一种机动目标的实时闭环预测跟踪方法技术

本发明专利技术公开了一种机动目标的实时闭环预测跟踪方法，它是一种机动小目标成像跟踪系统中的在线预测即时跟踪的闭环实时自适应处理方法。它主要用于光电成像跟踪、机器人视觉、智能交通管制等领域。该方法可以对捕获到的目标进行提取，建立航迹，并对目标航迹进行滤波及预测下一采集时刻目标的位置，以DSP主处理器加FPGA协处理器的高性能实时在线处理平台，采用可以应对目标机动的精度较高的预测算法进行目标的实时运动状态预测。利用预测结果驱动压电陶瓷电机二维运动台进行过补偿，实现自适应预测跟踪。本发明专利技术的优势在于可以克服由于系统延迟造成的跟踪误差变大的缺点，在目标发生机动或暂时遮挡时仍可以持续稳定跟踪。

【技术实现步骤摘要】

本专利技术涉及一种目标光电成像跟踪技术，具体指一种机动小目标电视跟踪系统的 实时预测即时跟踪的闭环实时自适应处理方法，它可用于对远处机动小目标持续稳定的成象足艮S宗。
技术介绍
实现较高精度的持续、稳定跟踪是机动小目标跟踪应用中的一大热点问题。对这 类目标的跟踪通常有探测距离较远(数公里)，背景均勻、起伏较小，目标成像的尺寸较小， 一般占为3X3左右大小的像素区域，有机动能力，会因人为、程序和其它因素产生机动，机 动强度可达到2g，甚至更高。传统的成像跟踪方法通常都是在获取的当前帧图像中提取到 目标后，通过检测目标当前帧脱靶量，传递给跟踪伺服控制系统来进行脱靶量补偿。而从曝 光积分成像-数字图像的读取-数据处理-数据传输-伺服系统控制到位这一过程一般都 要耗时50ms以上，在这一系列的系统延时内目标仍在继续运动，就造成了除滤波残差、控 制误差外更大的附加延时跟踪误差。假设空间分辨率为0. 4m的情况下，远处目标在像面上 占有3 X 3个像素，运动速度为200m/s，那么50ms内目标将移动25个像素的距离，这样传统 的成像跟踪方法将会造成很的大跟踪误差，如果这一时间内目标发生了机动，情况将会更 糟，会造成目标丢失，无法持续跟踪。同时，对于大面阵凝视型成像跟踪系统，成像时间加处 理时间一般都要高于50ms，所以在系统延迟时间内目标会移动不止25个像素，假定面阵大 小为10MX1280，目标划过视场的时间最大约k。所以系统在线处理的实时性对于稳定、 持续跟踪也非常重要。现有的持续稳定的跟踪的实现方法通常有两种，一种是对已知目标跟踪，这种情 况通常目标的轨迹和运动速度已知，不需要在线处理，但这种跟踪系统的应用范围有限 ’另 一种是简单地以当前速度在跟踪中进行过补偿，这种方式的跟踪误差较大，而且当目标发 生机动时，系统无法及时响应，影响跟踪的稳定性和持续性。目前具有在线学习、样本训练 能力的成像跟踪系统，通常应用于目标监视。由于被监视目标已知，使得目标相对速度较 小，对于监视系统无机动或机动较小，目标航迹样本集的训练在这种情况下只被用来做目 标航迹规划。综上所述，对于有机动能力的运动速度较快的小目标尚未找到一种较好的实 现在线实时自适应持续稳定的跟踪方法。
技术实现思路
本专利技术的目的在于提供一种机动小目标电视跟踪系统的实时预测即时跟踪的闭 环实时自适应处理方法，通过预测偏移量进行自适应过补偿来降低由于机动发生时系统延 时造成的跟踪误差和目标丢失的风险，实现在线实时自适应的持续稳定的跟踪。本专利技术方法是在如图2所示的由凝视成像系统，信号实时处理及跟踪伺服控制系 统和扫描补偿机构组成的广义闭环跟踪系统来实现的。整个系统采用头部整体扫描机构 5，这种扫描机制不用在成像系统前面放置大的摆镜，也不用考虑像旋的问题。头部整体扫描机构5通过逐行扫描粗跟踪使成像系统对准目标所在区域；光学信号通过成像光学系统 1成像于焦平面探测器阵列2上实现图像获取；再通过信号实时处理及跟踪伺服控制系统 3对获取的图像数据进行处理，捕获并提取目标以得到目标点迹，经由滤波预测得到目标下 一帧位置的偏移量，利用其驱动搭载着焦平面探测器阵列2的高精度二维运动台4和头部 整体扫描机构5完成预测跟踪，将目标维持在视场中心区域，从而降低系统的延迟对跟踪 性能造成的影响，以实现对目标的持续稳定跟踪。本专利技术方法的工作流程如图1所示，其实时处理的主要步骤包括(1)跟踪系统初始化后，成像跟踪系统进行图像获取，采用带保护带的罗宾逊滤波 模板遍历获取的图像进行滤波，对分布均勻、起伏小的背景进行抑制，对小目标增强。(2)对步骤(1)滤波过后的图像进行自适应的阈值分割，提取过阈值点，并记录亮 点的亮度和位置。(3)可对步骤(1)和( 得到的亮点进行聚类分析，即进行连通区域归类，计算并 统计各个潜目标的中心坐标、亮度、面积，完成目标提取。(4)可对尚未建立起航迹的目标进行航迹起始算法以建立航迹。(5)针对步骤(1) C3)提取的点迹和已建立的航迹进行关联，即点迹航迹关联算 法，更新航迹，同时利用目标运动的一致性去除伪目标。(6)可针对步骤⑴ (5)的检测结果选择系统工作状态。(7)针对步骤( 得到的航迹通过滤波估计算法预测下一图像采集时刻目标偏移 量，并将预测偏移量与当前帧脱靶量之和发送给跟踪伺服控制单元进行过补偿，完成即时 足艮S宗。上述步骤采用FPGA+DSP的硬件处理架构来实现。信号实时处理及跟踪伺服控制 系统的硬件实现框图如图3所示，它分为成像单元、数字信号处理单元和伺服控制单元。系 统启动初始化后，FPGA产生驱动时序控制成像单元进行图像获取，并从成像单元读取图像 数据，再对图像进行滤波和阈值分割，得到过阈值目标点，将过域值点的亮度和坐标通过 DSP的外部存储器接口(EMIF)发送到DSP做进一步处理，即上述步骤(1)和O) ；DSP对过 阈值亮点进行聚类分析，并计算各个连通区域的中心和面积，完成目标提取，用提取到的点 迹即连通区域中心建立目标航迹、点迹航迹关联和依据运动一致性去除伪目标，再对得到 的航迹进行滤波，估计采样周期的偏移量，最后将估计得到的偏移量通过数字信号处理单 元的串口发送给伺服控制单元，伺服控制单元控制二维指向转台和压电陶瓷电机双精度二 维运动台进行预测跟踪，即上述步骤C3) (7)。在步骤(1) =FPGA的背景抑制方法采用面积为LXL个像素，保护带半径为R个像 素的罗宾逊滤波模板遍历原始图像，通过比较模板中心像素与模板边沿个背 景像素的亮度，保留大于背景像素亮度的中心像素的亮度信息。即若中心像素大于背景像 素亮度极大值，或小于背景像素亮度极小值，则将该像素的亮度值计为它与背景像素平均 亮度之差的模；否则，该像素亮度值计为零。其中，L通常为3 11之间的奇数，R为0 4 之间的整数，R< (L-l)/2。当R = O时，即为普通的罗宾逊滤波。这种滤波方法又叫带保 护带的罗宾逊滤波算法，利用的是目标亮度通常为区域局部极值的特性，是一种非线性模 板滤波方法，可以维护有一定面积的目标，对均勻简单的背景有极强的抑制作用。而且该方 法不仅对亮于背景的目标有增强作用，对暗于背景的目标也同样有增强作用，很适合可见光电视跟踪系统。在步骤O)对滤波预处理后的图像使用改进的自适应阈值分割算法进行过阈值 点提取，即每帧选取步骤(1)得到的非零亮点像素作为阈值估计的样本集，统计其亮点样 本集均值μ与标准差S，则该帧阈值Τ=Α· μ+Β· δ，其中，由离线训练学习得到加权系 数A= 1，Β在0.8 3之间取值。最后保留过阈值点作为可能的目标亮点，并记录其坐标。 FPGA将处理过后有限的过阈值点及其坐标发送给DSP做进一步处理。在步骤(3) =DSP对FPGA处理过后得到的过阈值点及其坐标组成的离散矩阵采用 4邻域连通区域划分方法，将欧式距离为1的点认为是同一目标。即对离散矩阵的每组元素 按照其坐标从左到右、从上到下的顺序依次标号，然后从最左最上的元素开始遍历，在其向 右向下的元素里寻找其4邻域的连通区域，即与其欧氏距离为1的过阈值点，则这两点所在 连通区域等价，标号值等于两者之间较小的标号，如此多次遍历直至不再出现等价连通区 域为止。计算标号相同元素的中心本文档来自技高网...

【技术保护点】
一种机动目标的实时闭环预测跟踪方法，其特征在于包括以下步骤：１）跟踪系统初始化后，成像跟踪系统进行图像获取，采用带保护带的罗宾逊滤波模板遍历获取的图像进行滤波，对分布均匀、起伏小的背景进行抑制，对小目标增强；２）对步骤１滤波过后的图像进行自适应的阈值分割，提取过阈值点，并记录亮点的亮度和位置；３）对步骤１和２得到的亮点进行聚类分析，即进行连通区域归类，计算并统计各个潜目标的中心坐标、亮度、面积，完成目标提取；４）对尚未建立起航迹的目标进行航迹起始算法以建立航迹；５）针对步骤１～３提取的点迹和已建立的航迹进行关联，即点迹航迹关联算法，更新航迹，同时利用目标运动的一致性去除伪目标；６）针对步骤１～５的检测结果选择系统工作状态；７）针对步骤５得到的航迹通过滤波估计算法预测下一图像采集时刻目标偏移量，并将预测偏移量与当前帧脱靶量之和发送给跟踪伺服控制单元进行过补偿，完成即时跟踪。

【技术特征摘要】

【专利技术属性】
技术研发人员：李丹，丁雷，赵佳，周姗姗，
申请(专利权)人：中国科学院上海技术物理研究所，
类型：发明
国别省市：31