[發(fā)明專利]紅外熱成像圖像中目標(biāo)的追尋方法和裝置

在審

• 申請?zhí)枺?/td>: 202011431864.0
• 申請日: 2020-12-07
• 公開（公告）號: CN112509004A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計）人: 周賢偉;石碰;許金燕;左昉;蔣濤
• 申請（專利權(quán)）人: 北京集光通達(dá)科技股份有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/70;G06T7/11;G06T7/155;G06K9/62;G01J5/00
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 趙萬凱

1.一種紅外熱成像圖像中目標(biāo)的追尋方法，其特征在于，包括：

讀取紅外熱成像圖像的多幀圖像，并在當(dāng)前幀圖像中初始化第一搜索窗；

在所述當(dāng)前幀圖像中確定目標(biāo)區(qū)域，建立所述目標(biāo)區(qū)域內(nèi)目標(biāo)的灰度特征值的概率分布模型，作為目標(biāo)模型；

在所述當(dāng)前幀圖像后的各幀圖像中確定候選目標(biāo)區(qū)域，建立所述候選目標(biāo)區(qū)域內(nèi)目標(biāo)的灰度特征值的概率分布模型，作為候選模型；

在所述當(dāng)前幀圖像中，基于所述目標(biāo)模型和所述候選模型確定所述當(dāng)前幀圖像中目標(biāo)的質(zhì)心位置；

基于所述當(dāng)前幀圖像中目標(biāo)的質(zhì)心位置調(diào)整所述第一搜索窗的大小；

以調(diào)整后的所述第一搜索窗的質(zhì)心作為所述當(dāng)前幀圖像后下一幀圖像的第二搜索窗的中心，并重復(fù)上述步驟在所述下一幀圖像中確定所述第二搜索窗的大小，以完成對所述紅外熱成像圖像中目標(biāo)的追尋。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述目標(biāo)模型和所述候選模型確定所述當(dāng)前幀圖像中目標(biāo)的質(zhì)心位置，包括：

計算所述目標(biāo)模型和所述候選模型的相似度；

在所述相似度小于預(yù)設(shè)啟動門限時，則采用Mean Shift算法確定所述當(dāng)前幀圖像中目標(biāo)的質(zhì)心位置；

在所述相似度大于預(yù)設(shè)啟動門限時，則采用粒子濾波融合算法來確定所述當(dāng)前幀圖像中目標(biāo)的質(zhì)心位置。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述結(jié)合粒子濾波算法來確定所述當(dāng)前幀圖像中目標(biāo)的質(zhì)心位置，包括：

粒子種群初始化：以所述當(dāng)前幀圖像中目標(biāo)的外接矩形作為目標(biāo)模板，在所述當(dāng)前幀圖像中，以所述目標(biāo)模板的中心為圓心、半徑為R內(nèi)范圍內(nèi)進(jìn)行均勻采用，將每次采樣得到的點(diǎn)的坐標(biāo)作為每個粒子的坐標(biāo)，在k＝0時刻對粒子的樣本集進(jìn)行N個均勻采用，每一個粒子的初始權(quán)值為選取一階自然回歸過程作為系統(tǒng)狀態(tài)粒子的轉(zhuǎn)移模型，來建立目標(biāo)模型；

進(jìn)行重要性采樣，更新粒子重要性權(quán)重：由先驗(yàn)分布

采樣粒子集

更新粒子重要性權(quán)重

其中，z_k為k時刻的觀測值，x_k為k時刻的系統(tǒng)狀態(tài)向量，為似然函數(shù)，

重要性權(quán)值歸一化，計算累計概率

輸出當(dāng)前狀態(tài)的估計

設(shè)定權(quán)值閾值N_th，統(tǒng)計現(xiàn)有有效粒子的個數(shù)，

其中，為有效采樣尺寸，為樣本點(diǎn)的歸一化權(quán)重，在時，則進(jìn)行重采樣，否則，輸出粒子集。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標(biāo)模型為：

其中，C為歸一化常數(shù)，k(x)為核函數(shù)，x₀為目標(biāo)區(qū)域中心點(diǎn)的向量值，x_i為目標(biāo)區(qū)域內(nèi)第i點(diǎn)的向量值，h為核函數(shù)的帶寬向量，δ函數(shù)為脈沖函數(shù)。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述候選模型為：

其中，C為歸一化常數(shù)，k(x)為核函數(shù)，y為候選目標(biāo)區(qū)域的中心位置，x_i為目標(biāo)區(qū)域內(nèi)第i點(diǎn)的向量值，h為核函數(shù)的帶寬向量，δ函數(shù)為脈沖函數(shù)。

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述計算所述目標(biāo)模型和所述候選模型的相似度，包括：

采用下式計算所述目標(biāo)模型和所述候選模型的相似度：

其中，為目標(biāo)模型，為候選模型。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述初始化第一搜索窗之前，還包括：

獲取紅外熱成像圖像；

對所述紅外熱成像圖像進(jìn)行中值濾波處理；

對濾波處理后的所述紅外熱成像圖像進(jìn)行圖像增強(qiáng)處理；

對增強(qiáng)處理后的所述紅外熱成像圖像進(jìn)行形態(tài)學(xué)處理；

基于FCM聚類算法的圖像分割方法，提取形態(tài)學(xué)處理后的所述紅外熱成像圖像中的目標(biāo)的特征。