一种基于卡尔曼滤波器的图像位置运动估计方法技术

一种基于卡尔曼滤波器的图像位置运动估计方法，于帧视频图像中选取待跟踪目标，利用以去均值归一化灰度积相关方法作为位置判定准则的计算方法，选取运动估计运算开始后的前三帧图像拟合目标运动参数，并进行一定范围内进行目标模板匹配相似度计算，同时通过卡尔曼滤波预估当前帧目标的预测位置，寻找满足判定条件的位置点，再通过预设阈值进行判断最终确定当前帧视频图像中目标位置坐标，解决了传统卡尔曼滤波预测算法容易出现计算误差，计算精度不高的情况。

An Image Position Motion Estimation Method Based on Kalman Filter

【技术实现步骤摘要】
一种基于卡尔曼滤波器的图像位置运动估计方法
本专利技术涉及一种基于卡尔曼滤波器的图像位置运动估计方法，属于视觉伺服控制领域。
技术介绍
随着现代航空、航海、航天事业的蓬勃发展以及现代战争信息化、网络化发展，机动目标跟踪技术越来越受到各国的重视，目前已经成为一个十分活跃的研究领域。目前有多种算法可通过对目标的运动估计实现目标跟踪，但算法各有优缺点和适用条件，没有完备的运动估计算法。针对高机动的变速运动目标的运动估计也是亟待解决的问题，也是人们关注的热点。目标机动模型的建立是解决问题的关键之一。在机动模型的建立方面，趋势是采用非零均值时间相关模型，并努力反映不同情况下的目标实际机动特性。机动目标模型大致分为全局统计模型和“当前”统计模型两类。全局统计模型包括Singer模型，半马尔可夫模型和Noval统计模型，其共同的特点是考虑了目标所以机动变化的可能性，适合各种情况和类型的目标机动。导致在全局统计模型中，每一种具体机动发生的概率就很小。就是说，对于具体的目标运动情况而言，机动模型的精度将不可能足够高。我们应该关心的是特定情况和运动形式下的目标，由此“当前”统计模型应运而生。在具体的环境下，我们所关心的仅是机动加速度的“当前”概率密度，当目标正以某一加速度机动时，它在下一瞬间的加速度取值范围是有限的，只能在“当前”加速度的邻域内。因此在描述机动加速度的概率密度时，没有必要考虑加速度取值的所有可能性。当前在目标运动估计的方法上主要以线性卡尔曼滤波器进行预测来实现，但是对于变速运动、机动性强的目标运动估计，传统的线性卡尔曼滤波的计算方法预测误差较大，同时为了弥补误差，重复的计算导致了计算量的增加，跟踪实时性下降，甚至出现丢失目标现象。对于目标位置信息仅能依靠图像计算获取时，仅使用线性卡尔曼滤波也是无法实现目标跟踪的，需要高精度图像匹配算法的支持，故而现有的卡尔曼滤波跟踪计算方法难以满足准确、可靠、实时地对变速目标实现运动估计。目前针对变速目标的运动估计问题还有待进一步探究。
技术实现思路
本专利技术解决的技术问题是：针对目前现有技术中，使用卡尔曼滤波器进行目标运动估计的方法，计算误差较大，计算量较大，实时性较差，当目标位置信息仅能依靠图像计算获取时，现有卡尔曼滤波算法缺少高精度图像匹配算法支持的问题，提出了一种基于卡尔曼滤波器的图像位置运动估计方法。本专利技术解决上述技术问题是通过如下技术方案予以实现的：一种基于卡尔曼滤波器的图像位置运动估计方法，步骤如下：(1)于视频图像中选取待跟踪目标，标记该待跟踪目标于第一帧图像内的位置坐标，并于第二帧图像中标记该待跟踪目标的图像区域、内波门、外波门，并计算外波门内所有目标匹配点的匹配相似度量值；(2)根据步骤(1)所得待跟踪目标外波门内所有目标匹配点的匹配相似度量值，选取匹配相似度量值最大的目标匹配点的坐标作为第二帧视频图像中待跟踪目标位置；(3)进入第三帧图像，分别按步骤(1)、步骤(2)中方法找到第三帧图像中匹配相似度量值最大的目标匹配点的坐标作为第三帧图像中待跟踪目标位置；(4)根据所得第一、第二、第三帧图像中待跟踪目标位置计算第三帧时刻待跟踪目标从左到右沿行方向的速度与加速度及第三帧时刻待跟踪目标从上到下沿列方向的速度与加速度，作为第一、第二、第三帧图像中待跟踪目标的运动参数；(5)设定相似度量值阈值，通过所得第一、第二、第三帧图像中待跟踪目标的运动参数对第K帧待跟踪目标的运动参数进行预估，同时将第K帧图像中待跟踪目标位置与相似度量值阈值进行比较，若匹配相似度量值最大值不大于设定阈值，则将第K帧待跟踪目标的预估运动参数中的坐标作为第K帧待跟踪目标位置；若匹配相似度量值最大值大于设定阈值，则将第K帧图像中匹配相似度量值最大值点的坐标通过卡尔曼滤波器进行位置修正，于预测区域内获取修正后坐标作为第K+1帧待跟踪目标位置；(6)重复步骤(5)直至遍历所有帧视频图像并获取所有帧待跟踪目标位置。所述步骤(2)中，外波门内所有目标匹配点的匹配相似度量值的计算方法为：式中，f(i+m,j+n)表示的是外波门中第i+m行、第j+n列的像素的灰度值；g(i,j)是内波门中第i行、第j列的像素的灰度值；表示的是外波门中中各个像素灰度值的平均值，表示的是内波门中各个像素的灰度值的平均值，m、n为所选点坐标，均为正整数，M、N分别为外波门图形的长和宽。所述步骤(4)中，计算第三帧时刻待跟踪目标从左到右沿行方向的速度与加速度及第三帧时刻待跟踪目标从上到下沿列方向的速度与加速度的方法为：vx3＝2αx×(3Δt)+βxax3＝2αxvy3＝2αy×(3Δt)+βyay3＝2αy式中，Δt为两帧视频图像的拍摄时间间隔，即帧频的倒数，vx3、ax3分别为待跟踪目标在第三帧时刻从左到右沿行方向的速度与加速度，vy3、ay3分别为待跟踪目标在第三帧时刻从上到下沿列轴方向的速度与加速度，αx、αy、βx、βy、γx、γy为运动参数计算过程的中间变量，(sx1,sy1)为一帧视频图像的匹配位置坐标，(sy2,sy2)为第二帧视频图像的匹配位置坐标，(sx3,sy3)为第三帧视频图像的匹配位置坐标。所述步骤(5)中，若匹配相似度量值最大值大于设定阈值，第K帧图像中匹配相似度量值最大值点的选取范围为：以第K帧待跟踪目标的运动参数预估运动参数中的坐标为中心，Lk为边长的正方形预测区域内，Lk为预测区域边长，计算公式如下：式中，Lk表示第k帧图像的预测区域边长，Δt为帧频的倒数，vxk为目标在第k帧时刻沿X轴方向的速度，vyk为目标在第k帧时刻沿Y轴方向的速度。优选的，所述步骤(5)中，相似度量值阈值为0.9本专利技术与现有技术相比的优点在于：(1)本专利技术提供的一种基于卡尔曼滤波器的图像位置运动估计方法，通过将去均值归一化灰度积相关算法、统计模型方法及卡尔曼滤波预测等算法有效结合，提出了对匹配相似度的新的计算方法，并通过提出匹配相似度与设定阈值进行阈值判断的方法，在保证精度的前提下，适应了变速目标的运动形式，缩短了匹配时间，实现高精度高速度的实时运动估计方法；(2)本专利技术同时针对预估目标位置及第K帧图像中匹配相似度量值最大值点位置，给出了匹配区域边界宽度的选点范围，同时提出了边界宽度实时的计算方法，无需将该帧图像中外波门的所有点进行计算，只需计算范围内的特定点相似度量值即可，计算精度高，计算速度快，步骤简洁。附图说明图1为专利技术提供的运动估计方法流程图；图2为专利技术提供的图像坐标系示意图；图3为专利技术提供的卡尔曼滤波器输出目标位置的预测范围示意图；图4为专利技术提供的卡尔曼滤波器工作原理图；图5为专利技术提供的变速目标沿X轴方向运动轨迹示意图；图6为专利技术提供的变速目标沿Y轴方向运动轨迹示意图；图7为专利技术提供的预测轨迹与匹配轨迹对比示意图；具体实施方式一种基于卡尔曼滤波器的图像位置运动估计方法，对目标类型没有约束，针对存在变速运动的目标，可以适应目标速度的变化与短时间遮挡，从而实现实时位置计算，如图1所示，具体估计方法步骤如下：(1)于视频图像中选取待跟踪目标，标记该待跟踪目标于第一帧图像内的位置坐标，并于第二帧图像中标记该待跟踪目标的图像区域、内波门、外波门，并计算外波门内所有目标匹配点的匹配相似度量值；其中，待跟踪目标需要满足本文档来自技高网...

【技术保护点】
1.一种基于卡尔曼滤波器的图像位置运动估计方法，其特征在于步骤如下：(1)于视频图像中选取待跟踪目标，标记该待跟踪目标于第一帧图像内的位置坐标，并于第二帧图像中标记该待跟踪目标的图像区域、内波门、外波门，并计算外波门内所有目标匹配点的匹配相似度量值；(2)根据步骤(1)所得待跟踪目标外波门内所有目标匹配点的匹配相似度量值，选取匹配相似度量值最大的目标匹配点的坐标作为第二帧视频图像中待跟踪目标位置；(3)进入第三帧图像，分别按步骤(1)、步骤(2)中方法找到第三帧图像中匹配相似度量值最大的目标匹配点的坐标作为第三帧图像中待跟踪目标位置；(4)根据所得第一、第二、第三帧图像中待跟踪目标位置计算第三帧时刻待跟踪目标从左到右沿行方向的速度与加速度及第三帧时刻待跟踪目标从上到下沿列方向的速度与加速度，作为第一、第二、第三帧图像中待跟踪目标的运动参数；(5)设定相似度量值阈值，通过所得第一、第二、第三帧图像中待跟踪目标的运动参数对第K帧待跟踪目标的运动参数进行预估，同时将第K帧图像中待跟踪目标位置与相似度量值阈值进行比较，若匹配相似度量值最大值不大于设定阈值，则将第K帧待跟踪目标的预估运动参数中的坐标作为第K帧待跟踪目标位置；若匹配相似度量值最大值大于设定阈值，则将第K帧图像中匹配相似度量值最大值点的坐标通过卡尔曼滤波器进行位置修正，于预测区域内获取修正后坐标作为第K+1帧待跟踪目标位置；(6)重复步骤(5)直至遍历所有帧视频图像并获取所有帧待跟踪目标位置。...

【技术特征摘要】
1.一种基于卡尔曼滤波器的图像位置运动估计方法，其特征在于步骤如下：(1)于视频图像中选取待跟踪目标，标记该待跟踪目标于第一帧图像内的位置坐标，并于第二帧图像中标记该待跟踪目标的图像区域、内波门、外波门，并计算外波门内所有目标匹配点的匹配相似度量值；(2)根据步骤(1)所得待跟踪目标外波门内所有目标匹配点的匹配相似度量值，选取匹配相似度量值最大的目标匹配点的坐标作为第二帧视频图像中待跟踪目标位置；(3)进入第三帧图像，分别按步骤(1)、步骤(2)中方法找到第三帧图像中匹配相似度量值最大的目标匹配点的坐标作为第三帧图像中待跟踪目标位置；(4)根据所得第一、第二、第三帧图像中待跟踪目标位置计算第三帧时刻待跟踪目标从左到右沿行方向的速度与加速度及第三帧时刻待跟踪目标从上到下沿列方向的速度与加速度，作为第一、第二、第三帧图像中待跟踪目标的运动参数；(5)设定相似度量值阈值，通过所得第一、第二、第三帧图像中待跟踪目标的运动参数对第K帧待跟踪目标的运动参数进行预估，同时将第K帧图像中待跟踪目标位置与相似度量值阈值进行比较，若匹配相似度量值最大值不大于设定阈值，则将第K帧待跟踪目标的预估运动参数中的坐标作为第K帧待跟踪目标位置；若匹配相似度量值最大值大于设定阈值，则将第K帧图像中匹配相似度量值最大值点的坐标通过卡尔曼滤波器进行位置修正，于预测区域内获取修正后坐标作为第K+1帧待跟踪目标位置；(6)重复步骤(5)直至遍历所有帧视频图像并获取所有帧待跟踪目标位置。2.根据权利要求1所述的一种基于卡尔曼滤波器的图像位置运动估计方法，其特征在于：所述步骤(2)中，外波门内所有目标匹配点的匹配相似度量值的计算方法为：式中，f(i+m,j+n)表示的是外波门中第i+m行、第j+n列的像素的灰度值...

【专利技术属性】
技术研发人员：于飞，李超，丁琳，刘成，侯帅，黄刚，赵丽婷，侯丹，
申请(专利权)人：北京空间机电研究所，
类型：发明
国别省市：北京,11