【技术实现步骤摘要】
一种针对抵近飞行过程的目标跟踪方法
本专利技术涉及计算机视觉、数字图像处理领域，特别涉及一种针对抵近飞行过程的目标跟踪方法。
技术介绍
抵近飞行过程是指飞行器飞行并接近目标的过程，如精确制导武器的末制导过程。在抵近飞行过程中，目标跟踪的主要难点在于快速运动、运动模糊和尺度变化，具体说明如下：(1)快速运动是指目标在相邻帧图像上的相对位移超出阈值，相对位移定义为目标在相邻帧图像上的位移与目标尺寸的比值。目标跟踪算法往往根据目标尺寸确定搜索范围，具体是将上一帧的目标区域扩大若干倍作为搜索区域。因此，不同于OTB(OnlineTrackingBenchmark)属性标准采用的绝对位移，本专利技术采用目标在相邻帧图像上的相对位移作为快速运动的衡量指标。快速运动往往是由探测平台的抖动引起的。对此，现有目标跟踪算法一般通过在前端加入稳像处理模块，或者在跟踪过程中扩大搜索区域，来消除快速运动对算法跟踪性能的影响。然而，这两种方法均显著加大了算法的计算成本，限制了算法的应用范围。(2)运动模糊是指由目标或飞行器的运动引起的目标成像模糊。成像模糊使得目标表观发生变化，在复杂场景中，将进一步降低目标与背景的区分度。传统的模板匹配算法，计算简单、易于实现，但已经无法应对实际的应用需求。因此，需要通过特征提取来增大目标与背景的区分度。近年来，梯度方向直方图(HOG，H,HistogramsofOrientedGradients)特征及其改进特征在行人检测、人脸识别等领域获得了广泛的应用，其特征表达性能获得了业界的一直认可。<...
【技术保护点】
1.一种针对抵近飞行过程的目标跟踪方法，其特征在于，包含以下步骤：/nS1、跟踪器初始化：根据初始目标位置与尺度及跟踪器预装参数进行跟踪器初始化；/nS2、确定搜索窗口中心位置：将上一帧提取均匀特征点作为局部特征，在当前帧提取匹配特征点，求解全局运动参数，对上一帧目标中心位置进行全局运动补偿，作为搜索窗口的中心位置；/n步骤S3、位置滤波和尺度滤波：根据搜索窗口中心位置和上一帧目标尺度，提取位置样本和尺度样本；压缩位置样本和尺度样本；分别计算位置滤波频域响应图和尺度滤波频域响应图；计算位置滤波空域响应图和尺度滤波空域响应图，并进行位置估计和尺度估计；自适应更新尺度增量因子；/n步骤S4、更新位置模型和尺度模型：根据当前帧目标位置和尺度，采用与滤波模块一样的特征提取方法，提取位置样本和尺度样本；更新位置模型目标模板和尺度模型目标模板；分别构建位置特征投影矩阵和尺度特征投影矩阵；分别更新位置模型和尺度模型。/n
【技术特征摘要】
1.一种针对抵近飞行过程的目标跟踪方法，其特征在于，包含以下步骤：
S1、跟踪器初始化：根据初始目标位置与尺度及跟踪器预装参数进行跟踪器初始化；
S2、确定搜索窗口中心位置：将上一帧提取均匀特征点作为局部特征，在当前帧提取匹配特征点，求解全局运动参数，对上一帧目标中心位置进行全局运动补偿，作为搜索窗口的中心位置；
步骤S3、位置滤波和尺度滤波：根据搜索窗口中心位置和上一帧目标尺度，提取位置样本和尺度样本；压缩位置样本和尺度样本；分别计算位置滤波频域响应图和尺度滤波频域响应图；计算位置滤波空域响应图和尺度滤波空域响应图，并进行位置估计和尺度估计；自适应更新尺度增量因子；
步骤S4、更新位置模型和尺度模型：根据当前帧目标位置和尺度，采用与滤波模块一样的特征提取方法，提取位置样本和尺度样本；更新位置模型目标模板和尺度模型目标模板；分别构建位置特征投影矩阵和尺度特征投影矩阵；分别更新位置模型和尺度模型。
2.如权利要求1所述的针对抵近飞行过程的目标跟踪方法，其特征在于，所述步骤S1中，进一步包含：
步骤S1.1、输入初始目标位置p0、初始目标尺寸sz0、初始目标尺寸缩放因子κresize、目标区域扩展因子κpadding、位置滤波器预期响应标准差因子κσ,trans、尺度等级nS、插值后尺度等级nSI、尺度滤波器预期响应标准差因子κσ,scale与尺度增量因子α；
步骤S1.2、初始化当前目标位置pt和当前目标尺度因子st：
步骤S1.3、初始化目标基尺寸szbase和跟踪窗口基尺寸szwinbase：
步骤S1.4、初始化位置滤波预期响应：根据式(3)计算位置滤波预期响应标准σtrans；生成位移矩阵T＝{(tx,ty)}；根据式(4)计算空域位置滤波预期响应gtrans(tx,ty)；根据式(5)并通过二维傅里叶变换获得频域位置滤波器预期响应Gtrans；
σtrans＝κσ,trans×prod(szbase)/rf(3)
其中，tx表示x表示方向的位移，ty表示y方向的位移；
步骤S1.5、初始化位置滤波汉宁窗：
其中，h和w分别表示位置滤波器的高度和宽度；
步骤S1.6、初始化尺度滤波预期响应：根据式(7)计算尺度滤波预期响应标准差σscale；根据式(8)生成尺度因子序列s和sI；根据式(9)计算空域尺度滤波预期响应gscale(si)；根据式(10)并通过二维傅里叶变换获得频域尺度滤波器预期响应Gscale；
σscale＝κσ,scale×nSI(7)
步骤S1.7、初始化尺度滤波汉宁窗：
步骤S1.8、输出当前目标位置pt、当前目标尺度因子st、目标基尺寸szbase、跟踪窗口基尺寸szwinbase、位置滤波预期响应Gtrans、位置滤波汉宁窗htrans、尺度因子序列s、插值后的尺度因子序列sI、尺度滤波预期响应Gscale和尺度滤波汉宁窗hscale。
3.如权利要求2所述的针对抵近飞行过程的目标跟踪方法，其特征在于，所述步骤S2中，进一步包含以下过程：
输入τ-1时刻的图像I(τ-1)，尺寸为[W,H]，采样步长为s，对输入图像进行均匀特征点提取的结果为：
{(xi,yi)|i＝0,1,…,(mn-1)}；(12)
其中，m＝floor((W+s-1)/s)；n＝floor((H+s-1)/s)；(xi,yi)为第i个特征点的坐标，如下：
其中，floor(·)为向下取整函数；mod(a,b)为a被b整除的余数。
4.如权利要求3所述的针对抵近飞行过程的目标跟踪方法，其特征在于，所述步骤S2中，采用PyrLK光流法在当前帧提取匹配特征点，进一步包含以下过程：
(1)输入τ-1时刻图像I(τ-1)、τ时刻的图像I(τ)并输入图像I(τ-1)上的待跟踪点集{(xi,yi)|i＝0,1,…,(mn-1)}；
(2)以递归方式分别对输入图像I(τ-1)和图像I(τ)构建图像金字塔，如下：
(2-a)输入图像I，尺寸为W×H；所述输入图像I包含图像I(τ-1)和图像I(τ)；
(2-b)令层数l＝0，金字塔的第l层图像I(l)＝I，尺寸W(l)×H(l)＝W×H；
(2-c)令l＝l+1，若l＜L，转到步骤(2-d)，否则，转到步骤(2-e)；L表示金字塔的层数；
(2-d)根据式(14)，由金字塔的第l-1层图像I(l-1)，计算第l层图像I(l)，然后转到步骤(2-c)，循环进行；
(2-e)输出图像集{I(l)},l＝0,1,…,L-1；
(3)对于待跟踪点集中的每一个点，逐层求解，计算金字塔光流，如下：
(3-a)输入图像I(τ-1)、I(τ)的对应的图像金子塔Pyr(τ-1)＝{I(l)(τ-1)}和Pyr(τ)＝{I(l)(τ)}，l＝0,1,…,L-1；
(3-b)对任一点p∈{(xi,yi)|i＝0,1,…,(mn-1)}，设其坐标为(x,y)，按照以下步骤，计算其光流矢量；
(3-c)点p在金字塔Pyr(τ-1)的第(l-1)层图像上的坐标为：
(3-d)由上至下逐层求解，以上一层的光流估计结果作为下一层光流估计的起点，获得每一层的光流矢量v(l)；
(3-e)最终根据式(16)求得点p的光流矢量：
5.如权利要求4所述的针对抵近飞行过程的目标跟踪方法，其特征在于，所述步骤S2中，基于最小中值平方算法求解全局运动参数，进一步包含以下过程：
采用八参数透视模型对全局运动建模，即：
其中，(xi,yi)和(x′i,y′i)分别表示图像上的点在全局运动补偿前、后的坐标位置；si为尺度因子；a0,…,a7分别为全局运动参数；P称作单应性矩阵；
所述最小中值平方算法的计算步骤如下：
(a)输入匹配特征点对G1＝{(xi,yi),(x′i,y′i)},i＝1,…,N，N表示匹配特征点对的数量；令k＝0；
(b)k←k+1；从已获得的N对匹配特征点对中随机选4对，求解线性方程组，获得单应性矩阵
(c)利用单应性矩阵将图像I(τ)上的所有特征点(xi,yi)映射到图像I(τ+1)中，得到特征点位置的估计值
(d)求特征点位置估计残差的中值
(e)若k＜K，则重复上述步骤(b)、(c)、(d)，由此获得K组数据：
其中，K表示参数估计的次数，为预先设定的常数；
(f)求使得...
【专利技术属性】
技术研发人员：许倩倩，强晶晶，闫鹏武，张雪，张浩钧，汪亮，孙高，
申请(专利权)人：上海无线电设备研究所，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。