[發明專利]一種融合梯度特征和自適應模板的粒子濾波紅外跟蹤方法

有效

• 申請號: 201510703729.X
• 申請日: 2015-10-26
• 公開（公告）號: CN105389807B
• 公開（公告）日: 2018-06-12
• 發明（設計）人: 熊舒望;白宏陽;胡福東;蘇文杰;明超;楊慶;李成美
• 申請（專利權）人: 南京理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/20;G06K9/46
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱顯國

本發明公開了一種融合梯度特征和自適應模板的粒子濾波紅外跟蹤方法，步驟如下：首先，采用粒子濾波算法作為紅外圖像跟蹤算法的主體框架；其次，在灰度特征基礎上融合描述梯度特征的梯度直方圖作為目標觀測模型；再次，在跟蹤算法中融合自適應模板更新策略對目標特征模板進行更新；最后，為提高算法實時性，借助共享存儲并行編程庫對跟蹤程序進行并行化。本發明能夠保證對紅外目標的長時間穩定、精確跟蹤，運算效率高，可為紅外制導工程化提供理論支持。

技術領域

本發明屬于圖像處理技術領域，特別是一種融合梯度特征和自適應模板的粒子濾波紅外跟蹤方法。

背景技術

紅外成像制導技術是精確制導武器的核心技術之一，而紅外跟蹤技術則是紅外成像制導技術中的關鍵組成部分。對紅外目標進行精確、穩定、快速的跟蹤是能實時解算出準確制導指令的重要前提。

目前紅外跟蹤算法主要分為自頂向下算法和自底往上算法。自頂向下算法的核心思想是將目標跟蹤問題轉換為在貝葉斯濾波框架下，已知目標狀態的先驗概率，通過新的觀測值不斷求解狀態的最大后驗概率的過程。主要代表為卡爾曼濾波算法和粒子濾波算法。自底往上算法是基于目標表示和定位的方法，主要通過匹配算法來實現目標的跟蹤。主要代表為均值漂移算法。

粒子濾波被認為是目前解決非線性、非高斯系統模型最成功的算法。將粒子濾波算法應用到紅外目標跟蹤，可以很好地解決跟蹤中的非高斯非線性問題。但是，紅外目標顏色特征信息少、粒子濾波算法實時性差、目標遮擋等問題仍然制約著跟蹤算法的性能。

發明內容

本發明的目的在于提供一種跟蹤精度高、實時性好、對震蕩干擾魯棒性強的融合梯度特征和自適應模板的粒子濾波紅外跟蹤方法。

實現本發明目的的技術解決方案為：一種融合梯度特征和自適應模板的粒子濾波紅外跟蹤方法，該方法采用粒子濾波，以融合灰度、梯度特征的直方圖模型作為粒子濾波的目標觀測模型建立目標特征模板，采用自適應模板更新策略對目標特征模板進行更新，從而對目標進行跟蹤，具體步驟如下：

步驟1，讀入紅外視頻圖像，在第一幀圖像中標定待跟蹤目標；以融合灰度、梯度特征的歸一化直方圖模型作為粒子濾波的目標觀測模型建立目標特征模板；初始化具有位置坐標、大小尺寸信息的N個粒子；

步驟2，讀入下一幀圖像，采用二階自回歸模型作為粒子狀態轉移模型，預測該幀圖像中各粒子位置坐標、大小尺寸；

步驟3，根據步驟1所述直方圖模型，對步驟2預測所得各粒子進行觀測，得到各粒子的融合灰度、梯度特征的歸一化直方圖，結合灰度、梯度特征計算各粒子與目標特征模板的似然度，并根據似然度更新各粒子權值；

步驟4，歸一化各粒子權值，通過對各粒子位置坐標、大小尺寸加權求和估算得到目標位置坐標、大小尺寸；

步驟5，根據步驟4歸一化后的各粒子權值進行粒子退化判斷：如果發生退化現象，則對各粒子進行重采樣后進入步驟6；若無，則直接進入步驟6；

步驟6，采用自適應模板更新策略對目標特征模板進行更新，返回步驟2繼續對下一幀圖像進行處理，直到最后一幀圖像即完成紅外目標的跟蹤。

進一步地，步驟1中所述以融合灰度、梯度特征的歸一化直方圖模型作為粒子濾波的目標觀測模型建立目標特征模板，具體如下：

將目標區域各像素按灰度值從0～255分為n組，各組組距相等，構成灰度直方圖，歸一化后得到歸一化灰度直方圖h_gray；將目標區域各像素按計算所得的梯度方向角度從-90°～90°分為m組，各組組距相等，構成方向梯度直方圖，歸一化后得到歸一化方向梯度直方圖h_og；結合h_gray、h_og作為目標觀測模型。

進一步地，步驟2所述采用二階自回歸模型作為粒子狀態轉移模型，具體如下：