一種動態背景中弱小動目標的連續穩定跟蹤方法技術

本發明專利技術公開了一種動態背景中弱小動動目標的連續穩定跟蹤方法，首先獲取視頻數據，針對每一幀圖像進行如下處理：在當前幀圖像中，獲取待跟蹤動目標位置坐標，依據該位置確定目標追蹤框；采用貝葉斯框架對目標追蹤框內區域建立當前幀圖像的空間上下文模型；利用當前幀圖像的空間上下文模型與下一幀圖像進行卷積計算獲得下一幀圖像中待跟蹤動目標出現位置的置信圖，置信度最大的位置即下一幀圖像中的待跟蹤動目標位置；基于雙閾值動目標危機判定，判定待跟蹤動目標沒有被遮擋或者丟失時，則輸出下一幀圖像中的動目標位置，當前幀圖像的跟蹤處理過程結束；否則更新目標追蹤框進行重檢。該方法實現了目標在背景干擾和遮擋情況下的連續穩定跟蹤。

A method for tracking a continuous and stable dynamic background of dim small moving target

The continuous stable tracking of the invention discloses a method for dim small moving target in dynamic background, first get the video data, were treated as follows for each image in the current frame image, obtain the position coordinates of the target tracking, target tracking the position determined by the frame; using a Bayesian framework for target tracking spatial context model the current image frame area; using spatial context model of current frame and the next frame image convolution calculation get the next frame image to track moving targets appear confidence map position, the position of the maximum degree of confidence that the next frame image to track moving target position; double threshold moving target crisis decision based on the judgment to tracking moving object is not occluded or lost, the output of the next frame image of the moving target position, the current frame image tracking The processing process is over; otherwise, the target tracking box is updated. The method realizes the continuous stable tracking of the target under the background interference and occlusion.

【技術實現步驟摘要】
一種動態背景中弱小動目標的連續穩定跟蹤方法
本專利技術屬于目標檢測跟蹤研究領域，具體為一種在動態背景下弱小動目標連續穩定跟蹤方法。
技術介紹
運動目標的跟蹤在軍事、國防以及工業等領域具有廣泛的應用前景，引起了國內外廣大科研工作者的濃厚興趣，使之發展成為計算機視覺的一個熱點領域。目前，典型的運動目標跟蹤方法主要有：幀差法、基于模板匹配的跟蹤方法、基于特征點的跟蹤方法和基于周域統計特性的跟蹤方法。幀差法適用于背景變化較小的靜態場景，算法復雜度低，但對大目標慢動情況只能提取目標的輪廓。基于模板匹配的跟蹤方法事先建立的跟蹤目標模板直接決定了跟蹤的效果，精確有效的目標模板比較難獲得，且模板更新過程比較復雜，實時性差。基于特征點的跟蹤方法由于不用考慮目標持征的整體性，所以目標跟蹤精度高且魯棒性好，但對簡單結構特征點不突出的目標跟蹤效果不理想。基于周域統計特性的跟蹤方法是目前在實際應用中比較多的一種方法，此算法實現過程簡單，并且程序運算速度快。如何準確的判斷目標的遮擋及準確定位重新出現的目標，是實現目標連續穩定跟蹤的重點。所謂弱小目標，是指當成像系統和目標的相對位置較遠時，雖然目標本身可能有幾米甚至十幾米的直徑，但在成像平面內僅表現為十幾個像素的面積。而動態背景下的弱小動目標，由于攝像機運載平臺的運動影響及目標自身大小、特征的限制，使其成為運動目標跟蹤問題的一個難點。
技術實現思路
有鑒于此，本專利技術提供了一種動態背景中弱小動目標的連續穩定跟蹤方法，該方法能夠對目標被遮擋或者丟失的狀況進行判定，從而實現了目標在背景干擾和遮擋情況下的連續穩定跟蹤。為了達到上述目的，本專利技術的技術方案為：一種動態背景中弱小動動目標的連續穩定跟蹤方法，包括以下具體步驟：S1：獲取視頻數據，針對視頻數據中的每一幀圖像按照時間順序進行如下S2～S6的跟蹤處理。S2：在當前幀圖像中，獲取待跟蹤動目標位置坐標，對當前幀圖像進行閾值分割和形態學運算，得到多個連通域，并以包含所述待跟蹤動目標位置坐標的連通域作為目標區域，取該目標區域的外接矩形框為目標追蹤框。若當前幀圖像為初始幀，則通過外部輸入獲得該待跟蹤動目標位置坐標，否則直接獲取上一幀圖像跟蹤獲得的目標位置坐標。S3：采用貝葉斯框架對目標追蹤框內區域建立當前幀圖像的空間上下文模型。S4：利用所述當前幀圖像的空間上下文模型與所述下一幀圖像進行卷積計算獲得下一幀圖像中待跟蹤動目標出現位置的置信圖，置信度最大的位置即下一幀圖像中的待跟蹤動目標位置。S5：基于雙閾值動目標危機判定，以確定動目標是否遮擋或丟失，具體步驟為：針對所述下一幀圖像中待跟蹤動目標出現位置的置信圖的峰值尖銳度PSR，計算PSR的標準化值Rt。統計當前幀圖像和下一幀圖像目標區域差值的絕對值的元素和作為差異值St。當Rt小于第一設定閾值，St小于第二設定閾值時，判定待跟蹤動目標被遮擋或者丟失。當判定待跟蹤動目標沒有被遮擋或者丟失時，則輸出下一幀圖像中的動目標位置，當前幀圖像的跟蹤處理過程結束。若判定待跟蹤動目標存在被遮擋或者丟失時，進入步S6。S6、以S4中得到動目標位置為中心確定搜索區域，所述搜索區域尺寸為預先設定值，采用尺度不變特征變換匹配SIFT算法對下一幀圖像以及下一幀圖像后第k幀圖像進行匹配，k為預設的幀間隔，然后利用幀差法對匹配結果中的搜索區域進行幀差得到二值圖像，若二值圖像中包含動目標且與待跟蹤動目標的尺寸限定條件相差在設定范圍內，則以所述二值圖像中動目標的最小外接矩形作為目標追蹤框返回S3，否則增大k值重復本步驟。進一步地，S3包括如下步驟：S31：針對當前幀圖像t，針對動目標追蹤框，利用置信圖函數c(x)計算出動目標所在幀的置信度圖：其中，x是動目標追蹤框內的像素值，x*為所述動目標的點坐標對應像素值；b是置信圖函數中預設的規則化常數，α是置信圖函數中預設的尺度參數，β是置信圖函數中預設的形狀參數；S32：基于在生物視覺系統中的關注焦點特性，計算出當前幀圖像的先驗概率圖P(c(z)|o)：P(c(z)|o)＝I(z)ωσ(z-x*)；式中的ωσ為加權高斯函數，定義為：其中，I(z)表示圖像中z坐標處像素的灰度值，a是加權高斯函數中預設的規則化的常數，σ是加權高斯函數中預設的尺度參數，z為動目標追蹤框區域內的各像素點的位置坐標；S33：利用所得到的置信度圖和先驗概率圖建立動目標的空間上下文模型F代表快速傅里葉變換。優選地，第一設定閾值為2，第二設定閾值為5。優選地，β＝1。有益效果：1、本專利技術基于當前目標位置置信圖來自適應更新時空上下文模型，避免了目標輕微遮擋時產生模型更新錯誤，實現目標在背景干擾、輕微遮擋等情況下的穩健長時間跟蹤。本專利技術基于目標位置置信圖峰值尖銳度PSR和目標區域灰度強度變化信息的目標危機判別函數，可以對強干擾、嚴重遮擋情況下目標可能丟失的情況進行判別。2、本專利技術中，當目標嚴重丟失時，基于SIFT實現幀間圖像的匹配，并利用區域幀差法對目標進行重新位置確定，將定位結果傳送給時空上下文模型，完成線上目標的連續穩定長時跟蹤。附圖說明圖1為專利技術流程圖；圖2為采集的視頻數據的初始幀圖像；圖3為目標區域提取圖像，圖中(a)為截取的目標128×128的包含目標的處理區域，(b)為自適應分割的模板與目標區域的組合顯示，(c)分割結果；圖4為分割目標框在初始幀圖像的顯示；圖5為追蹤丟失時的圖像及目標框的顯示；圖6為利用SIFT和幀差法重捕獲目標及目標外接矩形框的顯示；圖7再次利用本文追蹤方法的追蹤結果顯示。具體實施方式下面結合附圖并舉實施例，對本專利技術進行詳細描述。實施例：本實施例提供了一種針對動態背景中弱小動目標的連續穩定跟蹤方法，流程如圖1所示，包括以下具體步驟：S1：獲取視頻數據，本實施例中所獲取的視頻數據為利用無人機自主拍攝，采集視頻的圖像尺寸為720×1280像素的彩色數據，無人機飛行高度為103米，視頻幀頻為100幀/秒。針對視頻數據中的每一幀圖像按照時間順序進行如下處理。本實施例中所采集的初始幀圖像如圖2所示。S2：在當前幀圖像中，獲取待跟蹤動目標位置坐標，若當前幀圖像為初始幀，則通過外部輸入獲得該待跟蹤動目標位置坐標，否則直接獲取上一幀跟蹤獲得的目標位置坐標即可對當前幀圖像進行閾值分割和形態學運算，得到多個連通域，并以包含目標的點坐標的連通域作為目標區域，取該目標區域的外接矩形框為目標追蹤框。本實施例中，點選目標，獲得圖像目標上的一個點坐標[x,y]，以點坐標周圍128×128的包含目標的區域進行目標的預識別，首先，采用小波低通濾波系數對圖像進行水平和垂直方向的濾波，通過二者進行算數平方根運算，得到區域的特征圖像；其次對特征圖像進行迭代閾值分割得到分割結果；通過對分割結果進行三階卷積平滑處理和空洞填充處理，使目標形狀信息更加突出；對各連通域進行標記，去除與邊界相連的連通域，并通過面積、長寬比、及離點選坐標距離等信息確定目標二值圖像區域，取其外接矩形框為目標框。本實施例中，目標區域提取圖像如圖3所示，圖中(a)為截取的目標128×128的包含目標的處理區域，(b)為自適應分割的模板與目標區域的組合顯示，(c)分割結果。圖4為分割目標框在初始幀圖像的顯示。S3：采用貝葉斯框架對目標追蹤框內區域建立其空間上下文本文檔來自技高網...

【技術保護點】
一種動態背景中弱小動動目標的連續穩定跟蹤方法，其特征在于，包括以下具體步驟：S1：獲取視頻數據，針對視頻數據中的每一幀圖像按照時間順序進行如下S2～S6的跟蹤處理；S2：在當前幀圖像中，獲取待跟蹤動目標位置坐標，對當前幀圖像進行閾值分割和形態學運算，得到多個連通域，并以包含所述待跟蹤動目標位置坐標的連通域作為目標區域，取該目標區域的外接矩形框為目標追蹤框；若當前幀圖像為初始幀，則通過外部輸入獲得該待跟蹤動目標位置坐標，否則直接獲取上一幀圖像跟蹤獲得的目標位置坐標；S3：采用貝葉斯框架對目標追蹤框內區域建立當前幀圖像的空間上下文模型；S4：利用所述當前幀圖像的空間上下文模型與所述下一幀圖像進行卷積計算獲得下一幀圖像中待跟蹤動目標出現位置的置信圖，置信度最大的位置即下一幀圖像中的待跟蹤動目標位置；S5：基于雙閾值動目標危機判定，以確定動目標是否遮擋或丟失，具體步驟為：針對所述下一幀圖像中待跟蹤動目標出現位置的置信圖的峰值尖銳度PSR，計算PSR的標準化值R

【技術特征摘要】
1.一種動態背景中弱小動動目標的連續穩定跟蹤方法，其特征在于，包括以下具體步驟：S1：獲取視頻數據，針對視頻數據中的每一幀圖像按照時間順序進行如下S2～S6的跟蹤處理；S2：在當前幀圖像中，獲取待跟蹤動目標位置坐標，對當前幀圖像進行閾值分割和形態學運算，得到多個連通域，并以包含所述待跟蹤動目標位置坐標的連通域作為目標區域，取該目標區域的外接矩形框為目標追蹤框；若當前幀圖像為初始幀，則通過外部輸入獲得該待跟蹤動目標位置坐標，否則直接獲取上一幀圖像跟蹤獲得的目標位置坐標；S3：采用貝葉斯框架對目標追蹤框內區域建立當前幀圖像的空間上下文模型；S4：利用所述當前幀圖像的空間上下文模型與所述下一幀圖像進行卷積計算獲得下一幀圖像中待跟蹤動目標出現位置的置信圖，置信度最大的位置即下一幀圖像中的待跟蹤動目標位置；S5：基于雙閾值動目標危機判定，以確定動目標是否遮擋或丟失，具體步驟為：針對所述下一幀圖像中待跟蹤動目標出現位置的置信圖的峰值尖銳度PSR，計算PSR的標準化值Rt；統計當前幀圖像和下一幀圖像目標區域差值的絕對值的元素和作為差異值St；當Rt小于第一設定閾值，St小于第二設定閾值時，判定待跟蹤動目標被遮擋或者丟失；當判定待跟蹤動目標沒有被遮擋或者丟失時，則輸出下一幀圖像中的動目標位置，當前幀圖像的跟蹤處理過程結束；若判定待跟蹤動目標存在被遮擋或者丟失時，進入步S6；S6、以S4中得到動目標位置為中心確定搜索區域，所述搜索區域尺寸為預先設定值，采用尺度不變特征變換匹配SIFT算法對下一幀圖像以及下一幀圖像后第k幀圖像進行匹配，...

【專利技術屬性】
技術研發人員：曾大治，陳天明，梁若飛，王長杰，
申請(專利權)人：北京理工雷科電子信息技術有限公司，
類型：發明
國別省市：北京,11