针对光学卫星视频的目标跟踪方法技术

本发明专利技术提供一种针对光学卫星视频的目标跟踪方法，包括如下步骤：步骤1：对光学卫星视频帧中的切片进行特征提取；步骤2：使用观测模型将特征提取结果进行目标和背景判别；步骤3：使用抗干扰的模型更新器对观测模型的判别结果进行修正，并输出目标位置。本发明专利技术有效地解决了车辆目标模糊、特征少的问题，大大提升了车辆目标跟踪精度和可靠性。车辆目标跟踪精度和可靠性。车辆目标跟踪精度和可靠性。

【技术实现步骤摘要】
针对光学卫星视频的目标跟踪方法


[0001]本专利技术属于智能遥感的
，具体涉及一种针对光学卫星视频的目标跟踪方法。

技术介绍

[0002]目标跟踪是计算机视觉领域的一个重要研究方向，其主要的研究内容是跟踪视频中的动目标，并通过计算机获得视频每帧中目标的潜在位置。光学卫星是近年来的新型天基载荷视频数据，具有拍摄范围大、分辨率高等优势，具备对陆地车辆目标连续监视的能力。而车辆作为光学卫星视频中的弱小目标，具有尺寸小、特征不明显的特点，且容易受环境因素影响，属于较难稳定跟踪的目标。
[0003]近年来，相关滤波算法在目标跟踪领域取得了蓬勃的发展。因为相关滤波对背景信息和目标信息的强大区分能力，让基于相关滤波的算法在目标跟踪领域具有很大的优势。在普通视频中，目标跟踪算法已经取得了成功，但是跟踪光学卫星视频中的车辆目标时，目标跟踪任务仍然面临很多挑战：(1)图像模糊，视频中目标不易被辨认，跟踪起来很困难；(2)目标变向，目标在运动的过程中不做直线运动；(3)环境干扰，目标在运动过程中被遮挡或者是被周围相似干扰物干扰。

技术实现思路

[0004]本专利技术的目的在于针对现有技术的不足之处，提供一种针对光学卫星视频的目标跟踪方法，该方法解决了目前光学卫星视频车辆目标跟踪时图像模糊、目标变向和环境干扰等对结果精度的影响，大大提升了车辆目标跟踪精度和可靠性。
[0005]为解决上述技术问题，本专利技术采用如下技术方案：
[0006]一种针对光学卫星视频的目标跟踪方法，包括如下步骤：/>[0007]步骤1：对光学卫星视频帧中的切片进行特征提取；
[0008]步骤2：使用观测模型将特征提取结果进行目标和背景判别；
[0009]步骤3：使用抗干扰的模型更新器对观测模型的判别结果进行修正，并输出目标位置。
[0010]进一步地，切片为当前帧中目标可能出现的区域，其是以前一帧视频影像目标所在位置为中心的大小自定义的图像。
[0011]进一步地，步骤1中特征提取方法为将切片中的颜色特征和灰度特征进行矢量链接形成向量组合。
[0012]进一步地，所述观测模型为相关滤波模型。
[0013]进一步地，步骤2中具体包括如下步骤：
[0014]步骤2.1：将视频第一帧影像切片的特征向量输入到相关滤波中得到原始滤波器；
[0015]步骤2.2：将当前帧影像切片的特征向量输入到相关滤波中得到新的滤波器，根据新的滤波器结合指数加权平均方法更新滤波器；
[0016]步骤2.3：用更新的滤波器对下一帧切片影像的特征向量进行卷积，得到切片评分图。
[0017]进一步地，相关滤波模型表示为：
[0018][0019]式中，<
·
，
·
＞表示内积，w为滤波器，为切片x的特征，b为线性分类器的一个常数参数；
[0020]其中，w的求解方式如下：
[0021][0022]其中，x
i
是训练样本，y
i
是标记；L(y
i
，f(x
i
))是损失函数。
[0023]进一步地，步骤3具体实施步骤为：
[0024]步骤3.1：使用APCE量化切片评分图形状以检测目标状态，其中，APCE的公式为：
[0025][0026]式中，F
max
，F
min，
F
w，h
分别对应表示切片评分图上最高值、最低值和(w，h)位置上的值；
[0027]步骤3.2：使用卡尔曼滤波预测目标位置；
[0028]步骤3.3：根据APCE量化结果或卡尔曼滤波预测结果更新目标位置；
[0029]其中，当APCE和F
max
均大于设定阈值时，目标位置输出为F
max
所在位置，否则使用卡尔曼滤波预测的目标位置。
[0030]进一步地，步骤3.2中具体实现步骤为：
[0031](1)将前序帧中目标的位置信息输入到卡尔曼滤波中，得到状态转移矩阵；
[0032](2)将状态转移矩阵与目标当前帧位置信息相乘以预测目标下一帧位置。进一步地，卡尔曼滤波定义为：
[0033]p
t
＝Ap
t
‑1+u
t
；
[0034]d
t
＝Bp
t
+v
t
；
[0035]其中，A表示状态转移矩阵，B表示状态观测矩阵，p
t
表示t时刻的系统状态，d
t
表示t时刻的测量值，u
t
和v
t
分别表示过程噪声和测量噪声。
[0036]进一步地，卡尔曼滤波状态更新过程如下：
[0037][0038]状态预测过程如下：
[0039][0040]其中，G
t
表示卡尔曼增益，C
t
表示真实状态pt和估计状态之间的误差协方差，表示真实状态p
t
和预测状态之间的误差协方差，V
t
和U
t
分别表示v
t
和u
t
的协方差，I表示单位矩阵；在本实例中，A，B，V
t
和U
t
可根据实际情况设置，和C
t
可以随机初始化为不为零的矩阵；卡尔曼滤波预测的目标位置为
[0041]与现有技术相比，本专利技术的有益效果为：
[0042](1)本专利技术提取的光学卫星视频的特征，是使用特征矢量链接方法构建的颜色、灰度融合特征，有效解决了车辆目标模糊、特征少的问题，相交于其他特征提取方法，该方法对光学卫星视频中的车辆具有更好的表征效果；
[0043](2)本专利技术的观测模型采用的是核相关滤波算法，相较于其他分类器，该算法通过傅里叶变换，在频域中处理数据，极大的提升了计算效率；同时，因为该算法对背景信息的合理使用，算法对目标的识别能力显著提升，是更适合光学卫星视频车辆目标跟踪的观测模型；
[0044](3)针对车辆目标面对的环境干扰问题，本专利技术针对性的提出了抗干扰的模型更新器对观测模型判别结果进行修正，该模型更新器在车辆目标被遮挡或者是被相似目标干扰时可以发挥作用，避免观测模型跟丢或者误跟，相较于其他目标跟踪算法，该添加模型更新器的方法更加鲁棒，也更加适合光学卫星视频中车辆目标的跟踪。
附图说明
[0045]图1为本专利技术实施例针对光学卫星视频的目标跟踪方法的流程图；
[0046]图2为本专利技术实施例的特征提取方法示意图。
具体实施方式
[0047]下面将结合本专利技术实施例对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作出创造性劳动的前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对光学卫星视频的目标跟踪方法，其特征在于，包括如下步骤：步骤1：对光学卫星视频帧中的切片进行特征提取；步骤2：使用观测模型将特征提取结果进行目标和背景判别；步骤3：使用抗干扰的模型更新器对观测模型的判别结果进行修正，并输出目标位置。2.根据权利要求1所述的针对光学卫星视频的目标跟踪方法，其特征在于，切片为当前帧中目标可能出现的区域，其是以前一帧视频影像目标所在位置为中心的大小自定义的图像。3.根据权利要求1所述的针对光学卫星视频的目标跟踪方法，其特征在于，步骤1中特征提取方法为将切片中的颜色特征和灰度特征进行矢量链接形成向量组合。4.根据权利要求1所述的针对光学卫星视频的目标跟踪方法，其特征在于，所述观测模型为相关滤波模型。5.根据权利要求4所述的针对光学卫星视频的目标跟踪方法，其特征在于，步骤2中具体包括如下步骤：步骤2.1：将视频第一帧影像切片的特征向量输入到相关滤波中得到原始滤波器；步骤2.2：将当前帧影像切片的特征向量输入到相关滤波中得到新的滤波器，根据新的滤波器结合指数加权平均方法更新滤波器；步骤2.3：用更新的滤波器对下一帧切片影像的特征向量进行卷积，得到切片评分图。6.根据权利要求4所述的针对光学卫星视频的目标跟踪方法，其特征在于，相关滤波模型表示为：式中，<
·
,
·
>表示内积，w为滤波器，为切片x的特征，b为线性分类器的一个常数参数；其中，w的求解方式如下：其中，x
i
是训练样本，y
i
是标记；L(y
i
,f(x
i
))是损失函数。7.根据权利要求1所述的针对光学卫星视频的目标跟踪方法，其特征在于，步骤3具体实施步骤为：步骤3.1：使用APCE量化切片评分图形状以检测目标状态，其中，APCE的公式为：式中，F
max
,F
min
,F
w,h
分别对应表示切片评分图上最高值、最低值和(w,...

【专利技术属性】
技术研发人员：汪韬阳，陈诗立，
申请(专利权)人：武汉大学，
类型：发明
国别省市：