用于国土资源监控的目标跟踪系统技术方案

本公开是关于一种用于国土资源监控的目标追踪系统。该系统包括：目标位置确定模块，用于获取待监控国土资源区域的当前帧图像，根据预先训练得到的贝叶斯分类器对当前帧图像的上一帧图像进行处理以确定当前帧图像中的跟踪目标的目标位置；目标跟踪控制模块，用于获取待监控国土资源区域的下一帧图像，将下一帧图像作为所述当前帧图像输出到目标位置确定模块，并控制目标位置确定模块重复跟踪处理直至所有图像序列的所有帧图像处理完毕；目标位置预测模块，用于在跟踪处理过程中，当所述跟踪目标消失时，根据预设的目标位置预测算法预测得到在下一帧图像中所述跟踪目标的目标位置。本公开可以在国土资源的复杂场景下长久稳定可靠地跟踪监控目标。

【技术实现步骤摘要】
用于国土资源监控的目标跟踪系统
本公开涉及信息监控
，尤其涉及一种用于国土资源监控的目标跟踪系统。
技术介绍
随着我国经济的迅猛发展，土地供需矛盾日益突出，违法建设占用耕地现象、城市非法用地或者不合规用地建设现象和矿产资源的偷采盗采现象屡有发生。目前在国土资源监测方面主要利用卫星遥感监测等技术手段监测土地利用变化情况，通过不同年度前后时间土地遥感图像变化核查各地方违法用地状况。但是卫星监测更多的是从国家层面进行宏观监管，涉及到某区域性资源监控，则更多的是采用通过建设视频监控系统来进行监管。国土资源的视频监控系统在实际工程应用中存在一些问题，例如在复杂场景(如野外树林、山地等复杂场景)下，监控目标(如车辆或人员)会出现成像质量差、对比度低、背景混乱、目标姿态变化或被遮挡(包括部分和完全遮挡)等情况。这些情况下目前的视频监控系统难以长久稳定地跟踪监控目标，造成视频监控系统的监控误区，可能导致出现一些不必要的误判。因此，有必要提供一种新的技术方案改善上述方案中存在的一个或者多个问题。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种用于国土资源监控的目标跟踪系统，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开实施例的第一方面，提供一种用于国土资源监控的目标跟踪系统，所述系统包括：目标位置确定模块，用于获取待监控国土资源区域的当前帧图像，根据预先训练得到的贝叶斯分类器对所述当前帧图像的上一帧图像进行处理以确定所述当前帧图像中的跟踪目标的目标位置；以及目标跟踪控制模块，用于获取所述待监控国土资源区域的下一帧图像，将所述下一帧图像作为所述当前帧图像输出到所述目标位置确定模块，并控制所述目标位置确定模块重复跟踪处理直至所述待监控国土资源区域的所有图像序列的所有帧图像处理完毕；目标位置预测模块，用于在所述跟踪处理过程中，当所述跟踪目标消失时，根据预设的目标位置预测算法预测得到在下一帧图像中所述跟踪目标的目标位置。本公开的一种示例性实施例中，所述目标位置确定模块用于：在所述上一帧图像中的目标位置周围距离为预设半径的圆形范围内，利用粒子滤波器随机采样得到第一预定数目的候选样本；根据所述预先训练得到的贝叶斯分类器对获得的每个所述候选样本进行分类，计算每个所述候选样本的分类器响应，并将具有最大分类器响应的候选样本确定为所述当前帧图像中的跟踪目标进而确定目标位置。本公开的一种示例性实施例中，所述系统还包括样本训练模块，用于：获取所述待监控国土资源区域的第一帧图像，在所述第一帧图像中选取所述跟踪目标的跟踪区域；在所述跟踪区域利用粒子滤波器随机选取第二预定数目的正负模板；根据所述第二预定数目的正负模板对朴素贝叶斯分类器进行训练得到所述预先训练得到的贝叶斯分类器。本公开的一种示例性实施例中，所述预先训练得到的贝叶斯分类器如下：其中，先验概率均匀分布，即p(y＝1)＝p(y＝0)；y∈{0,1}表示二值标记的二值变量；n为待分类的候选样本个数，xi为每个待分类候选样本的特征向量；p(xi|y＝1),p(xi|y＝0)通过高斯分布进行估计，其服从具有四个参数的如下高斯分布：所述分别为所述正模板的均值和标准差，所述分别为所述负模板的均值和标准差。本公开的一种示例性实施例中，所述系统还包括目标跟踪判断模块，用于：在所述跟踪处理过程中，每达到预定帧数时将所述预定帧数的图像对应的最大分类器响应拟合形成响应曲线；其中，所述预定帧数大于等于5帧；根据所述响应曲线的变化趋势判断当前帧图像中所述跟踪目标是否消失；若所述跟踪目标消失，则由所述目标位置预测模块根据所述预设的目标位置预测算法预测得到在下一帧图像中所述跟踪目标的目标位置。本公开的一种示例性实施例中，所述目标跟踪判断模块，用于：若所述响应曲线连续下降五帧以上，且满足以下预设条件则认为所述跟踪目标消失：所述预设条件为：第一预定值大于第二预定值的a倍；其中，a取0.8；所述第一预定值为所述响应曲线上起始突变点对应的最大分类器响应与最后突变点对应的最大分类器响应之间的差值；每个所述突变点对应一帧图像；所述第二预定值为突变前所述响应曲线上的第五帧对应的最大分类器响应与最小分类器响应之间的差值。本公开的一种示例性实施例中，所述系统还包括分类器更新模块，用于：当所述跟踪目标没有消失时，则每隔五帧更新一次所述预先训练得到的贝叶斯分类器，以使所述目标位置确定模块根据更新后的贝叶斯分类器进行处理确定所述跟踪目标的目标位置。本公开的一种示例性实施例中，所述目标位置预测模块，用于：根据所述跟踪目标消失前的位置信息，采用卡尔曼滤波算法来计算预测得到下一帧图像中所述跟踪目标的目标位置。本公开的一种示例性实施例中，所述系统还包括目标重现捕获模块，用于：在所述跟踪目标消失后的所述预测过程中，检测所述跟踪目标是否重新出现；若是，则结束所述目标位置预测模块的预测过程，重新由所述目标位置确定模块根据所述预先训练得到的贝叶斯分类器对当前重新出现所述跟踪目标的一帧图像进行处理以得到相应下一帧图像中的所述跟踪目标。本公开的一种示例性实施例中，所述目标重现捕获模块，用于：在所述预测过程中同时计算每个所述候选样本的置信度值；根据每个所述候选样本的置信度值在整个所述跟踪处理过程中的变化趋势来判断所述跟踪目标是否重新出现。本公开的实施例提供的技术方案可以包括以下有益效果：本公开的一种实施例中，通过上述用于国土资源监控的目标跟踪系统，结合贝叶斯分类器算法以及轨迹预测确定跟踪目标的位置。这样，一方面，可以在复杂场景如目标被遮挡等情况下长久稳定地跟踪监控目标；另一方面，可以保证视频监控系统准确地捕捉追踪目标，进而确保国土资源监控视频系统的可靠运行，避免误判或监控事故情况出现。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示意性示出本公开示例性实施例中用于国土资源监控的目标跟踪系统的框图；图2示意性示出本公开示例性实施例中用于另一国土资源监控的目标跟踪系统的框图；图3A～3D示意性示出本公开示例性实施例中目标处于混乱背景下的目标跟踪结果示意图；图4A～4D示意性示出本公开示例性实施例中目标被遮挡背景下的目标跟踪结果示意图；图5示意性示出本公开示例性实施例中用于国土资源监控的目标跟踪装置的示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。此外，附图本文档来自技高网...

【技术保护点】
一种用于国土资源监控的目标跟踪系统，其特征在于，所述系统包括：目标位置确定模块，用于获取待监控国土资源区域的当前帧图像，根据预先训练得到的贝叶斯分类器对所述当前帧图像的上一帧图像进行处理以确定所述当前帧图像中的跟踪目标的目标位置；目标跟踪控制模块，用于获取所述待监控国土资源区域的下一帧图像，将所述下一帧图像作为所述当前帧图像输出到所述目标位置确定模块，并控制所述目标位置确定模块重复跟踪处理直至所述待监控国土资源区域的所有图像序列的所有帧图像处理完毕；以及目标位置预测模块，用于在所述跟踪处理过程中，当所述跟踪目标消失时，根据预设的目标位置预测算法预测得到在下一帧图像中所述跟踪目标的目标位置。

【技术特征摘要】
1.一种用于国土资源监控的目标跟踪系统，其特征在于，所述系统包括：目标位置确定模块，用于获取待监控国土资源区域的当前帧图像，根据预先训练得到的贝叶斯分类器对所述当前帧图像的上一帧图像进行处理以确定所述当前帧图像中的跟踪目标的目标位置；目标跟踪控制模块，用于获取所述待监控国土资源区域的下一帧图像，将所述下一帧图像作为所述当前帧图像输出到所述目标位置确定模块，并控制所述目标位置确定模块重复跟踪处理直至所述待监控国土资源区域的所有图像序列的所有帧图像处理完毕；以及目标位置预测模块，用于在所述跟踪处理过程中，当所述跟踪目标消失时，根据预设的目标位置预测算法预测得到在下一帧图像中所述跟踪目标的目标位置。2.根据权利要求1所述目标跟踪系统，其特征在于，所述目标位置确定模块用于：在所述上一帧图像中的目标位置周围距离为预设半径的圆形范围内，利用粒子滤波器随机采样得到第一预定数目的候选样本；根据所述预先训练得到的贝叶斯分类器对获得的每个所述候选样本进行分类，计算每个所述候选样本的分类器响应，并将具有最大分类器响应的候选样本确定为所述当前帧图像中的跟踪目标进而确定目标位置。3.根据权利要求2所述目标跟踪系统，其特征在于，所述系统还包括样本训练模块，用于：获取所述待监控国土资源区域的第一帧图像，在所述第一帧图像中选取所述跟踪目标的跟踪区域；在所述跟踪区域利用粒子滤波器随机选取第二预定数目的正负模板；根据所述第二预定数目的正负模板对朴素贝叶斯分类器进行训练得到所述预先训练得到的贝叶斯分类器。4.根据权利要求3所述目标跟踪系统，其特征在于，所述预先训练得到的贝叶斯分类器如下：其中，先验概率均匀分布，即p(y＝1)＝p(y＝0)；y∈{0,1}表示二值标记的二值变量；n为待分类的候选样本个数，xi为每个待分类候选样本的特征向量；p(xi|y＝1),p(xi|y＝0)通过高斯分布进行估计，其服从具有四个参数的如下高斯分布：所述分别为所述正模板的均值和标准差，所述分别为所述负模板的均值和标准差。5.根据权利要求2～4任一项所述目标跟踪系统，其特征在于，所述系统还包括...

【专利技术属性】
技术研发人员：胡锦龙，
申请(专利权)人：西安天和防务技术股份有限公司，
类型：发明
国别省市：陕西,61