[發明專利]一種衛星視頻小目標實時跟蹤方法

有效

• 申請號: 201811235772.8
• 申請日: 2018-10-23
• 公開（公告）號: CN109448023B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 眭海剛;陳旭;孫向東;付宏博;楊威
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/262;G06T7/277
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

本發明公開了一種結合空間置信圖和軌跡估計的衛星視頻小目標實時跟蹤方法，包括跟蹤濾波器的初始化和Kalman濾波器的參數初始化，利用跟蹤的目標位置，回歸Kalman濾波器，預測目標新的位置；對下一幀圖像提取特征進行傅里葉變換，利用構建的跟蹤濾波器，通過圖像卷積，求取結果的最大響應值，作為目標新的位置，以新的位置為中心提取特征更新跟蹤濾波器；執行循環傳入下一幀圖像，判斷是否滿足設定的預測條件，進行相應處理提取新的位置。本方法在充分考慮了衛星視頻中目標相對背景所占像素少、無明顯形狀特征、顏色與背景相似度高等特點，既保證了跟蹤結果的有效性又具備實時的跟蹤速度。

技術領域

本發明涉及衛星視頻跟蹤技術領域，尤其是涉及一種結合空間置信圖和軌跡估計的衛星視頻小目標實時跟蹤方法。

背景技術

視頻衛星是近幾年出現的新型對地觀測衛星，與傳統衛星相比能夠持續不間斷地對某一地區進行觀測，產生高時間高空間分辨率的動態視頻信息。目前，NASA國際空間站已經發布了1m分辨率的衛星視頻，中國發射的吉林一號商業衛星可以拍攝0.72m分辨率的衛星視頻。與地面視頻相比，衛星視頻中運動目標具有不易遮擋，可見范圍廣等特點，使得高分辨率衛星視頻分析在運動分析、交通監控、可疑目標監管等方面具有重大潛力。因此利用衛星視頻數據進行運動目標跟蹤具備很強的理論指導和現實應用意義。

目前視頻目標跟蹤的方法主要分為生成類和判別類。生成類方法把目標追蹤問題轉化為搜索問題，運用生成模型描述目標的表現特征，然后通過搜索候選目標來最小化重構誤差。該類方法由于忽略背景信息，在目標自身變化劇烈或者被遮擋時容易產生漂移。判別類方法以目標區域為正樣本，背景區域為負樣本，用機器學習的方法訓練分類器，下一幀用訓練好的分類器找最優區域。與生成類方法最大的不同是訓練時利用了背景信息，分類器可更好的區分前景和背景，所以效果普遍比生成類好。判別類算法中，目前最受關注和效果最好的是相關濾波類算法和深度學習類算法。相關濾波類算法以KCF、DCF、CN為代表，通過利用循環矩陣的性質轉換到傅里葉空間進行計算，大大提高了算法效率，可實現快速有效的跟蹤。深度學習類算法以GOTURN、MDNet、SiamFC為代表，通過對大量樣本的訓練，得到目標的深層語義特征，能更好地實現對嚴重變形、被遮擋目標的跟蹤，但由于計算量較大，難以做到實時跟蹤。

對于衛星視頻來說，一般每幀圖像的分辨率可以達到3840*2160或以上，是普通視頻每幀圖像大小的幾十倍甚至一百倍以上。其中的車輛、飛機等動態目標一般占據20*20或者更少的像素。與整個圖像相比所占像素太少，同時大部分目標與背景比較相似，目標本身的分辨率較低，這些問題都導致了大部分主流的跟蹤算法在衛星視頻中不能持續有效地對目標進行跟蹤。

發明內容

針對上述問題，本方法提出了一種結合空間置信圖和軌跡估計的衛星視頻小目標實時跟蹤方法。

本發明提供一種結合空間置信圖和軌跡估計的衛星視頻小目標實時跟蹤方法，包括以下步驟：

步驟1，跟蹤濾波器的初始化和Kalman濾波器的參數初始化，跟蹤濾波器初始化包括跟蹤搜索區域的特征提取以及高斯響應圖、空間置信圖和跟蹤濾波器的構建；

步驟2，利用跟蹤的目標位置，回歸Kalman濾波器，預測目標新的位置；

步驟3，對下一幀圖像提取特征進行傅里葉變換，利用構建的跟蹤濾波器，通過圖像卷積，求取結果的最大響應值，作為目標新的位置，以新的位置為中心提取特征更新跟蹤濾波器；

步驟4，執行循環傳入下一幀圖像，判斷是否滿足設定的預測條件，滿足條件僅執行步驟2 以步驟2的結果作為新的位置，不滿足執行步驟2和步驟3，以步驟3的結果作為新的位置。

而且，所述步驟1包括以下子步驟，

步驟1.1，首先確定跟蹤搜索區域的模板大小，計算該區域的高斯形態響應圖，通過循環偏移將中心最大值變換到左上角最大值，然后將結果進行傅里葉變換，變換后的結果標記為