次を注視する
−ｐ≧４の場合、ｐ個の関連するプロットのうちの四つのプロット（ｉ＝４）が、それらのそれぞれのｋの値に関して、各々ＳＮＲ≧ｔｈ｛４，４、ｋ｝を満足するかどうか：ＹＥＳの場合、該トラックは妥当性を確認される。
そうでない場合は、該トラックは妥当性が確認されない。

例えば、記述された仮定トラックの場合、二番目のプロット（ｋ＝２）が５．５よりも大きいＳＮＲを有するとき、そして三番目のプロット（ｋ＝３）が６よりも大きいＳＮＲを有するとき、それら両方はそれぞれの複雑さレベルｋに対してＰ＝２でのトラック作成のための条件を満足し、それゆえ該トラックが作成され得る。

トラックの設置は、現行技術において慣習的に用いられる固定された判定基準（Ｐ，Ｑ，ｔｈｄ）の場合よりも、大幅に速く得られることが理解される。

本発明の改良において、観察の間に、仮定トラックＰＨと一つもプロットが関連付けられない場合、トラックと関連する対（Ｐ，Ｑ）（すなわち最初の関連するプロット以来行なわれた観察の数ｐ、及び関連するプロットの数ｑ）が比較される。この対が妥当性の確認プロセスにおいて作り上げられた最大値（Ｐ，Ｑ）に近い場合、そこで仮定トラックの予測領域に関連する複雑さのレベルが注視される。この予測が複雑な背景に導く場合、そこで仮定トラックの妥当性確認は決定される。これは典型的に、採用されたモデル化の取り決めに従って、我々が（最小ウィンドウのサイズに相当する）ｔ又はｔ−１に等しい予測領域における複雑さのレベルｋを仮に有した時の場合であろう。従って、言い換えれば、与えられた仮定トラックに関して観察された現在の画像において、プロットが検出されない場合、これら二つの対（ｐ，ｑ）及び（Ｐ，Ｑ）の間の差の関数として、及び現在の画像におけるプロット位置予測領域と関連する複雑さのレベルｋの関数として、前記仮定トラックの妥当性を確認するように、最適な対（Ｐ，Ｑ）を伴う、仮定トラックのプロットの数ｐと、前記仮定トラックと関連する最初のプロット以来行なわれた観察の数ｑとの対（ｐ，ｑ）を比較するステップに関する用意がなされる。

これらの点を例示するため、我々が（Ｐ，Ｑ）＝（１０，１０）を有する場合、そのような改良は例えば（ｐ，ｑ）＝（８，９）により実施可能であろう。

本発明の別の態様によれば、複雑さのレベルｋは、プロットを妥当性が確認されたトラックと関連付けるプロセスを適応可能にするために再度用いられる。ここでトラックの追跡、すなわち目標の連続追跡を確実にすることが重要である。

与えられた目標は、一次迄は一定のまま留まる放射信号を有する。従って、この目標の軌跡が単純及び複雑な背景を通過する場合、この目標の信号対雑音比は激しく変化するであろう。複雑な領域において、それは検出モジュールにより検知されるには弱すぎるかも知れない。

検出モジュールは固定された検出しきい値ｔｈｄに適用されることが想起される。実際に、この固定されたしきい値ｔｈｄは、（単純な背景に相当する）Ｅ１の表のしきい値ｔｈ｛Ｑ，Ｑ，１｝により与えられるであろうＥｋの表の最小しきい値に相当する。

図６は与えられたサイズのウィンドウに対する信号対雑音比の関数としての、目標及びノイズに関する検出確率密度ｄｐ（ｘ）を表わす。

一定サイズのウィンドウに関して、検出確率は

と書かれ得る、検出モジュールの検出しきい値ｔｈｄに相当する垂直線により左側が区切られている、目標の曲線ｄｐ（ｘ）の下側にある面積であり、ｔｈｄはｐ（ｄｅｔ）＝９０％であるように選ばれる。

誤った警報の確率は左側が検出しきい値ｔｈｄにより区切られ、そして右側がノイズに関する確率密度曲線の部分により区切られた面積により与えられる。

今、目標がより複雑な背景を横切る場合、ウィンドウのサイズは変化する。これは図７において点線で表わされるように、左側にシフトしている目標検出確率密度曲線として表現される。同じ検出確率を維持するため、そのとき検出しきい値を減らすことが必要である。面積計算において、これは結局、目標検出確率密度曲線の下側に陰影を付けられた拡張部分“ａ”、すなわち

を加えることになる。このしきい値は図７においてｔｈｄａと名付けられている。それは目標検出確率が９０％残るように選ばれる。これがそうであるように、誤った警告の確率は時間とともに増加することが見られる。

本アイデアはそれゆえ、妥当性を確認されたトラックの場合、固定された検出しきい値ｔｈｄに適用される検出モジュールが、予測領域において、もしこの妥当性を確認されたトラックに対応するプロットの検出を可能にしなかった時、複雑な局部的背景の場合に検出しきい値の局部的低下を該検出モジュールに指示することである。該検出しきい値を局部的に適応させることにより、幻像のプロットと呼ばれるプロットの検出が可能にされる。仮定トラックの場合、我々が探しているものではない誤った警報の確率がそこで増大されるであろうため、この原理は仮定トラックに関するプロットの検出には全く適用出来ない。

実際に、本発明による方法の実施は二つの態様、予測の態様及び検出の態様を含む。

この実施において、新たなプロットが、考慮される確認されたトラックＰＶｉに関連付けられたとき、
−予測モジュールは、この確認されたトラックＰＶｉに関して、目標のプロットが観察される次の画像において持つべき位置と共に、又このプロットがその中にあるべき画像領域を計算する。それはプロットの入力として、及び現在の画像の中にそれが存在する関連付けられた均質な領域として利用できるため、この予測を行なうことが出来る。それはこの予測に基づいて、そして現在の画像において確認されたトラックと関連するプロットの属性、関連する領域の属性、及び観察される次の画像における予測領域の属性を使用することにより、場合によっては目標と関連する運動学の関数として、目標のコントラストにおける将来の損失をそこから推定する。目標が単純な領域からより複雑な領域に移動する場合、次の画像において検出すべきプロットのＳＮＲを予測することが従って出来るであろう。
−次の観察において、妥当性を確認されたトラックとプロットを関連付けるモジュールは、各々の確認されたトラックのためのプロット位置予測の周りに関連領域を開く。関連領域はトラックと関連付けられた動きのモデルに依存するプロットの探索領域であることが想起される。動きのモデルは実際に、目標の将来位置を予測することを可能にする。我々が新たな日付（新たな観察）に対応するプロットを探索すべきであるのは、この位置の周りである。動きのモデルは完全でなく、目標が操作によって動く場合は変わり得るため、該関連付けモジュールはその探索に関する許容範囲を与えられる。それは予測位置の周りの関連する半径により定義される関連領域である。

この関連領域において、該関連付けモジュールが検出モジュールにより何のプロットも見出さない場合、それは該検出モジュールにより前の画像において決定されたような、そこにプロットの予測位置がある領域内の複雑さのレベルｋを注視する。この領域は検出モジュールの画像分解プロセスにより与えられる。

単純な背景を示すｋ＝１の場合、該プロセスは停止する。そこには検出されたプロットはなく、それゆえこの観察に関して何らのプロットもトラックＰＨと関連しない。

ｋが１よりも大きい場合、それはこの領域の複雑さのレベルｋに相当する、適応した検出しきい値ｔｈｄａを選択し、考慮される関連領域への局部的な適用のために、この適応したしきい値を検出モジュールの入力として適用する。該検出モジュールは検出結果として、ゼロ、１つ又は複数の幻像プロットｐｆｉを送り返す。

従って、プロットの局部的背景の複雑さの判定基準の使用は、確認されたトラックとプロットを関連付けるモジュールを、より堅固にすることを有利にも可能にする。トラックの離脱のリスクは減少する。

本発明は画像の均質な領域の複雑さレベルを定義するために、画像に対して放射の情報を利用することにより、オプトエレクトロニクスを利用した監視システムのトラッキングモジュールの性能を改善する。

より詳細な方法において、検出条件に適応する適切な検出しきい値ｔｈｄａを決定するために、次のプロセスが適用される。
−妥当性を確認されたトラックと関連するプロットの表は、対応する目標の放射信号の平均値Ｓｍを提供する。

具体的にプロットｐｌｉに関して、検出モジュールにより伝送される、測定された放射信号Ｓｉが知られる。

目標と関連する平均信号Ｓｍはそれゆえ、

により与えられ、ここでＮは考慮されるトラックのためのメモリ・テーブル内に格納されたプロットの最大数である。

Ｓｍの値は新たなプロットがトラックと関連付けられる都度、再計算される。

この値は、次の画像においてこのトラックのプロットが持つべき信号対雑音比を予測するために、予測モジュールによって使用され得る。この予測はＳＮＲｐと名付けられる。

具体的に、予測モジュールは位置予測を提供する。従ってそれは、その中にこの予測がある均質な領域Ｚｉ’を予測することができる。我々は目標の信号Ｓｍの平均値及び、該領域Ｚｉ’における放射信号の平均と標準偏差を知っているため、これにより将来の観察における予測された信号対雑音比を推定する。

この領域Ｚｉ’に関連するウィンドウのサイズ（又は複雑さのレベルｋ）は、前の観察から知られる。

この様々な情報から、検出しきい値の決定のために通例用いられる検出確率密度（図７又は８）用の古典的な方程式を使用して、目標の予測された信号対雑音比ＳＮＲｐに相当する信号対雑音比を検出可能にするために、適応した検出しきい値ｔｈｄａを決定することができる。該検出しきい値ｔｈｄａは、望ましくは開いた関連領域において１００％に近い、探索されたプロットの検出の確率を得るように決定される。この方法により検出されたプロットは幻像のプロットと呼ばれる。

必要な時はいつでも、制御モジュールは、妥当性を確認されたトラックＰＶｉについて、プロットに関する探索に対応する決定された関連領域Ｚａｉ内で、それが適応したしきい値ｔｈｄａｉを局部的に適用するように、検出モジュールを制御する（図４）。

このように制御された検出モジュールは、この関連領域Ｚａｉの各画素における信号対雑音比を、適応した検出しきい値ｔｈｄａｉとそれとを画素から画素へと比較するために注視するであろう。それが幻像のプロットｐｆｉを検出した場合、それはこのプロットを確認されたトラックＰＶｉと関連付けることが出来る関連モジュールに、この幻像プロットの属性を送る。

妥当性を確認されたトラックＰＶｉに関する、幻像のプロットの検出原理は再度次の方法で理解され得る。その中で検出がなされる領域Ｚｉ’が知られる。この領域が高い複雑さのレベルを有する場合、検出は実際に画像の小さく均一な近接領域においてなされ、それゆえこの領域に関して計算された平均及び標準偏差におけるエラーは（考慮される領域の画素数が少ないことに起因して）大きい。計算された信号対雑音比ＳＮＲは従って過小評価される。妥当性を確認されたトラックとの関連付けを可能にするプロットを検出するため、しかしより単純な背景上で、同じ予測されたＳＮＲｐに関して得られたであろうものと同一の検出確率を保証するように、それゆえこの領域における検出しきい値を局部的に低くすることが必要である。

従って、この方法の実施は予測機能を介して、そこにトラックが後で（次の観察で）存在するであろう背景のタイプを予測することを可能にする。この情報を用いることにより、トラッキングは複雑な背景上での検出確率の将来的な損失を予想することができ、該トラックの維持を可能にする適応した検出しきい値を局部的に制御することにより、それを修正することができる。

それゆえ本発明の第一の態様において、観察された画像の各領域と関連する複雑さのレベルは、仮定トラックの妥当性を確認するために適用できる一組の比較しきい値を定義することを可能にし、プロットの局部的な検出条件、仮定トラックのプロット数ｐ、及び観察の数ｑに応じて、確認の判定基準を適合的及び動的にすることを可能にする。

本発明の第二の態様において、観察された画像の各領域と関連する複雑さのレベルは、そこにこのプロットに関する位置予測がある、領域の複雑さのレベルの関数として、妥当性を確認されたトラックに対応するプロットを検出するために、局部的に検出しきい値を適応させることを可能にする。

従って、トラッキングモジュールはオプトエレクトロニクス利用の監視センサーにより提供される様々な領域の画像において遭遇する検出条件に適応する。それは仮定トラックを確認するため、そして確認されたトラックを維持するため判定基準を適応させるように、検出モジュールにより抽出されたプロットがその上に配備されている、局部的背景の放射特性を考慮に入れる。

本発明の様々な態様は図４及び５に図式的に与えられている。

図３において、トラッキングモジュールにより行なわれる三つの処理動作が与えられている。第一に、トラッキングモジュールは既に妥当性を確認されたトラックＰＶｉに関わる。予測モジュールにより提供される情報を用いて、検出しきい値の局部的な低下による幻像のプロットのための探索に関し、トラッキングモジュールが検出モジュールに指示するのは、確認されたトラックとの関連付けの、このステージにおいてである。

二番目に、トラッキングモジュールは仮定トラックＰＨｉに関わる。このステージにおいて考慮されるプロットがその上で検出された、背景の局部的複雑さに応じて決定される、比較しきい値の集合を用いて、仮定トラックの妥当性確認を決定するために、トラッキングモジュールが適応可能で動的な判定基準を実施するのは、このステージにおいてである。

最後に、三番目に、トラッキングモジュールは新たな仮定トラックを作成するように、前の二つのステップに起因しない、検出されたプロットに関わる。

更に、トラッキングモジュールは、仮定トラック及び確認されたトラックに関して、それらの将来の位置を決定するために、適切な処理動作（カルマン・フィルタリング）を行なう予測モジュールを備える。

図４は検出モジュールに関する図３のブロック図を借用し、そして各々入力／出力を示しながら、トラッキングモジュール５の単純化されたブロック図を用いて補足されている。特に、トラッキングモジュールの入力として適用される検出モジュールの出力データＤＥＴＯＵＴは、プロットの属性だけでなく領域Ｚｉの属性も含む。

トラッキングモジュールは更に幻像のプロットｐｆｉを検出する目的で、決定された領域Ｚａｉにおいて、適応した検出しきい値ｔｈｄａｉを局部的に適用するように、検出モジュール４の検出ステージを更に制御する。

最後に、仮定トラックの妥当性を確認するため、トラッキングモジュールの仮定トラックを関連付けるステージにより、該トラッキングモジュールにおいて使用されるしきい値の集合Ｅｋは、表の形で象徴的に表わされている。

点状の目標のトラックを検出し追跡するための、オプトエレクトロニクス利用の画像処理における本発明の実施は、そこで点状の目標が検出される局部的な背景の複雑さのレベルに対する考慮を通じて、検出されたプロットがそれに対して強いコントラストを有する仮定トラックを更に速く確認することを可能にする。更に、目標がその中に位置付けられるべき複雑な画像の領域において、局部的に、プロット検出のしきい値を低くすることにより、それは確認されたトラックを追跡する唯一の目的のために、幻像のプロットの検出を可能にする。

本発明の有利な使用は集合Ｅｋを予め計算することを可能にする、均一な放射分布基準と関連する複雑さの判定基準ｋを用いて、局部的な背景の複雑さのモデル化に適用される。しかしながら、それは画像を均質な領域へと分割するための全ての技術に、より一般的に適用される。

既に述べられているように、オプトエレクトロニクス利用の監視システムのブロック線図である。 既に述べられているように、入力として適用された画像データＤＡＴＡＩＮに関する現行技術による検出モジュール４のブロック線図である。 本発明による適応可能な判定基準を用いたトラッキングモジュール５のプロセスを例示している。 検出及びトラッキングモジュールにおける、本発明による適応可能なプロセスを描写している。 本発明による局部的な背景の複雑さのレベルに応じて定義された検出しきい値の集合を例示している。 そこに目標が配置されている局部的な背景の複雑さに応じて、センサーノイズ及び目標信号に関連する検出確率密度の曲線の表示である。 そこに目標が配置されている局部的な背景の複雑さに応じて、センサーノイズ及び目標信号に関連する検出確率密度の曲線の表示である。

Claims (14)

1. 観察された各画像に対して、該観察された画像から検出されたプロットを少なくとも一つ含む仮定トラックを作成および妥当性を確認することで、点状の目標の検出および前記画像において検出された各目標のトラックの追跡を確実にするための画像のオプトエレクトロニクス処理方法であって、
   放射の分布関数に基づいて定義された判定基準を満たす均質な領域の複数から観察された画像の部分に対し、画素が存在する該均質な領域との関連において信号対雑音比（ＳＮＲ）を計算し、検出しきい値（ｔｈｄ）と計算された信号対雑音比との比較により前記画像の画素に対して計算した信号対雑音比が前記検出しきい値以上の場合に該画素に対するプロットを検出し、検出した各プロットに関して該プロットと関連付けられ、前記検出しきい値（ｔｈｄ）以上である一つ以上の比較しきい値の集合（Ｅｋ）を決定することでプロットを検出するステップ（４）と、
   検出された各プロットを含む仮定トラックの妥当性を確認するステップと、
   前記仮定トラックの各プロットに関連付けられた比較しきい値に依存し、前記仮定トラックの妥当性を確認するための判定基準を適用するステップと
   を含むことを特徴とする方法。
2. プロットと関連付けられた比較しきい値を決定する前記ステップが、前記プロットが検出された前記均質な領域によって定義された局部的な背景に依存することを特徴とする請求項１に記載の方法。
3. プロットと関連付けられた比較しきい値を決定する前記ステップが、妥当性確認の判定基準が適用される仮定トラックのｉ番目のプロットの関数として適用可能な、比較しきい値の決定を含むことを特徴とする請求項１又は２に記載の方法。
4. 仮定トラックがｐ個のプロットを含む場合、妥当性確認の判定基準が、ｉ個のプロットのうちの各プロットに関して、信号対雑音比（ＳＮＲ）がｉ個のプロットに適用可能な比較しきい値よりも大きいような、ｉ＝１〜ｐのｉ個のプロットが存在するかどうかを確認することにあるのを特徴とする請求項３に記載の方法。
5. 前記画像の各均質な領域（Ｚｉ）にわたる画素の放射レベルの平均
   及び標準偏差
   が
   均質な領域に関して観察された画像の各画素の前記信号対雑音比（ＳＮＲ）
   を満たし、Ｓは、前記画素の放射信号のレベルである
   ことを特徴とする請求項１〜４のいずれか一項に記載の方法。
6. 前記画像の部分は、観察された画像の各画素から検索した前記画素の周りのできるだけ大きく、前記画素から離れ、放射の分布関数に基づいて定義された判定基準を満たし、前記画素の周りの最大の近隣領域である均質な領域（Ｚｉ）を決定するステップが適用された均質な領域にあることを特徴とする請求項１〜５のいずれか一項に記載の方法。
7. 前記画素の周りの最も大きな近隣領域を決定する前記ステップが、局部的背景の複雑さのレベルｋに相当するサイズ（ＴＦｋ）のウィンドウによるモデル化を適用し、該モデル化はｔウィンドウサイズの定義であり、前記画素の周りの最も大きな近隣領域の決定は前記判定基準を満たすウィンドウの最大サイズを決定することであり、局部的背景の複雑さのレベルｋのｋは最大サイズのウィンドウに対する１から最小サイズのウィンドウに対するｔの値であり、検出された各プロットは、前記最も大きな近隣領域のウィンドウＴＦｋのサイズと複雑さｋのレベルと関連付けられることを特徴とする請求項６に記載の方法。
8. 比較しきい値（Ｅｋ）の集合が局部的な背景の各複雑さのレベルｋに関して決定され、各集合（Ｅｋ）がｉ＝１〜Ｐ、及びｊ＝１〜Ｑでｉ≦ｊである、
   個のしきい値ｔｈｉ，ｊ，ｋを含み、ここでＰは関連するプロットの最大数、Ｑは観察の最大数を表わすことを特徴とする請求項７に記載の方法。
9. 比較しきい値（Ｅｋ）の各集合が、現在の観察の数ｑに関して、ｔｈ｛１，ｑ，ｋ｝＞ｔｈ｛２，ｑ，ｋ｝＞ｔｈ｛３，ｑ，ｋ｝，．．．＞ｔｈ｛ｉ，ｑ，ｋ｝＞．．．＞ｔｈ｛ｑ，ｑ，ｋ｝でありｉ＝１〜ｑである、ｑ個の比較しきい値ｔｈ｛ｉ，ｑ，ｋ｝の部分集合（Ｔ｛ｑ，ｋ｝）を定義することを特徴とする請求項８に記載の方法。
10. 仮定トラックＰＨのｐ番目のプロットがｑ番目の観察で検出されたとき、
    −ｑ個の観察の関数として部分集合（Ｔ｛ｑ，ｋ｝）を選択する際に、仮定トラック（ＰＨｉ）のｐ個のプロットと関連する複雑さのレベルｋにより索引付けされた比較しきい値（Ｅｋ）の集合を含み、
    −ｉ＝１の比較ループを初期化することにあり、このループが次のステップ：
    −ａ）選ばれた部分集合（Ｔｑ，ｋ）における索引ｉのしきい値ｔｈ｛ｉ，ｑ、ｋ｝を選択するステップ、及び次の判定基準を適用するステップと、
    ・ｉ個のプロットのうちの各プロットが次の不等式を満足するように、仮定トラックＰＨのｐ個のプロットのうちのｉ個のプロットが存在する場合：
    このプロットと関連する複雑さのレベルｋの値に関して、ＳＮＲ≧ｔｈ｛ｉ，ｑ、ｋ｝
    ・そのときトラックは妥当性を確認される−ループ終了
    ・そうでない場合は、ステップｂ）
    −ｂ）ｉ＝ｉ＋１のステップと、
    ・ｉ≦ｐの間はステップａ）に戻る
    ・そうでない場合は、ステップｃ）
    −ｃ）ｉ＞ｐの場合、トラックは妥当性確認をされないステップと
    にあることを特徴とする請求項９に記載の方法。
11. 次回に観察される画像においてトラックのプロット位置を予測するステップを含み、前記予測が、関連付けられた均質な領域（Ｚｉ’）の予測を含むことを特徴とする請求項１〜１０のいずれか一項に記載の方法。
12. 与えられた仮定トラックに関し、現在の観察された画像において何のプロットも検出されない場合、仮定トラックのｐ個のプロット数と、値ｐと比較されるためのプロットＰの最大数と値ｑと比較されるためのプロットＱの最大数を予め定めた最適な値として、現在の画像におけるプロット位置予測領域と関連付けられた複雑さのレベルｋの関数として前記最適な値における前記仮定トラックの妥当性を確認するために、前記仮定トラックと関連付けられた最初のプロット以来実施されたｑ個の観察数との対（ｐ，ｑ）の比較ステップを含むことを特徴とする請求項１１に記載の方法。
13. プロットを妥当性が確認されたトラック（ＰＶｉ）と関連付ける追加のステップを含む方法であって、
    与えられた妥当性が確認されたトラック（ＰＶｉ）に関する現在の観察された画像において、何のプロットも検出されない場合、前記ステップが、考慮される確認されたトラックに関するプロット位置予測領域と関連付けられる、複雑さのレベルｋの関数としてそれを局部的に適応させるために、検出ステップ（４）における検出しきい値のチェックを含むことを特徴とする請求項１１又は１２に記載の方法。
14. 或る場面を観察するための画像を提供可能な一つ又は複数のオプトエレクトロニクス・センサーを備えたオプトエレクトロニクス利用の監視システムであって、
    請求項１〜１３のいずれか一項に記載の方法を実施する前記画像の処理手段を含むこと特徴とするシステム。