[發明專利]基于粒子濾波的紅外弱小目標檢測與跟蹤方法及裝置

有效

• 申請號: 201210163140.1
• 申請日: 2012-05-24
• 公開（公告）號: CN102722706A
• 公開（公告）日: 2012-10-10
• 發明（設計）人: 汲清波;楊洋;耿麗群
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/40
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于粒子濾波的紅外弱小目標檢測與跟蹤方法，其特征是包括由如下步驟構成的基于全視場進行檢測的粒子濾波檢測前跟蹤方法：

（1）圖像預處理：采用形態學對圖像進行開啟操作獲得背景圖像，將原圖像減去背景圖像獲得含有目標和噪聲的去背景圖像；

（2）粒子初始化：根據設定的閾值和初始目標出現概率，在全視場大于閾值的范圍內抽取粒子，粒子的速度和強度服從最大值和最小值間的均勻分布；

（3）目標跟蹤階段：跟蹤階段分為預測和更新兩個步驟；

1）在預測過程中，分為目標出現狀態的預測和目標狀態的預測，根據目標前一時刻的狀態和狀態轉移概率矩陣對當前時刻目標狀態進行預測，預測之后的狀態為不存在的粒子沒有意義，預測之后的狀態為存在的粒子分為新生粒子和已存在的粒子兩種，對新生粒子從大于閾值的范圍內抽取粒子，已存在粒子由系統模型確定的一步轉移概率函數中抽取；

2）在更新過程中，根據當前圖像信息和粒子的狀態參數利用似然函數計算粒子權重值，對權重值歸一化，根據歸一化后的權重值對粒子進行重采樣；

（4）目標檢測階段：根據重采樣之后的當前時刻的粒子狀態計算目標存在的后驗概率，并以此計算似然比，再利用似然比完成目標檢測，如果似然比大于設定的閾值，就采用粒子濾波得到的預測結果作為目標的狀態估計值。

2.根據權利要求1所述的基于粒子濾波的紅外弱小目標檢測與跟蹤方法，其特征是：由基于全視場進行檢測的粒子濾波檢測前跟蹤方法實現目標的搜索后，判定是否搜索的目標，如果搜索到目標再采用基于窗口的粒子濾波的檢測前跟蹤的算法實現目標的跟蹤。

3.一種基于粒子濾波的紅外弱小目標檢測與跟蹤裝置，由視頻采集模塊、目標檢測與跟蹤模塊和顯示模塊構成，其特征是：其中視頻采集模塊由紅外熱像儀IR109-HGC和SAA7115HL解碼器構成，目標檢測與跟蹤模塊由ICETEK-DM642開發板構成，顯示模塊由監視器構成；

視頻采集模塊利用DM642芯片的實時操作系統即DSP／BIOS、驅動開發套件即DDK、SAA7115和SAA7105芯片的配置函數完成對紅外圖像的采集與輸出；主要包含以下函數和配置：

1)DSP／BIOS的配置

①設置放置緩存圖像的內存空間：在System下的MEM模塊中加入自己定義的內存空間名SDRAM1和SDRAM2，并對SDRAM1和SDRAM2進行配置；

②設置運行時間統計函數：在Instrumentation下的STS模塊中添加需要統計的對象STS_algorithm和tskLoopback；

③設置算法運行函數：在Scheduling下的TSK模塊添加算法運行任務函數tskVideoprocess，并對其進行配置：函數名為_tskVideoprocess，并在源程序中編寫tskVideoprocess函數的具體實現程序；

④對視頻設備進行驅動：在Input/Output下的Device?Drivers模塊中的User-Defined?Devices子模塊配置視頻設備驅動，添加自定義的視頻捕獲設備VP0CAPTURE和顯示設備VP2DISPLAY，并對設備進行配置；

2)SAA7115和SAA7105芯片的配置

①對SAA7115進行配置：將inMode配置為SAA7115_MODE_PAL720；

②對SAA7105進行配置：將SAA7105_AnalogFormat配置為SAA7105_AFMT_SVIDEO，將SAA7105_Mode配置為SAA7105_MODE_PAL720；

目標檢測與跟蹤模塊完成：

1）圖像預處理

利用函數MEM_copy將每一幀待處理紅外圖像復制至劃分的臨時存儲空間中，再利用函數ICETEKDM642PCIYuchuli(unsigned?char*in)完成對每幀圖像的預處理，得到只有目標和噪聲的圖像，將函數代碼放置在ISRAM中劃分的段.text1″中，在預處理中使用MEM_calloc函數動態在內存段MEMTEMP內劃分一個指向臨時數據存儲空間的unsigned?char型的指針tempdata，用于存儲存每次腐蝕與膨脹之后的圖像信息；

2）初始化粒子

在初始化粒子之前，定義算法運算中需要的參數：粒子個數Num_particle、視場行數LINE_SZ、視場每行像素數NUM_LINES、矩形分辨單元寬度delta_x、矩形分辨單元高度delta_y、初始時刻目標存在的概率Init_Pro_exist、x方向矩形分辨單元個數Num_Cell_x、y方向矩形分辨單元個數Num_Cell_y、狀態轉移概率矩陣Trans_Matrix[2][2]、目標運動中過程噪聲的大小q₁，目標強度噪聲大小q₂、模糊參數I_Blur；

使用函數float*find_M_D(unsinged?char*in,int?m,int?n,int?length,int?th)在預處理之后的第一幀圖像的全視場內找出大于閾值th的像素點，返回其坐標值，粒子初始化時的位置坐標值從大于閾值th的像素點中抽取；速度采用建議分布函數qb＝U[-v_max，v_max]，v_max是目標的最大速度，方向也是如此處理；目標的強度I_k?□U[I_min,I_max]，I_min和I_max是合適的灰度級，粒子狀態的初始化：使用函數randn(Num_particle)產生與粒子個數相等的值在0到1間的隨機序列，用函數find_M_X(U_rand，1，Num_particle，length_u，Init_Pro_exist)找出隨即序列中小于Init_Pro_exist的隨機數位置，將與之位置相同的粒子的狀態定義為存在用值2表示，其余粒子狀態為不存在用值1表示，完成對粒子的初始化；

3）跟蹤

預測：由k-1時刻目標出現的狀態與轉移概率矩陣∏＝[π_ij]作為參數，利用函數int*Regime_Transition(int*in，int?le_RP，float**T_M，int?len_TM)完成前后兩幀中粒子狀態的轉移；對于的粒子，其狀態變量沒有意義；對于的粒子，預測每個粒子k時刻的狀態變量，分兩種情況：(a)新生粒子，這些粒子是由轉換到時產生的，用函數float*find_M_D(unsinged?char*in，int?m，int?n，int?length，int?th)在全視場內找出大于閾值th的像素點得位置，粒子的位置坐標值隨即從大于閾值th的像素點中抽取；速度采用建議分布函數qb＝U[-v_max，v_max]，v_max是目標的最大速度，方向也是如此處理；目標的強度I_kU[I_min，I_max]，I_min和I_max是合適的灰度級，(b)已存在粒子，這些粒子是＝1轉換到時一直存在的，其狀態值利用函數s_k+1＝Fs_k+v_k計算，s_k+1為當前時刻狀態值，s_k為前一時刻粒子狀態值，v_k為高斯噪聲，利用DSP計算；

更新：用似然比計算重要性權值，在計算出粒子的重要性權值之后，對重要性權值進行歸一化。利用重采樣函數float*multinomialR(int?n，float*q)對粒子進行重采樣，在重采樣完之后對粒子進行更新；

4)檢測

在對粒子重采樣和更新之后，利用函數int?find_k_E(int*in，int?m，int?n，float?th)計算粒子中狀態為存在即粒子狀態值為2的個數，以此求出k時刻目標存在的后驗概率如果認為目標存在，否則認為目標不存在，在目標存在的情況下，通過對狀態值為2的粒子各個狀態求均值得到目標的狀態值，完成檢測。