基于线段关联的运动点目标时空域轨迹跟踪方法技术

本发明专利技术涉及运动点目标的轨迹提取与跟踪领域，特别涉及一种基于线段关联的运动点目标时空域轨迹跟踪方法。该方法包括：将高速相机拍摄的运动点目标视频等时间间隔地划分为多个基本处理单元，获得各基本处理单元内包含空域位置信息和时域时刻信息的三维候选点目标；通过三维霍夫变换构建投票网格，并由单个基本处理单元内的候选目标点进行投票，实现单个基本处理单元内线段轨迹的检测与优化；利用各基本处理单元内线段轨迹的平均位置、平均速度及轨迹外观构建状态变量，并输入DeepSORT跟踪模型，对各基本处理单元的线段轨迹进行轨迹关联与维护，实现对运动点目标的轨迹跟踪。本发明专利技术实现了运动点目标的跟踪，提高了准确率，降低了虚警率。了虚警率。了虚警率。

【技术实现步骤摘要】
基于线段关联的运动点目标时空域轨迹跟踪方法


[0001]本专利技术涉及运动点目标的轨迹提取与跟踪领域，特别涉及一种基于线段关联的运动点目标时空域轨迹跟踪方法。

技术介绍

[0002]运动点目标的轨迹跟踪在军事、国防等领域都有着重要的应用潜力，目前也是目标检测与跟踪领域的热点之一。监测高威胁动态目标时需要较大的视场，因此地面分辨率较小，目标在视频的单帧图像中接近单像元，且通常缺乏纹理信息，为低信噪比的暗弱点目标。检测过程中暗弱的高速运动点目标与背景噪声通常难以区分，单帧图像的检测结果中通常存在较多的虚警点，轨迹提取与跟踪的难度较大。
[0003]主流的目标跟踪方法可以分为无检测跟踪（Detection Free Tracking, DFT）和有检测跟踪（Detection
‑
Based
‑
Tracking, DBT）。无检测跟踪方法首先通过目标检测或人工手动选择一个ROI（Region of Interest，感兴趣）区域作为跟踪对象的初始状态，接下来仅使用跟踪器对ROI区域进行跟踪。跟踪器利用的是相邻帧ROI区域的特征相似度，可以分为经典跟踪算法、核相关滤波跟踪算法和深度学习方法。国际光学工程学会（SPIE）按照目标所占像元数目的多少，定义小目标为尺寸小于80个像元的目标，其中尺寸约为1个像元的小目标称为点目标。无检测跟踪方法对大尺寸目 标跟踪效果较好，但对于缺乏纹理、尺寸信息的小目标跟踪问题效果不佳。有检测跟踪方法通过目标检测器为跟踪器提供每一帧的检测结果，再通过跟踪器提取正确的轨迹，常用的跟踪器有卡尔曼滤波跟踪器、SORT（Simple Online and Realtime Tracking）和DeepSORT等。有检测跟踪方法能够在目标漏检和误检的情况下提取正确的轨迹，并能够解决目标遮挡和多轨迹重叠的问题。
[0004]由于暗弱运动点目标的尺寸接近单像元，且信噪比极低，易被背景噪声淹没，缺乏纹理特征信息，因此无检测的跟踪方法难以实现ROI区域的特征提取，目标轨迹跟踪效果较差。有检测的跟踪算法将对每帧的检测结果都进行轨迹匹配，而暗弱运动点目标的检测结果在单帧图像内为接近单像元的点状目标，且存在较多的背景噪声导致的误检点，因此仅使用传统的有检测跟踪算法将导致目标跟踪效率低下。

技术实现思路

[0005]本专利技术的目的在于解决运动点目标检测与轨迹提取中虚警点的干扰问题，本专利技术提供一种基于线段关联的运动点目标时空域轨迹跟踪方法，利用各基本处理单元内候选点的时空域信息去除检测过程中存在的虚警点，并通过改进的DeepSORT跟踪方法进一步优化目标轨迹。该方法可以有效解决低信噪比运动点目标多轨迹提取难题，提高检测准确率，同时降低虚警率。
[0006]为达到上述目的，本专利技术通过下述技术方案实现。
[0007]本专利技术提出了一种基于线段关联的运动点目标时空域轨迹跟踪方法，所述方法包括：
将高速相机拍摄的运动点目标视频等时间间隔地划分为多个基本处理单元，获得各基本处理单元内包含空域位置信息和时域时刻信息的三维候选点目标；通过三维霍夫变换构建投票网格，并由单个基本处理单元内的候选目标点进行投票，实现单个基本处理单元内线段轨迹的检测与优化；利用各基本处理单元内线段轨迹的平均位置、平均速度及轨迹外观构建状态变量，并输入DeepSORT跟踪模型，对各基本处理单元的线段轨迹进行轨迹关联与维护，实现对运动点目标的轨迹跟踪。
[0008]作为上述技术方案的改进之一，所述获得各基本处理单元内包含空域位置信息和时域时刻信息的三维候选点目标，具体包括：每个基本处理单元中运动点目标经过单像元时会在其时域上产生瞬态扰动，针对每个像元判断是否存在瞬态扰动即可得到各基本处理单元内具有时域与空域三维信息的候选点目标。
[0009]作为上述技术方案的改进之一，所述通过三维霍夫变换构建投票网格，具体包括：针对各基本处理单元内的三维候选目标点设定三维空间原点，并将候选点平移使得它们的中心与原点重合；将单个基本处理单元内的目标轨迹看作直线段；假设通过单个基本处理单元内某运动目标的直线段轨迹的直线为，用一过原点且垂直于直线的平面，及在平面坐标系下的直线和平面的交点对直线进行表示；对于在直线上的任意一点，平面坐标系下的计算如下：
[0010]其中，表示直线方向的向量；直线上的任意一点p在平面坐标系下表示为：
[0011]对通过直线段轨迹的直线L的方向向量的与平面分别进行离散化，得到霍夫变
换的三维参数空间，以及参数空间的投票网格。
[0012]作为上述技术方案的改进之一，对单个基本处理单元内通过直线段轨迹的直线L的方向向量进行离散化时，采用正多面体的顶点作为离散化的方向向量；对平面进行离散化时，取步长为对平面进行离散化，得到平面的投票网格空间大小为；表示向上取整；参数空间的投票网格的数量为：
[0013]其中，为正多面体的顶点数；表示候选点在二维平面坐标系上的坐标限度：将三维候选点的中心平移到原点后，候选点在二维平面坐标系上的取值范围为与，计算式如下：其中，和分别表示三维候选点平移后分别在上的最大值和最小值。
[0014]作为上述技术方案的改进之一，所述由单个基本处理单元内的候选目标点进行投票，实现单个基本处理单元内线段轨迹的检测与优化，具体包括：将单个基本处理单元内中心已平移至原点的三维候选点分别带入交点在平面坐标系中的计算式，得到参数空间中的映射，并在投票网格中进行投票；对于投票数大于预先设定的阈值的每个网格，根据直线上的任意一点p在平面坐标系中的计算式计算出三维空间中的一条候选直线方程；遍历该基本处理单元内的候选点，找到该候选直线方程附近的所有候选点，若候选点数目大于预先设定的阈值，则认为该候选直线方程为候选点中存在的直线段轨迹；根据周围的候选点进行直线的修正，保存直线段轨迹参数与周围候选点参数，并完成轨迹优化。
[0015]作为上述技术方案的改进之一，所述利用各基本处理单元内线段轨迹的平均位置、平均速度及轨迹外观构建状态变量，并输入DeepSORT跟踪模型，对各基本处理单元的线段轨迹进行轨迹关联与维护，具体包括：通过卡尔曼滤波跟踪器对于输入的当前基本处理单元运动点目标直线段轨迹的状态变量进行预测，获得下一基本处理单元的预测状态；使用直线段轨迹的代价矩阵匹配下一基本处理单元的预测状态与检测结果；根据匹配结果对输入的运动点目标直线段轨迹进行关联维护，同时对卡尔曼滤波跟踪器进行更新，获得下一基本处理单元的最终估计状态。
[0016]作为上述技术方案的改进之一，所述通过卡尔曼滤波跟踪器对于输入的当前基本处理单元运动点目标直线段轨迹的状态变量进行预测，获得下一基本处理单元的预测状态，具体包括：
构建单位时间内运动点目标轨迹的状态变量，表示为：其中，和分别表示点目标运动轨迹的平均位置和平均速度，、和表示点目标运动轨迹外观在空间与时间上的长度；在相邻两个基本处理单元内，将目标的运动认为是一个恒速的运动模型；基于卡尔曼滤波跟踪器根据上一基本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于线段关联的运动点目标时空域轨迹跟踪方法，所述方法包括：将高速相机拍摄的运动点目标视频等时间间隔地划分为多个基本处理单元，获得各基本处理单元内包含空域位置信息和时域时刻信息的三维候选点目标；通过三维霍夫变换构建投票网格，并由单个基本处理单元内的候选目标点进行投票，实现单个基本处理单元内线段轨迹的检测与优化；利用各基本处理单元内线段轨迹的平均位置、平均速度及轨迹外观构建状态变量，并输入DeepSORT跟踪模型，对各基本处理单元的线段轨迹进行轨迹关联与维护，实现对运动点目标的轨迹跟踪。2.根据权利要求1所述的基于线段关联的运动点目标时空域轨迹跟踪方法，其特征在于，所述获得各基本处理单元内包含空域位置信息和时域时刻信息的三维候选点目标，具体包括：每个基本处理单元中运动点目标经过单像元时会在其时域上产生瞬态扰动，针对每个像元判断是否存在瞬态扰动即可得到各基本处理单元内具有时域与空域三维信息的候选点目标。3.根据权利要求1所述的基于线段关联的运动点目标时空域轨迹跟踪方法，其特征在于，所述通过三维霍夫变换构建投票网格，具体包括：针对各基本处理单元内的三维候选目标点设定三维空间原点，并将候选点平移使得它们的中心与原点重合；将单个基本处理单元内的目标轨迹看作直线段；假设通过单个基本处理单元内某运动目标的直线段轨迹的直线为，用一过原点且垂直于直线的平面，及在平面坐标系下的直线和平面的交点对直线进行表示；对于在直线上的任意一点，平面坐标系下的计算如下：计算如下：其中，表示直线方向的向量；直线上的任意一点p在平面坐标系下表示为：对通过直线段轨迹的直线L的方向向量的与平面分别进行离散化，得到霍夫变换的三维参数空间，以及参数空间的投票网格。
4.根据权利要求3所述的基于线段关联的运动点目标时空域轨迹跟踪方法，其特征在于，对单个基本处理单元内通过直线段轨迹的直线L的方向向量进行离散化时，采用正多面体的顶点作为离散化的方向向量；对平面进行离散化时，取步长为对平面进行离散化，得到平面的投票网格空间大小为；表示向上取整；参数空间的投票网格的数量为： 其中，为正多面体的顶点数；表示候选点在二维平面坐标系上的坐标限度：将三维候选点的中心平移到原点后，候选点在二维平面坐标系上的取值范围为与，计算式如下：其中，和分别表示三维候选点平移后分别在上的最大值和最小值。5.根据权利要求3所述的基于线段关联的运动点目标时空域轨迹跟踪方法，其特征在于，所述由单个基本处理单元内的候选目标点进行投票，实现单个基本处理单元内线段轨迹的检测与优化，具体包括：将单个基本处理单元内中心已平移至原点的三维候选点分别带入交点在平面坐标系中的计算式，得到参数空间中的映射，并在投票网格中进行投票；对于投票数大于预先设定的阈值的每个网格，根据直线上的任意一点p在平面坐标系中的计算式计算出三维空间中的一条候选直线方程；遍历该基本处理单元内的候选点，找到该候选直线方程附近的所有候选点，若候选点数目大于预先设定的阈值，则认为该候选直线方程为候选点中存在的直线段轨迹；根据周围的候选点进行直线的修正，保存直线段轨迹参数与周围候选点参数，并完成轨迹优化。6.根据权利要求2
‑
5之一所述的基于线段关联的运动点目标时空域轨迹跟踪方法，其特征在于，所述利用各基本处理单元内线段轨迹的平均位置、平均速度及轨迹外观构建状态变量，并输入DeepSORT跟踪模型，对各基本处理单元的线段轨迹进行轨迹关联与维护，具体包括：通过卡尔曼滤波跟踪器对于输入的当前基本处理单元运动点目标直线段轨迹的状态变量进行预测，获得下一基本处理单元的预测状态；使用直线段轨迹的代价矩阵匹配下一基本处理单元的预测状态...

【专利技术属性】
技术研发人员：郭颖颐，牛文龙，王鹏程，彭晓东，杨震，
申请(专利权)人：中国科学院国家空间科学中心，
类型：发明
国别省市：