[发明专利]用于检测和跟踪目标的方法和装置、光电设备

说明书

本发明提供用于检测和跟踪目标的方法和装置、光电设备。称为现有轨迹的至少一个轨迹已经由所述一系列图像中的当前图像之前的图像中检测到的斑点形成。所述方法包括：对于当前图像，获得(30)所述当前图像中包括的至少一个斑点，并且对于各个斑点，获得该斑点的特征的代表值；并且在所述代表值比第一预定阈值的情况下根据所述代表值将各个斑点分类(31)到第一类别，在所述代表值在该第一预定阈值和比该第一预定阈值低的第二预定阈值之间的情况下将所述斑点分类到第二类别；并且对于各个现有轨迹，优选地将第一类别斑点分配(32)到该现有轨迹，并且当第一类别斑点均不与该现有轨迹兼容时，将第二类别斑点分配到所述现有轨迹。

技术领域

本发明涉及用于检测和跟踪目标的方法，以及用于实施所述方法的装置和设备。

背景技术

通常使用利用目标检测和跟踪的方法进行环境监控，尤其是在空中和海上领域。这些方法包括连续捕捉环境的一系列光电图像，在各个图像中寻找潜在目标的存在的迹象，然后，当发现迹象时，通过确定在多个连续图像中是否存在一致检测结果的重复来确认或否认实际目标的存在。

在目标检测和监测中使用了以下术语：

斑点或热斑点：图像的子部分，包括具有彼此均一且与图像中该子部分附近区域的像素不同的特征的相邻像素。通过应用检测标准来检测斑点。可以根据图像中的平均信号电平和/或噪声电平来建立该检测标准。例如，当像素的亮度水平与图像中其附近的像素的平均亮度水平具有比预定检测阈值高的差异时，可以认为该像素属于斑点。更一般地，斑点的检测可以基于对图像的像素的信噪比(SNR)值的观察。SNR比预定检测阈值高的像素被认为属于斑点。斑点可以对应于目标或对应于图像中的检测像差。

轨迹：在多个连续图像中检测到的斑点的时空链。轨迹可以具有三种状态：候选轨迹(在初始化或分叉过程中)、已确认轨迹或已放弃轨迹。使用轨迹管理功能更新轨迹的状态。轨迹管理功能将候选轨迹状态分配到各个新轨迹。通常从尚未用于更新现有已确认轨迹的斑点初始化候选轨迹。轨迹管理功能可以根据所需的性能水平或错误警报水平，使用或多或少的复杂技术来确认候选轨迹。例如，当可以从一系列P个连续图像中的Q个(PQ)图像中发现的斑点构造斑点时空链时，可以确认轨迹。当轨迹的特征不再满足预定标准时，诸如例如当在大于预定阈值的多个相继图像期间未使用新斑点更新该轨迹时，轨迹管理功能将放弃状态分配到所述轨迹。

用于将斑点分配到轨迹的算法：用于将斑点分配到轨迹的算法可以将点与现有轨迹关联(已确认或在初始化过程中)。当通过目标检测和跟踪方法获得新图像(称为“当前图像”)时，对其进行分析以在其中寻找斑点。并行地，根据各个现有轨迹执行被称为“预测斑点”的斑点的位置的预测，以确定使得可以追踪该轨迹的斑点位于何处。通常使用轨迹维持函数来完成对预测斑点的位置的这种预测。然后在预测斑点的位置周围定义一个或两个验证窗口。这称为预测窗口和演化窗口。然后在这些验证窗口中寻找适合于追踪所述轨迹的斑点。分配可以包括两个步骤：预相关和确定性分配。在预相关期间，指示用于对各个轨迹进行关联的候选点。这是考虑落入轨迹验证窗口内的所有斑点的情况。以这种方式形成表格，该表格指示斑点是否形成可以与轨迹相关联的候选的一部分。在确定性分配时，对斑点和轨迹之间的关系进行更精细的分析。存在各种确定性分配方法。因此，可以提及例如全局最近邻接近(GNN)方法或次优最近邻(SNN)方法，这两种方法均在文章“A Study of aTarget Tracking Algorithm Using Global Nearest Neighbor Approach,P.Konstantinova,International Conference on Computer Systems and Technologies(CompSysTech 2003)”中描述。

轨迹维持函数：轨迹维持函数提供从轨迹跟踪的目标的运动学特性的在当前时刻的估计及其在该当前时刻之后的时刻的预测。该函数通常由卡尔曼函数实现。