一种暗背景下的单目标跟踪方法技术

本发明专利技术公开了一种暗背景下的单目标跟踪方法，属于图像处理、计算机视觉领域。它基于一个由观测相机、时序控制单元和跟踪数据处理单元组成的硬件系统平台，其中一种暗背景下的单目标跟踪方法部署于跟踪数据处理单元的数字信号处理(DSP)芯片中。一种暗背景下的单目标跟踪方法利用的基本模型组件包括表观模型、运动模型和目标与干扰物重叠检测模型。本发明专利技术将跟踪状态(z)进行基本划分，包括：z0：简单形态特征匹配跟踪；z1：干扰物与目标重叠；z2：目标形态变化。在不同的跟踪状态下，采用不同的级联匹配跟踪策略。该方法实现了暗背景下，存在目标与干扰物重叠、目标形态和尺度明显变化的场景的高帧频图像序列跟踪。

【技术实现步骤摘要】
一种暗背景下的单目标跟踪方法
本专利技术属于图像处理、计算机视觉领域，具体涉及一种暗背景下的单目标跟踪方法。
技术介绍
目标跟踪技术是计算机视觉领域的核心课题之一，具有十分重要的意义和广泛的实用价值。到目前为止，出现了大量优秀的跟踪算法，包括经典的均值漂移算法(MeanShift),序贯归一化互相关算法(NormalizedCrossCorrelation,NCC),Struck算法(StructuredOutputTrackingwithKernels)，以及一系列相关滤波(KernelCorrelationFilter,KCF)算法。但是，每种算法各有利弊，很难做到对于各种场景均适用的跟踪算法，必须根据实际场景的特点，采用多种目标特征和策略组合对目标进行跟踪。在诸如深空暗背景单目标跟踪情况下，除关注的被跟踪目标以外，还可能伴随着大量的干扰物，干扰物频繁出现在观测相机的视场中，甚至直接遮挡目标；另外，在深空暗背景下，经过太阳光照射的目标表现为高反差，目标姿态细微改变，导致目标成像形态和尺度明显变化，均给稳定的目标跟踪带来了极大的挑战。
技术实现思路
本专利技术的目的是：针对暗背景这一特殊跟踪场景，提供一种匹配速度快、匹配精度高、而且处理器计算量小的单目标匹配跟踪方法。本专利技术的技术方案是：一种暗背景下的单目标跟踪方法，基于一个由观测相机、时序控制单元和跟踪数据处理单元组成的硬件系统平台(见图1)，其中一种暗背景下的单目标跟踪方法部署于跟踪数据处理单元的数字信号处理(DSP)芯片中。一种暗背景下的单目标跟踪方法，包含建立三个基本模型组件——运动模型、表观模型和目标与干扰物重叠检测模型。具体步骤如下：1.1建立目标运动模型采用最近邻滤波法对目标轨迹进行匹配。将目标运动考虑为匀速运动，目标运动状态转移方程可描述为：xk+1＝Φxk+uk(1)其中，运动状态：xk、yk、和分别为目标在第k帧图像中列坐标、行坐标、列分量速度、行分量速度，状态转移矩阵uk为状态转移噪声，均值为0，协方差矩阵为：测量方程为：yk＝Hxk+nk(2)其中，nk为测量噪声，其期望为0，协方差矩阵为测量矩阵通过卡尔曼滤波算法预测被跟踪目标位置离其最近的疑似目标认为与单前被跟踪的目标轨迹相匹配。1.2建立目标表观模型1.2.1目标简单形态特征模型(a)目标面积——属于目标连通域ΩTar的像素数目：ATar＝#{(i,j)∈ΩTar}(3)(b)目标亮度——目标区域灰度{I(i,j)|(i,j)∈ΩTar}均值减去背景均值MBG：(c)目标形状——目标近似为椭圆，其短轴Ls与长轴LL之比：STar＝Ls/LL(5)目标简单形态特征参考值为ATar、ETar、STar，另一运动的疑似目标简单形态特征为AObj、EObj、SObj,定义简单形态特征偏差量：ΔT＝wA·ΔA+wE·ΔE+wS·ΔS(6)其中，wA、wE和wS分别为面积、亮度和形状偏差权重；面积偏差亮度偏差形状偏差ΔS＝|STar-SObj|，|*|为取绝对值运算。当ΔT<TΔ,目标简单形态特征匹配成功；否则，简单形态特征匹配失败。其中，TΔ＝0.2为一阈值，简单形态特征匹配失败存在两种可能：要么是目标形态和尺度明显变化；要么是干扰物与目标在像面上发生重叠。1.2.2目标模板特征模型将目标区域归一化的灰度直方图分布表征目标模板{qu}。采用改进的均值漂移算法(MeanShift)进行模板匹配，只截取背景均值MBG以上的灰度直方图表征目标模板，这样能够有效减少背景在特征模板中比重，同时增加匹配曲面的梯度，加快模板特征匹配收敛速度，一般经过迭代3次足以达到跟踪需要的精度。1.3建立目标与干扰物重叠检测模型在跟踪状态Z0(简单形态特征匹配跟踪)下，首次目标简单形态特征匹配失败之后，此时目标特征(简单形态特征和模板特征)不再更新，输出预测的目标位置，启动目标与干扰物重叠检测模型。当同时满足以下两个条件，将当前图像帧判断为目标与干扰物重叠状态。针对第k帧图像，(a)与预测坐标最近的疑似目标面积AObj明显大于目标面积参考值ATar，即：AObj>α1·ATar(7)其中，α1>1为一常数。(b)目标周围一定范围内背景以上像素点数目，在一定时间内平滑的变化，即：CPk<α2·max{CPk-1,CPk-2,…,CPk-N}(8)其中，α2>1为一常数，监测数据帧数为N，CPk为第k帧图像跟踪窗口内背景以上像素点数目。在本专利技术中，根据跟踪场景的特点，设置常数α1＝α2＝1.2，N＝100。2、在三个基本模型组件的基础之上，建立目标跟踪状态转移模型，具体包括如下步骤：将跟踪状态(Z)进行基本划分包括：Z0：简单形态特征匹配跟踪；Z1：干扰物与目标重叠；Z2：目标形态变化。不同的跟踪状态下，采用不同的跟踪策略。2.1如果前一帧跟踪状态为(Z0)，采用如下步骤(见图2)：步骤S11:采用最近邻滤波方法进行目标的轨迹匹配；步骤S12:对最近邻的运动物体采用简单形态特征匹配；步骤S13:如果简单形态特征匹配成功，更新目标参考特征，输出目标的坐标，当前帧跟踪结束；步骤S14:如果简单形态特征匹配失败，目标参考特征保持，采用目标与干扰物重叠检测模型判断是否出现目标与干扰物重叠的情况；步骤S15:如果出现目标与干扰物重叠的情况，输出预测的目标位置，置当前帧跟踪状态为Z1；否则，将模板匹配的中心作为目标坐标进行输出，置当前帧跟踪状态为Z2，结束当前帧跟踪。2.2如果前一帧跟踪状态为Z1，采用如下步骤(见图3)：步骤S21:采用最近邻滤波方法进行目标的轨迹匹配；步骤S22:对最近邻的物体采用简单形态特征匹配；步骤S23:如果简单形态特征匹配成功，并记录连续形态特征匹配成功次数Nc和坐标，如果大于匹配次数阈值NT，则输出当前坐标，置跟踪状态为Z0；否则，按预测坐标输出目标坐标，跟踪状态保持Z1；步骤S24:如果简单形态特征匹配失败，检测是否超时，如果超时，重新完成目标捕获，转入目标特征参数初始化，置跟踪状态为Z0；否则，按预测坐标输出目标坐标，跟踪状态保持Z1。2.3如果前一帧跟踪状态为Z2，采用如下步骤(见图4)：步骤S31:采用最近邻滤波方法进行目标的轨迹匹配；步骤S32:对最近邻的物体采用简单形态特征匹配；步骤S33:如果简单形态特征匹配成功，并记录连续形态特征匹配成功次数Nc和坐标，如果大于匹配次数阈值NT，则输出当前坐标，置跟踪状态为Z0；否则，输出模板匹配坐标，状态保持Z2；步骤S34:如果简单形态特征匹配失败，检测是否超时，如果超时，转入目标特征参数初始化，置跟踪状态为Z0；否则，输出模板匹配坐标，跟踪状态保持Z2。在本专利技术中，根据跟踪场景的特点，设置匹配次数阈值NT＝50。本专利技术与现有技术相比的优点是：该方法仅使用目标多种简单特征进行匹配跟踪，加快了匹配的速度，提高了跟踪的准确性，更适合DSP处理器计算体系，减小了DSP处理器的计算量，提高了跟踪过程的速度。附图说明图1为本专利技术的一种暗背景下的单目标跟踪方法所涉及的硬件系统平台；图2为本专利技术的一种暗背景下的单目标跟踪方法所涉及的前一帧跟踪状态为Z0：简单形态特征匹配跟踪，当前图像帧采用的算法步骤；图3为本专利技术的一种暗背景本文档来自技高网...

【技术保护点】
1.一种暗背景下的单目标跟踪方法，其特征在于，该方法包括如下步骤：1.1 建立目标运动模型采用最近邻滤波法对目标轨迹进行匹配，将目标运动考虑为匀速运动，目标运动状态转移方程可描述为：xk+1＝Φxk+uk  (1)其中，运动状态：

【技术特征摘要】
1.一种暗背景下的单目标跟踪方法，其特征在于，该方法包括如下步骤：1.1建立目标运动模型采用最近邻滤波法对目标轨迹进行匹配，将目标运动考虑为匀速运动，目标运动状态转移方程可描述为：xk+1＝Φxk+uk(1)其中，运动状态：xk、yk、和分别为目标在第k帧图像中列坐标、行坐标、列分量速度、行分量速度，状态转移矩阵uk为状态转移噪声，均值为0，协方差矩阵为：测量方程为：yk＝Hxk+nk(2)其中，nk为测量噪声，其期望为0，协方差矩阵为测量矩阵通过卡尔曼滤波算法预测被跟踪目标位置离其最近的疑似目标认为与单前被跟踪的目标轨迹相匹配；1.2建立目标表观模型1.2.1目标简单形态特征模型(a)目标面积——属于目标连通域ΩTar的像素数目：ATar＝#{(i,j)∈ΩTar}(3)(b)目标亮度——目标区域灰度{I(i,j)|(i,j)∈ΩTar}均值减去背景均值MBG：(c)目标形状——目标近似为椭圆，其短轴Ls与长轴LL之比：STar＝Ls/LL(5)目标简单形态特征参考值为ATar、ETar、STar，另一运动的疑似目标简单形态特征为AObj、EObj、SObj,定义简单形态特征偏差量：ΔT＝wA·ΔA+wE·ΔE+wS·ΔS(6)其中，wA、wE和wS分别为面积、亮度和形状偏差权重；面积偏差亮度偏差形状偏差ΔS＝|STar-SObj|，|*|为取绝对值运算；当ΔT<TΔ,目标简单形态特征匹配成功；否则，简单形态特征匹配失败，其中，TΔ为一阈值，简单形态特征匹配失败存在两种可能：要么是目标形态和尺度明显变化；要么是干扰物与目标在像面上发生重叠；1.2.2目标模板特征模型将目标区域归一化的灰度直方图分布表征目标模板{qu}，采用改进的均值漂移算法(MeanShift)进行模板匹配，只截取背景均值MBG以上的灰度直方图表征目标模板，防止背景干扰目标灰度分布特征；1.3建立目标与干扰物重叠检测模型在目标简单形态特征匹配失败之后，此时目标特征的简单形态特征和模板特征不再更新，输出预测的目标位置，启动目标与干扰物重叠检测模型，当同时满足以下两个条件，将当前图像帧判断为目标与干扰物重叠状态，对于第k帧图像，(a)与预测坐标最近的疑似目标面积AObj明显大于目标面积参考值ATar，即：AObj>α1·ATar(7)其中，α1>1为一常数；(b)目标...

【专利技术属性】
技术研发人员：傅景能，李强，王万平，黄涛，韩维强，马毅飞，梁波，
申请(专利权)人：中国科学院光电技术研究所，
类型：发明
国别省市：四川,51