[發(fā)明專利]基于KCF的海上目標跟蹤算法

有效

• 申請?zhí)枺?/td>: 201811220587.1
• 申請日: 2018-10-19
• 公開（公告）號: CN109558877B
• 公開（公告）日: 2023-03-07
• 發(fā)明（設計）人: 張文強;張浩;焦健;白戈;周一帆;路紅;張睿
• 申請（專利權）人: 復旦大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T5/30;G06T5/00;G06V10/764
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;陸尤

1.一種基于核相關濾波KCF的海上目標跟蹤算法，其特征在于，具體步驟如下：

步驟(1)圖像預處理；

步驟(2)海天線輔助目標檢測；

步驟(3)軌跡預測的目標跟蹤；

其中：

步驟(1)所述的圖像預處理，具體過程如下：

過程(11)輸入原始彩色圖像，對圖像進行腐蝕膨脹操作；

過程(12)對圖像進行高斯濾波，進行邊緣平滑處理，得到濾波后的圖像I；

過程(13)如果圖像I是有霧圖像，使用暗通道去霧進行圖像去霧；

步驟(2)所述的海天線輔助目標檢測，具體過程如下：

過程(21)通過水平梯度檢測，尋找梯度差異最大界限；

過程(22)通過非線性分割，獲得分割較為明顯的海天線

過程(23)通過直線擬合獲取海天線L；

過程(24)在海天線利用改進的DPM算法檢測船只；

步驟(3)所述的目標跟蹤，具體過程如下：

過程(31)進行循環(huán)位移獲得正負樣本；

過程(32)利用改進的KCF算法進行目標的跟蹤。

2.根據(jù)權利要求1所述的基于核相關濾波KCF的海上目標跟蹤算法，其特征在于，步驟(13)中所述的使用暗通道去霧，具體為：

暗通道去霧的數(shù)學表示如下：

其中，A的獲取方式如下：

從暗通道途中按照亮度大小進行排序，然后選取亮度排在前0.1％的像素點；

之后在選取的像素點中，到原始圖像中尋找對應的像素，將其中最亮的像素值作為大氣光強度；

去除霧之后的目標圖像J(x)最終計算公式如下：

其中，I(x)表示存在霧的原圖像，J(x)是需要得到的去除霧之后的目標圖像，t(x)和A分別表示大氣的折射率和大氣光強度。

3.根據(jù)權利要求1所述的基于核相關濾波KCF的海上目標跟蹤算法，其特征在于，步驟(2)中所述的海天線輔助目標檢測，檢測具體過程如下：

過程(211)根據(jù)輸入圖像的亮度分量進行分解，將圖像分解成8*8的塊，然后將DCT用于每一個分解塊；

過程(212)然后使用以下策略將每一個應用的DCT塊標記為天空和海面：

過程(213)利用所有被標記為天空的塊的底部塊的中心點繪制地平線；

過程(214)對標注為海面塊的塊采用高斯混合模型GMM來將它們分為K類；其中：

高斯分類的參數(shù)和變量具體定義如下：

D＝{X₁,X₂,……X_G}是X的樣本集合；

其中，分別是E1,E2,E3的標準偏離的平方；

利用Fit_i函數(shù)來對高斯分布進行排序：

4.根據(jù)權利要求1所述的基于核相關濾波KCF的海上目標跟蹤算法，其特征在于，步驟(24)中所述的改進的DPM算法，具體過程如下：

過程(241)計算梯度直方圖D；

過程(242)計算整體和局部的損失函數(shù)F；

過程(243)支持向量機SVM進行訓練；

過程(244)訓練模型預測；

所述的計算整體和局部的損失函數(shù)F，具體做法如下：

得分公式為：

其中，x₀、y ₀、l ₀分別為錨點的橫坐標，縱坐標，尺度，為根模型的響應分數(shù)，為部件模型的響應分數(shù)；

DPM模型用M＝(F,P₁,P₂……P_i)來表示，其中，F(xiàn)表示根模型，P_i則表示第i個部件的模型，P_i＝(f,V,D)是由三個部分組成，f表示第i個部分的濾波器，V表示第i個部件的左上角在整個坐標系下的位置，D表示懲罰系數(shù)。

5.根據(jù)權利要求1所述的基于核相關濾波KCF的海上目標跟蹤算法，其特征在于，步驟(32)中所述利用改進的KCF算法進行目標的跟蹤，具體過程如下：

過程(321)循環(huán)矩陣生成樣本；

過程(322)分類器在線學習更新；

過程(323)檢測器快速檢測；

過程(324)偽即時更新策略；

過程(325)軌跡預測；

所述的循環(huán)矩陣生成樣本具體過程如下：

h＝[h₁,h₂……h(huán)_n]^T

P_h＝[h_n,h₁,h₂,h₃,……h(huán)_n-1,]

所述的偽即時更新策略具體過程如下：

如果待預測目標的響應和上一次更新時的響應接近，那么將待預測樣本加入分類器進行更新，同時此最大響應位置即為目標最新位置；

如果待預測目標的響應和上一次更新時響應相差過大，不更新分類器，同時將軌跡預測的位置加入更新并作為新的目標位置；

所述的軌跡預測具體過程如下：

根據(jù)遮擋前的目標算出目標的運動方向、速度、角度位置信息，通過這些信息，即可預測船只下一幀中出現(xiàn)的位置。