[發明專利]一種基于空天背景小目標實時檢測跟蹤方法

有效

• 申請號: 201710959000.8
• 申請日: 2017-10-16
• 公開（公告）號: CN107705319B
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 邵瑞;吳剛;李燁;鄒慶華;何緯;高承志;黃放明;王坤;孫裔申
• 申請（專利權）人: 中國電子科技集團公司第二十八研究所
• 主分類號: G06T7/215
• 分類號: G06T7/215;G06T7/246
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 胡建華;于瀚文

1.一種基于空天背景小目標實時檢測跟蹤方法，其特征在于，包括如下步驟：

步驟1：利用局部灰度特征，使用多尺度表示方法對視頻圖像進行多目標檢測；

步驟2：利用多目標檢測的記錄輸出結果，對目標進行加權質心跟蹤，計算目標當前幀位置；

步驟3：通過線性、平方預測方法，預測目標軌跡；

步驟4：綜合目標檢測、預測目標軌跡、加權質心方法獲得目標位置與目標權值結果，更新目標預測軌跡，對目標進行有效跟蹤；

步驟1包括如下步驟：

步驟1-1：對接收的視頻圖像進行子域分割：將接收的視頻圖像分割成2^k*2^k個互不交疊的等尺寸小塊，每一個小塊稱之為視頻圖像的一個子域；

步驟1-2：統計在k層子域空間中的局部灰度特征，包括局部灰度均值，局部區域灰度方差和采樣點灰度特征；

步驟1-3：根據記錄前t幀的子域空間中的局部灰度特征與本幀計算得到的相應灰度特征進行比較，并對本幀中全局灰度均值、k層與k+1層子域中心灰度、灰度均值進行比較，選出待跟蹤目標，滿足如下公式的子域符合跟蹤目標的條件：

其中，α為第一閾值，gray_all表示當前幀全局的灰度均值，gray_c表示當前幀第k+1層待檢測的子域的灰度均值；β為第二閾值，T為連續統計幀數，D為空間相鄰距離，gray_td為距當前幀第t幀，與當前子域距離為d的子域的灰度均值，K為連續時空中統計子域的數量；γ為第三閾值，h_gray_c為待檢測子域上層子域的灰度均值；

步驟1-2包括如下步驟：

步驟1-2-1，用P來表示接收的視頻圖像，將其分割成2^k*2^k個互不交疊的等尺寸小塊，S為圖像P的k+1層金字塔表示，記為：

S＝(S₀,S₁,…,S_k-1,S_k)，

其中S₀＝P，即表示接收的視頻圖像本身，S_k則包含了2^k*2^k個圖像子域；

步驟1-2-2，根據圖像的灰度特征，包括局部灰度均值，局部區域灰度方差和采樣點灰度特征，構建包含不同分辨率的金字塔模型，形成對每種灰度特征的多尺度的特征表示：

用f(x,y)表示圖像在點(x,y)的像素灰度值，是第k層，i行，j列的子域，是對應子域的中心點，是包括中心點在內的樣本集合，根據如下公式分別定義的局部灰度均值局部灰度方差和中心灰度

其中N表示對應子域中像素個數；

步驟1-2-3，相鄰兩層子域的灰度均值有如下關系：

其中，為子域對應的四個相鄰低層子域的灰度均值，因此高層子域的灰度均值能夠利用相鄰低層子域的灰度均值來表達；

步驟2包括如下步驟：

步驟2-1：根據步驟1-3的檢測結果計算目標區域內每個像素點權值W_(x,y)：

其中，(x_i,y_i)表示以點(x,y)為中心的第i個像素點，M為跟蹤區域內像素點總數，表示點(x,y)與其相鄰點(x_i,y_i)之間灰度距離，D(Δx_i,Δy_i)表示點(x,y)與其相鄰點(x_i,y_i)之間空間位置的距離，W_(x,y)定義為該點(x,y)的權值，表示周圍像素點對該點為目標的貢獻值，該值越大，則此點為目標的概率越大；

步驟2-2：通過加權質心方法計算目標質心：

其中，(X_c,Y_c)為通過加權質心算法得到的目標當前幀位置，即目標質心，(X_i,Y_i)為第i點位置，為第i點權值；

步驟2-1中，通過函數D(Δx_i,Δy_i))計算權值W_(x,y)：

其中，λ為空間距離的常數參數；

步驟3包括：

目標線性、平方預測采用運動模型如下：

S’_k+1＝S_k+αΔt

S″_k+1＝S_k+αΔt+βΔt²

其中，S'_k+1表示線性預測第k+1幀目標位置，S″_k+1表示平方預測第k+1幀目標位置，S_k為目標第k幀目標位置，通過步驟2-2計算得到，α表示目標速度，β表示目標加速度，Δt表示兩幀圖像之間的時間差；

步驟4包括：根據步驟1-3目標檢測結果，建立一個候選集φ_Candidate，將新檢測而未被加入確定目標集φ_Certain的目標納入其中，為每個納入候選集或確定目標集的目標設置參數：歷史位置記錄，歷史局部灰度均值記錄，歷史局部灰度方差記錄，評分值τ，初始為0；

在視頻序列圖像中，通過跟蹤候選集中的目標以及目標檢測的更新，統計目標信息，記錄并更新候選集及確定目標集中的目標質量評分標準，評分更新準則如下：

其中，S_newd為新檢測的目標位置，T為候選目標集或確定目標集中的目標，S_T為T的當前幀位置，d為目標所在子域的寬度，為目標T上一幀的預測位置；

將評分值τ超過上門限的目標加入確定目標集，并輸出目標當前位置，同時將評分低于下門限的目標清除。