基于核相关滤波的红外目标实时跟踪方法及装置制造方法及图纸

本发明专利技术提供的一种基于核相关滤波的红外目标实时跟踪方法及装置，所述方法包括：S1，基于上一帧的粒子状态，利用粒子滤波算法得到目标在当前帧中的预测位置，其中，所述上一帧的粒子状态包括粒子在上一帧中的位置和运动状态；S2，若判断获知所述目标被遮挡，则以所述预测位置为采样中心，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。通过在目标被遮挡时，采用粒子滤波算法对目标在当前帧的位置进行预测得到预测位置，并将预测位置作为采样中心，利用核相关滤波算法进一步得到目标的在当前帧的精确位置，以实现在目标被遮挡时对目标的跟踪，避免了跟踪失败。

Real-time tracking method and device for infrared target based on kernel correlation filtering

【技术实现步骤摘要】
基于核相关滤波的红外目标实时跟踪方法及装置
本专利技术实施例涉及计算机视觉
，更具体地，涉及一种基于核相关滤波的红外目标实时跟踪方法及装置。
技术介绍
运动目标跟踪作为一门跨学科的前沿技术，融合了图像处理、模式识别、人工智能、自动控制等多种不同领域的理论知识。随着视觉理论和算法研究的发展，以及计算机硬件性能的不断提高，如今已成为最活跃的研究课题之一。目标跟踪系统一般是基于对图像序列的处理，对目标的运动规律加以预测，实现对目标的连续、准确的跟踪。其中特征提取和目标跟踪算法是目标跟踪系统的关键。红外目标的跟踪是计算机视觉领域中的一个重要问题，其主要目的是对红外图像序列中的运动目标的运动参数进行检测、提取、识别和追踪，获取红外运动目标的运动参数，如位置、速度、加速度及运动轨迹等，从而进行进一步的处理和分析，实现对运动目标的行为理解，以完成更高一级的任务。红外目标的跟踪在目标识别与跟踪、红外成像制导等军事和视频监控领域中应用十分广泛。目前，在红外目标实时跟踪领域，应用最多的方法是模板匹配方法和均值漂移(Meanshift)算法。这两种方法计算简单，消耗计算资源少，跟踪速度较快，能够满足实时性需求；但是算法的适应性差，在目标发生形变、遇到遮挡、外部光照变化的情况下无法正常工作。2010年，学者们提出了一种方差最小平方和滤波器，首次将相关滤波方法引入到目标跟踪领域，该滤波器结构简单，以二维高斯图形作为理想输出，通过在频域内对模板和候选样本进行相关计算，选择相关峰最接近理想输出的样本作为目标。该方法在频域内对矩阵计算加速，让算法具备了良好的实时性，作者也在论文中提出相关滤波的方法比朴素的模板匹配算法更鲁棒、具有更高的识别力。但是，利用上述算法在对红外目标进行跟踪时，当被跟踪目标存在被遮挡的情况时，容易发生目标跟踪失败。
技术实现思路
本专利技术实施例提供了一种克服上述问题或者至少部分地解决上述问题的基于核相关滤波的红外目标实时跟踪方法及装置。一方面本专利技术实施例提供了一种基于核相关滤波的红外目标实时跟踪方法，所述方法包括：S1，基于上一帧的粒子状态，利用粒子滤波算法得到目标在当前帧中的预测位置，其中，所述上一帧的粒子状态包括粒子在上一帧中的位置和运动状态；S2，若判断获知所述目标被遮挡，则以所述预测位置为采样中心，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。其中，在步骤S1之前还包括：在红外图像序列的第一帧中提取所述目标的灰度特征作为粒子滤波算法目标模型，分别提取所述目标的灰度特征和方向梯度直方图HOG特征作为所述核相关滤波算法的目标模型。其中，步骤S2还包括：若判断获知所述目标未被遮挡，且所述预测位置的置信度大于预设阈值，则以所述预测位置为采样中心，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。其中，步骤S2还包括：若判断获知所述目标未被遮挡，且所述预测位置的置信度小于或等于预设阈值，则以所述目标在上一帧中的位置为采样中心，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。其中，所述预测位置的置信度通过以下公式计算得到：其中，θt是t时刻的置信度，是t时刻粒子滤波的目标模型的归一化灰度直方图，是t时刻上一帧粒子滤波的目标模型的归一化灰度直方图，u是灰度直方图的级数，b是粒子数目。其中，步骤S1具体包括：基于所述上一帧的粒子状态，利用一阶状态转移方程得到所述当前帧的粒子状态；基于所述当前帧的粒子状态，得到所述当前帧中的粒子状态的加权平均和；根据所述当前帧的粒子状态的加权平均和，得到所述目标在当前帧中的所述预测位置。其中，在步骤S2中，所述得到所述目标在当前帧中的跟踪位置具体包括：以所述预测位置为采样中心，提取所述目标的HOG特征和灰度特征；对所述灰度特征进行归一化处理，并将经归一化处理后的所述灰度特征作为一个维度组合到HOG特征中，得到组合特征；基于所述组合特征，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。其中，在步骤S2中，所述得到所述目标在当前帧中的跟踪位置具体包括：以所述目标在上一帧中的位置为采样中心，提取所述目标的HOG特征和灰度特征；对所述灰度特征进行归一化处理，并将经归一化处理后的所述灰度特征作为一个维度组合到HOG特征中，得到组合特征；基于所述组合特征，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。另一方面本专利技术实施例提供了一种基于核相关滤波的红外目标实时跟踪装置，所述装置包括：粒子滤波模块，用于基于上一帧的粒子状态，利用粒子滤波算法得到目标在当前帧中的预测位置，其中，所述上一帧的粒子状态包括粒子在上一帧中的位置和运动状态；核相关滤波模块，用于在判断获知所述目标被遮挡时，以所述预测位置为采样中心，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。其中，所述装置还包括：初始化模块，用于在红外图像序列的第一帧中提取所述目标的灰度特征作为粒子滤波算法目标模型，分别提取所述目标的灰度特征和方向梯度直方图HOG特征作为所述核相关滤波算法的目标模型。本专利技术实施例提供的一种基于核相关滤波的红外目标实时跟踪方法及装置，通过在目标被遮挡时，采用粒子滤波算法对目标在当前帧的位置进行预测得到预测位置，并将预测位置作为采样中心，利用核相关滤波算法进一步得到目标的在当前帧的精确位置，以实现在目标被遮挡时对目标的跟踪，避免了跟踪失败。附图说明图1为本专利技术实施例提供的一种基于核相关滤波的红外目标实时跟踪方法的流程图；图2为本专利技术实施例提供的一种基于核相关滤波的红外目标实时跟踪方法的具体流程图；图3为本专利技术实施例中粒子滤波算法的流程图；图4为本专利技术实施例提供的一种基于核相关滤波的红外目标实时跟踪装置的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例提供的一种基于核相关滤波的红外目标实时跟踪方法的流程图，如图1所示，所述方法包括：S1，基于上一帧的粒子状态，利用粒子滤波算法得到目标在当前帧中的预测位置，其中，所述上一帧的粒子状态包括粒子在上一帧中的位置和运动状态；S2，若判断获知所述目标被遮挡，则以所述预测位置为采样中心，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。其中，粒子滤波(ParticleFilter，PF)算法来源于蒙特卡洛方法(MonteCarlomethod)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表示其分布情况，是一种顺序重要性采样法(SequentialImportanceSampling)。其中，如图2所示，在目标跟踪过程中需要判断目标是否被遮挡，通过核相关滤波时计算图像和模板的相关峰判断目标是否被遮挡，其中，若相关峰的峰值小于阈值则判定目标发生遮挡，此处的阈值优选为0.2。具体地，为了解决核相关滤波算法在遮挡、相似目标重叠以及镜头快速移动情况下跟踪性能减弱的问题，首先利用粒子滤波算法对目标在当前帧中的位置进行粗略估本文档来自技高网...

【技术保护点】
一种基于核相关滤波的红外目标实时跟踪方法，其特征在于，所述方法包括：S1，基于上一帧的粒子状态，利用粒子滤波算法得到目标在当前帧中的预测位置，其中，所述上一帧的粒子状态包括粒子在上一帧中的位置和运动状态；S2，若判断获知所述目标被遮挡，则以所述预测位置为采样中心，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。

【技术特征摘要】
1.一种基于核相关滤波的红外目标实时跟踪方法，其特征在于，所述方法包括：S1，基于上一帧的粒子状态，利用粒子滤波算法得到目标在当前帧中的预测位置，其中，所述上一帧的粒子状态包括粒子在上一帧中的位置和运动状态；S2，若判断获知所述目标被遮挡，则以所述预测位置为采样中心，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。2.根据权利要求1所述方法，其特征在于，在步骤S1之前还包括：在红外图像序列的第一帧中提取所述目标的灰度特征作为粒子滤波算法目标模型，分别提取所述目标的灰度特征和方向梯度直方图HOG特征作为所述核相关滤波算法的目标模型。3.根据权利要求2所述方法，其特征在于，步骤S2还包括：若判断获知所述目标未被遮挡，且所述预测位置的置信度大于预设阈值，则以所述预测位置为采样中心，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。4.根据权利要求2所述方法，其特征在于，步骤S2还包括：若判断获知所述目标未被遮挡，且所述预测位置的置信度小于或等于预设阈值，则以所述目标在上一帧中的位置为采样中心，利用核相关滤波算法得到所述目标在当前帧中的跟踪位置。5.根据权利要求3或4所述方法，其特征在于，所述预测位置的置信度通过以下公式计算得到：其中，θt是t时刻的置信度，是t时刻粒子滤波的目标模型的归一化灰度直方图，是t时刻上一帧粒子滤波的目标模型的归一化灰度直方图，u是灰度直方图的级数，b是粒子数目。6.根据权利要求2所述方法，其特征在于，步骤S1具体包括：基于所述上一帧的粒...

【专利技术属性】
技术研发人员：董逢武，岳诺宁，向涛，周诚，陈忠涛，刘阳，杨宁，
申请(专利权)人：武汉沃德自动化技术有限公司，
类型：发明
国别省市：湖北,42