[发明专利]一种基于空天背景小目标实时检测跟踪方法

说明书

本发明公开了一种基于空天背景小目标实时检测跟踪方法，从多尺度的角度去研究光电跟踪系统的目标检测与跟踪，针对硬件资源有限的嵌入式系统，提出了针对视频图像实时处理的目标检测与跟踪策略。本发明利用目标在不同尺度的子域中，局部灰度特征不同这一特点来检测目标的存在，实时检测较大尺寸的目标，并分步检测主要检测对象为小目标在内的其它目标，实现实时的多目标检测。并针对小目标在空天背景中的成像特点，提出了基于小目标成像特点的加权质心跟踪方法。在跟踪过程中，参考全局小目标检测后的结果，对跟踪目标进行评分，筛选目标，最终达到对小目标的实时检测跟踪。本发明所述方法针对可见光、红外视频小目标均可使用。

技术领域

本发明属于信息处理技术领域,尤其涉及一种基于空天背景小目标实时检测跟踪方法。

背景技术

从上世纪开始，随着军事领域中高性能机型以及精确制导武器的发展，精确制导和防空就促使着目标检测、跟踪技术的不断提高。为了节约战斗力资源和保障己方地面设施以及战斗工具安全，目标检测和跟踪能力的提高成为了各个国家研究的一个关键技术。前期的目标检测与跟踪技术主要以雷达为核心的系统设计。随着世界各国都大力发展数字化、信息化的武器装备。新的作战工具的进步，使得战场环境更为复杂。战斗机、无人机等可利用低空、超低空飞行以及隐身技术等手段来躲避传统雷达的探测，无人机、巡航导弹等低、小、慢目标更成为防空探测的难题，综合性电子干扰、反辐射导弹等技术更是对传统雷达系统造成了日益严重的对抗威胁。因此新的探测跟踪手段已成为各国迫切需求，无源被动式探测跟踪技术是解决此问题的一个途径，而光学、红外探测技术是其中一个重要研究方向。为了及早发现运动目标，增大探测和告警的作用距离与时间，并在捕获目标后能够提取目标特征并引导光电系统伺服对运动目标进行精确、平稳跟踪，弱小目标实时检测、跟踪成为光电系统的关键技术。

对于小目标的检测跟踪至关重要的是对其成像特征的概括，其特征中可以利用的主要有两个：一个是目标的灰度信息特征，另一个是目标的运动特征以及在成像后的映射关系，它主要表现为在序列图像中目标的运动具有连续性。局部灰度均值所表现的物理意义是该区域的灰度发生变化，比如说当有目标进入该区域时，灰度均值就会产生变化，目标相对于区域的尺寸越大，均值变化也越大，因此局部灰度特征可以被用来检测适当尺度的目标，缺点就是对相对较小的目标不敏感；局部区域灰度方差所表示的该区域内的灰度分布，方差越大，则灰度分布越不均匀，反之，当方差接近于0时，则该区域灰度表现为均匀分布；中心灰度优点是计算量极小，可以用来快速预处理和预检测目标，但只能反映出局部区域中心附近的灰度。单一使用某种局部灰度信息均有其利弊，在本发明中将综合多种尺度下的不同灰度特征，来提升目标检测的效果。常使用的跟踪算法主要是卡尔曼滤波、扩展卡尔曼滤波、均值漂移、粒子滤波等算法，这些算法可以提高跟踪精确度，但是粒子滤波等非线性方法计算量大，需要描述目标的特征量较大，计算复杂从而不能达到实时效果，而卡尔曼滤波等预测算法对于机动能力强、信噪比低的空中目标效果也不佳。

发明内容

发明目的：本发明的目的是提供基于空天背景小目标实时检测跟踪方法，使其在嵌入式平台DM8168里实时运行，检测和跟踪外接视频设备提供的视频图像中的小目标，使用该发明，可实时、有效地检测和跟踪视频图像中的小目标。

技术方案：为实现上述目的，本发明所述的小目标实时检测跟踪方法主要包括基于局部灰度特征的多尺度目标检测方法，基于空天背景下小目标加权质心方法，基于线性/平方预测、检测、加权质心结果的综合目标位置预测方法。

步骤1：利用局部灰度特征，使用多尺度表示方法，对视频图像进行多目标检测。

步骤1包括如下步骤：

步骤1-1：首先对接收的视频图像进行子域分割。将接收的视频图像分割成2^k*2^k个互不交叠的等尺寸小块，每一个小块称之为接收的视频图像的一个子域，该分割即为子域分割；其中，依据小目标尺寸以及检测跟踪需求，k取值范围为4～8，一般选取6。