一种红外视频目标跟踪方法技术

本发明专利技术提供一种红外视频目标跟踪方法，涉及计算机视觉技术领域。该方法首先构建红外视频数据库：获取初始框位置和大小后，等间隔采样红外视频图片，进行模板匹配、前景与背景分离，滤除非目标前景，进行去噪和锐化边缘、形态学膨胀操作；进行目标区域跟踪：计算初始框内质心后，获取当前帧概率直方图并投影到下一帧，将计算的质心作为新的搜索中心，重复执行，直到跟踪到采样点；将红外视频数据库处理好的红外视频图片按照采样时序等间隔回插；重复目标区域跟踪和等间隔回插的步骤，直到跟踪窗口中心和质心聚拢。本发明专利技术采用形态学和相关滤波进行模板匹配，以更新目标跟踪位置和初始框大小，保证目标跟踪的性能，提高目标跟踪的准确性和效率。性和效率。性和效率。

【技术实现步骤摘要】
一种红外视频目标跟踪方法


[0001]本专利技术涉及计算机视觉
，尤其涉及一种红外视频目标跟踪方法。

技术介绍

[0002]红外视频目标跟踪是红外成像的关键内容，尤其是在精确制导，战场监测，无人侦查，视觉导航和智能监控方面有着广泛的应用。随着精确制导武器的飞速发展，未来对武器对抗系统的整体性能，提出了更高的要求。红外制导作为目前主流的技术，具有较强的鲁棒性和稳定性等优势，被广泛的应用于导弹和无人机监测系统等领域。目标跟踪是红外制导系统中的重要一环，通过采集红外视频进行检测跟踪。然而，在实际应用中，由于红外视频目标的多样性，目标的遮挡和系统所拍摄角度的旋转，会加大目标跟踪的难度，如何解决此类问题已成为当下研究的热点。

技术实现思路

[0003]本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种红外视频目标跟踪方法，能够在复杂环境条件下不易导致目标跟踪失败。
[0004]为解决上述技术问题，本专利技术所采取的技术方案是：
[0005]一种红外视频目标跟踪方法，包括以下步骤：
[0006]步骤1：构建红外视频数据库，具体方法如下：
[0007]步骤1.1、读入视频；
[0008]步骤1.2、获取待跟踪对象；具体为获取初始框位置(x,y,w,h)和大小信息，截取初始框图像区域，并将该截取的区域保存为模板；其中，x表示初始框中心的横坐标，y表示初始框中心的纵坐标，w表示初始框的宽，h表示初始框的高；
[0009]步骤1.3、截取完成后，当前帧为红外视频的第一帧，开始对整个红外视频序列进行等间隔采样，并按照时序保存好等间隔采样的红外视频图片；
[0010]步骤1.4、利用步骤1.2获取的模板，在等间隔采样的红外视频图片上进行模板匹配，并记录位置信息和初始框的大小；
[0011]步骤1.5、利用混合高斯模型将匹配好的红外视频图片，在一个通道上进行前景与背景的分离；
[0012]步骤1.6、利用步骤1.2获取的初始框位置信息计算初始框区域面积，并设定相应的阈值，滤除不是目标的前景；
[0013]步骤1.7、采用中值滤波，对步骤1.6处理后的红外视频图片进行去噪和锐化边缘；
[0014]步骤1.8、进行形态学膨胀操作；
[0015]步骤1.9、得到处理后的红外视频图片集合M{m1，m2，m3，
……
，m
n
}和模板位置信息集合L{l1，l2，l3，
……
，l
n
}；其中，m
i
表示第i个红外视频图片矩阵，i＝1，2，3，
……
，n；l
i
表示第i个模板位置信息；n表示采集的红外视频图片总数；
[0016]步骤2：进行目标区域跟踪，具体方法如下：
[0017]步骤2.1、根据步骤1.2获取的初始框，计算初始框内的质心，即加权平均位置；
[0018]步骤2.2、获取当前帧的统计直方图，并将其归一化处理为概率直方图；
[0019]步骤2.3、将当前帧的概率直方图投影到下一帧；
[0020]步骤2.4、将步骤2.1计算的质心作为步骤2.3之后的质心，并作为新的搜索中心；
[0021]步骤2.5、重复步骤2.1～步骤2.4，直到跟踪到采样点后；
[0022]步骤3：跟踪到采样点后，将步骤1处理好的红外视频图片按照采样时序等间隔回插，具体为跟踪到采样点后，将当前采样点帧的像素值矩阵记为S，用S
·
m
i
表示增强目标特征，并滤除干扰特征；同时在当前视频帧上更新从步骤1获取来的模板位置信息l
i
和初始框区域大小，用于下一帧的继续跟踪；
[0023]步骤4：重复步骤2和步骤3，直到跟踪窗口中心和质心聚拢，即每次窗口移动的距离小于一定的阈值，跟踪结束。
[0024]进一步地，所述步骤1.3中的采样时序满足下式，即等间隔采样，且采样间隔T≥1s。
[0025][0026]进一步地，所述步骤1.4中模板以2为步长在等间隔采样得到的红外视频图片上进行滑动，计算每次的协方差如下式所示：
[0027][0028]其中，下标i和j代表以中心元素为基准时，模板所在位置的行和列；α
ij
表示初始框模板内第(i，j)个像素值矩阵；表示初始框模板内所有像素的平均值组成矩阵；β
ij
表示以初始框模板区域为大小的红外视频图片上的第(i，j)个像素值矩阵；为此区域所有像素的平均值组成的矩阵；cou(T
i
，S
j
)代表模板在红外视频图片的第i行和第j列所计算的协方差值矩阵，并遍历该协方差矩阵，保留最大值；
[0029]将保留的这些最大值组成一个新矩阵，此时组成的新矩阵和红外视频图片像素值矩阵大小一样，遍历此时组成的新矩阵，找出最大且为正的值并进行位置回归，进行匹配。
[0030]进一步地，所述步骤1.4中的初始框的大小使用二阶矩进行调整，具体为，根据第一张匹配图片中的目标和位置大小信息求相关二阶矩，然后逆推出下一张图片初始框区域的大小信息，其过程如下公式所示：
[0031][0032][0033][0034][0035][0036][0037][0038]其中，(x,y)在初始框内部，I(x,y)是(x,y)处的概率值，x
c
、y
c
是上一个像素值的横坐标和纵坐标；
[0039]通过上述公式转换，则新的初始框的大小计算如下式所示：
[0040][0041][0042]其中，L为初始框的长，W为初始框的宽。
[0043]进一步地，所述步骤1.5中混合高斯模型为单通道单个混合高斯模型。
[0044]进一步地，所述步骤1.6设定相应阈值为[20,255]。
[0045]进一步地，所述步骤1.8形态学操作为膨胀运算，具体操作如下式所示：
[0046][0047]其中，B是结构元，A是图像物体，Z是图像像元位置。
[0048]进一步地，所述步骤2.1中初始框内的质心计算公式如下式所示：
[0049][0050][0051]其中，x
i
为第i个像素在横轴上的坐标，y
i
为第i个像素在纵轴上的坐标，p
i
为对应像素值；x为质心在x轴方向的坐标，y为质心在y轴方向的坐标。
[0052]进一步地，所述步骤4中的阈值设为0.2分位数。
[0053]采用上述技术方案所产生的有益效果在于：本专利技术提供的红外视频目标跟踪方法，采用形态学和相关滤波进行模板匹配，以更新目标跟踪位置和初始框大小，加强视频流之间的信息流通性，可大幅度抑制无用特征，保证了目标跟踪的性能，提高了目标跟踪的准确性和效率。
附图说明
[0054]图1为本专利技术实施例提供的红外视频目标跟踪方法流程图。
具体实施方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种红外视频目标跟踪方法，其特征在于：该方法包括以下步骤：步骤1：构建红外视频数据库，具体方法如下：步骤1.1、读入视频；步骤1.2、获取待跟踪对象；具体为获取初始框位置(x,y,w,h)和大小信息，截取初始框图像区域，并将该截取的区域保存为模板；其中，x表示初始框中心的横坐标，y表示初始框中心的纵坐标，w表示初始框的宽，h表示初始框的高；步骤1.3、截取完成后，当前帧为红外视频的第一帧，开始对整个红外视频序列进行等间隔采样，并按照时序保存好等间隔采样的红外视频图片；步骤1.4、利用步骤1.2获取的模板，在等间隔采样的红外视频图片上进行模板匹配，并记录位置信息和初始框的大小；步骤1.5、利用混合高斯模型将匹配好的红外视频图片，在一个通道上进行前景与背景的分离；步骤1.6、利用步骤1.2获取的初始框位置信息计算初始框区域面积，并设定相应的阈值，滤除不是目标的前景；步骤1.7、采用中值滤波，对步骤1.6处理后的红外视频图片进行去噪和锐化边缘；步骤1.8、进行形态学膨胀操作；步骤1.9、得到处理后的红外视频图片集合M{m1,m2,m3,
……
,m
n
}和模板位置信息集合L{l1,l2,l3,
……
,l
n
}；其中，m
i
表示第i个红外视频图片矩阵，i＝1,2,3,
……
,n；l
i
表示第i个模板位置信息；n表示采集的红外视频图片总数；步骤2：进行目标区域跟踪，具体方法如下：步骤2.1、根据步骤1.2获取的初始框，计算初始框内的质心，即加权平均位置；步骤2.2、获取当前帧的统计直方图，并将其归一化处理为概率直方图；步骤2.3、将当前帧的概率直方图投影到下一帧；步骤2.4、将步骤2.1计算的质心作为步骤2.3之后的质心，并作为新的搜索中心；步骤2.5、重复步骤2.1～2.4，直到跟踪到采样点后；步骤3：跟踪到采样点后，将步骤1处理好的红外视频图片按照采样时序等间隔回插，具体为跟踪到采样点后，将当前采样点帧的像素值矩阵记为S，用S
·
m
i
表示增强目标特征，并滤除干扰特征；同时在当前视频帧上更新从步骤1获取来的模板位置信息l
i
和初始框区域大小，用于下一帧的继续跟踪；步骤4：重复步骤2和步骤3，直到跟踪窗口中心和质心聚拢，即每次窗口移动的距离小于一定的阈值，跟踪结束。2.根据权利要求1所述的红外视频目标跟踪方法，其特征在于：所述步骤1.3中的采样时序满足下式，即等间隔采样，且采样间隔T≥1s；3.根据权利要求1所述的红外视频目标跟踪方法，其特征在于：所述步骤1.4中模板以2为步长在等间隔采样得到的红外视频图片上进行滑动，计算每次的协方差如下式所示：
其中，下标i和...

【专利技术属性】
技术研发人员：胡晓阳，韦强，刘冬宇，
申请(专利权)人：沈阳理工大学，
类型：发明
国别省市：