本发明专利技术公开了一种基于无迹卡尔曼的无人艇图像目标跟踪方法及系统，涉及目标跟踪领域，所述目标跟踪方法包括：获取雷达回波图像以及无人艇艏向；对所述雷达回波图像进行坐标系转换；对所述坐标系转换后的雷达回波图像进行形态学滤波；基于形态学滤波后的雷达回波图像进行目标提取，得到目标框坐标信息；基于目标框坐标信息进行目标跟踪，得到跟踪结果。本发明专利技术中的上述方法能够提高目标检测精度。
【技术实现步骤摘要】
本专利技术涉及目标跟踪领域，特别是涉及一种基于无迹卡尔曼的无人艇图像目标跟踪方法及系统。
技术介绍
1、无人艇具有小型化、智能化、多用途以及全天候作业等优势，在军事和民用领域得到了广泛应用。然而，受海洋环境日益复杂、作业任务日渐多样、活动范围日趋扩大等影响，无人艇在海面运动目标探测方面还面临诸多挑战。
2、航海雷达可以全天候探测海面运动目标，利用雷达回波图像完成目标跟踪可以获得目标的行驶轨迹以及目标相对于无人艇的距离信息。但是航海雷达图像对于海面运动目标检测跟踪的难点在于：
3、(1)海面上的各类目标在航海雷达回波图像中显示为白色区域，并不具有清晰的影像，部分复杂目标在回波图像上还会显示为破碎区域的集合。当目标运动角度变化时，其轮廓像形状各异；当快艇类小目标快速移动时，其轮廓像在回波图像上显示为几块破碎区域的集合。
4、(2)航海雷达回波图像中存在大量噪声干扰，包括雨杂波、海杂波、内部噪声等干扰。
5、(3)对于快速移动的快艇类小目标，有时会在生成的回波图像中消失几帧后再在远距离处重新出现，这时跟踪算法容易误认为运动目标消失，将其识别为另一个目标。此外，航海雷达会将船只经过溅起的水花识别为目标，产生虚警。
6、(4)不同于仿真数据的干净整洁，真实的航海雷达数据中含有的噪声和杂波对于目标回波影响很大，而且上一扫描周期与下一扫描周期的回波图像略有不同。
7、针对上述问题，本专利技术提供一种基于无迹卡尔曼的航海雷达图像目标跟踪方法及系统以提高目标检测精度。
技术实现思路
1、本专利技术的目的是提供一种基于无迹卡尔曼的无人艇图像目标跟踪方法及系统，以提高目标检测精度。
2、为实现上述目的，本专利技术提供了如下方案：
3、第一方面，本专利技术提供了一种基于无迹卡尔曼的无人艇图像目标跟踪方法，所述目标跟踪方法包括：
4、获取雷达回波图像以及无人艇艏向；
5、对所述雷达回波图像进行坐标系转换；
6、对所述坐标系转换后的雷达回波图像进行形态学滤波；
7、基于形态学滤波后的雷达回波图像进行目标提取，得到目标框坐标信息；
8、基于目标框坐标信息进行目标跟踪，得到跟踪结果。
9、可选的，所述基于形态学滤波后的雷达回波图像进行目标提取具体包括以下步骤：
10、将形态学滤波后的雷达回波图像转换为灰度图像；
11、对所述灰度图像进行阈值分割；
12、基于阈值分割后的灰度图像进行目标边缘轮廓提取；
13、基于目标边缘轮廓提取后的灰度图像进行阈值划分，得到船艇类目标；所述船艇类目标包括：第一类目标、第二类目标和第三类目标；所述第一类目标为大面积目标，包括：近岸建筑和岛礁；所述第二类目标为边缘轮廓形状不规则目标，包括：海杂波干扰、船只行驶时溅起的波浪以及雷达虚警目标；所述第三类目标为形状规则的目标，包括：船艇类目标；
14、根据所述第三类目标的轮廓，计算质心坐标，在雷达回波图像上画出目标框，并确定目标框坐标信息。
15、可选的，基于轮廓提取后的灰度图像进行阈值划分，得到船艇类目标具体包括以下步骤：
16、计算目标边缘轮廓提取后的轮廓面积s；
17、判断所述轮廓面积s是否满足，s＞smax，若满足，则认定为第一类目标，其中，smax表示大面积目标的阈值；若不满足，则计算目标轮廓的宽w、高h、宽高比a、斜率b，判断轮廓的宽高、宽高比以及斜率变化是否满足w＜wt，h＜ht，a＜at，b＜bt，若满足，则认定为第二类目标，否则为第三类目标；其中，wt表示目标宽w的阈值，ht表示目标高h的阈值，at表示目标宽高比a的阈值，bt表示目标轮廓斜率b的阈值。
18、可选的，所述基于目标框坐标信息进行目标跟踪，得到跟踪结果具体包括以下步骤：
19、获取第t-1帧目标先验框；所述目标先验框为目标框；
20、基于所述第t-1帧目标先验框预测第t帧目标先验框，得到预测框；
21、根据所述第t-1帧目标先验框和预测框的ciou值作为二分图中每条边的权重，然后在该带权二分图上寻找完备匹配，完成所述第t-1帧目标先验框和预测框之间的匹配，得到匹配结果；
22、基于所述匹配结果进行航迹判别。
23、可选的，基于所述匹配结果进行航迹判别具体包括以下步骤：
24、若所述预测框和目标先验框匹配成功则记为下一时刻的航迹；
25、在先验框匹配不成功的情况下，若先验框和预测框匹配不成功，此时满足预设的航迹起始帧数则判定为新生航迹起始；
26、在预测框匹配不成功的情况下，若先验框和预测框匹配不成功，此时满足预设的航迹终止阈值则判定为航迹结束。
27、第二方面，基于本专利技术中的上述方法，本专利技术另外提供了一种基于无迹卡尔曼的无人艇图像目标跟踪系统，包括：
28、雷达回波图像以及无人艇艏向获取模块，用于获取雷达回波图像以及无人艇艏向；
29、坐标系转换模块，用于对所述雷达回波图像进行坐标系转换；
30、形态学滤波模块，用于对所述坐标系转换后的雷达回波图像进行形态学滤波；
31、目标提取模块，用于基于形态学滤波后的雷达回波图像进行目标提取，得到目标框坐标信息；
32、目标跟踪模块，用于基于目标框坐标信息进行目标跟踪，得到跟踪结果。
33、可选的，所述目标提取模块包括：
34、灰度图像转换单元，用于将形态学滤波后的雷达回波图像转换为灰度图像；
35、阈值分割单元，用于对所述灰度图像进行阈值分割；
36、目标边缘轮廓提取单元，用于基于阈值分割后的灰度图像进行目标边缘轮廓提取；
37、阈值划分单元，用于基于目标边缘轮廓提取后的灰度图像进行阈值划分，得到船艇类目标；所述船艇类目标包括：第一类目标、第二类目标和第三类目标；所述第一类目标为大面积目标，包括：近岸建筑和岛礁；所述第二类目标为边缘轮廓形状不规则目标，包括：海杂波干扰、船只行驶时溅起的波浪以及雷达虚警目标；所述第三类目标为形状规则的目标，包括：船艇类目标；
38、目标框坐标信息确定单元，用于根据所述第三类目标的轮廓，计算质心坐标，在雷达回波图像上画出目标框，并确定目标框坐标信息。
39、可选的，所述阈值划分单元具体包括：
40、轮廓面积s计算子单元，用于计算目标边缘轮廓提取后的轮廓面积s；
41、第一判断子单元，用于判断所述轮廓面积s是否满足，s＞smax，若满足，则认定为第一类目标；其中，smax表示大面积目标的阈值，若不满足，则计算目标轮廓的宽w、高h、宽高比a、斜率b；
42、第二判断子单元，用于判断轮廓的宽高、宽高比以及斜率变化是否满足w＜wt，h＜ht，a＜at，b＜bt，若满足，则认定为第二类目标，否则本文档来自技高网
...
【技术保护点】
1.一种基于无迹卡尔曼的无人艇图像目标跟踪方法，其特征在于，所述目标跟踪方法包括：
2.根据权利要求1所述的基于无迹卡尔曼的无人艇图像目标跟踪方法，其特征在于，所述基于形态学滤波后的雷达回波图像进行目标提取具体包括以下步骤：
3.根据权利要求2所述的基于无迹卡尔曼的无人艇图像目标跟踪方法，其特征在于，基于轮廓提取后的灰度图像进行阈值划分，得到船艇类目标具体包括以下步骤：
4.根据权利要求1所述的基于无迹卡尔曼的无人艇图像目标跟踪方法，其特征在于，所述基于目标框坐标信息进行目标跟踪，得到跟踪结果具体包括以下步骤：
5.根据权利要求4所述的基于无迹卡尔曼的无人艇图像目标跟踪方法，其特征在于，基于所述匹配结果进行航迹判别具体包括以下步骤：
6.一种基于无迹卡尔曼的无人艇图像目标跟踪系统，其特征在于，包括：
7.根据权利要求6所述的一种基于无迹卡尔曼的无人艇图像目标跟踪系统，其特征在于，所述目标提取模块包括：
8.根据权利要求7所述的一种基于无迹卡尔曼的无人艇图像目标跟踪系统，其特征在于，所述阈值划分单元具体包括：
9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1-5中任一项所述的基于无迹卡尔曼的无人艇图像目标跟踪方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的基于无迹卡尔曼的无人艇图像目标跟踪方法。
...
【技术特征摘要】
1.一种基于无迹卡尔曼的无人艇图像目标跟踪方法，其特征在于，所述目标跟踪方法包括：
2.根据权利要求1所述的基于无迹卡尔曼的无人艇图像目标跟踪方法，其特征在于，所述基于形态学滤波后的雷达回波图像进行目标提取具体包括以下步骤：
3.根据权利要求2所述的基于无迹卡尔曼的无人艇图像目标跟踪方法，其特征在于，基于轮廓提取后的灰度图像进行阈值划分，得到船艇类目标具体包括以下步骤：
4.根据权利要求1所述的基于无迹卡尔曼的无人艇图像目标跟踪方法，其特征在于，所述基于目标框坐标信息进行目标跟踪，得到跟踪结果具体包括以下步骤：
5.根据权利要求4所述的基于无迹卡尔曼的无人艇图像目标跟踪方法，其特征在于，基于所述匹配结果进行航迹判别具体包括以下步骤：
...
【专利技术属性】
技术研发人员：左震，郭润泽，孙备，苏绍璟，孙晓永，张家菊，吴鹏，童小钟，钱翰翔，黄泓赫，党昭洋，李灿，胡宇涛，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
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。