[发明专利]一种基于声呐图像的水下运动目标跟踪方法

权利要求书

1.一种基于声呐图像的水下运动目标跟踪方法，其特征在于，包括以下步骤：

S1：读取水下声呐图像序列，获取运动目标出现前的水下背景图像序列；

S2：根据水下背景图像序列，基于高斯混合模型对水下声呐图像背景进行建模，得到水下声呐图像背景模型，并结合最邻近算法对背景模型进行动态更新；所述的步骤2具体为：

S2.1：使用运动目标出现前的水下背景图像序列来训练高斯混合模型，表示为：

θ_m＝(μ_m,Σ_m)，

式中，P(x|θ)表示高斯混合模型，x表示目标出现前的水下背景图像，θ表示高斯混合模型的参数，M表示单高斯模型的个数，φ(x|θ_m)为第m个单高斯模型的概率密度函数，θ_m表示第m个单高斯模型的参数，μ_m为第m个单高斯模型的均值，Σ_m为第m个单高斯模型的协方差，π_m是运动目标出现前的水下背景图像样本数据属于第m个单高斯模型的概率；

所述的步骤S2.1包括：

S2.1.1：针对每一张样本图像，为每一个像素建立拥有M个单高斯模型的高斯混合模型，第一帧时初始化每个单高斯模型的参数μ_m、Σ_m、π_m；

S2.1.2：对于非第一帧的水下背景图像序列，根据当前参数计算样本图像中的像素点j属于第m个单高斯模型的可能性：

式中，x_j表示样本图像中的第j个像素点，γ_jm表示归一化后的样本图像中的像素点j属于第m个单高斯模型的可能性；φ(x_j|θ_m)表示像素点j对应于第m个单高斯模型的概率密度函数；

S2.1.3：根据γ_jm计算下一轮迭代的模型参数：

式中，N表示样本图像中的像素点数量，Σ_m表示第m个单高斯模型的标准差，上角标T表示转置；

S2.1.4：重复计算步骤S2.1.2和S2.1.3直到下一轮迭代的参数值与当前参数值相减小于一定阈值；

S2.2：基于建立的水下声呐图像背景模型，结合最邻近算法对背景模型进行动态更新，获取能随环境变化实时更新的背景模型；

所述的动态更新过程为：

S2.2.1：每τ个时间段更新一次样本数据，将时间t的训练样本数据集表示为X_τ＝{x^(t),...,x^(t-τ)}，其中，X_τ表示样本数据集，x^(t)表示时间t对应的样本数据；

基于更新训练样本数据集的高斯混合模型分布为：

S2.2.2：当在时间t给定给一个新样本x^(t)，模型参数的迭代公式为：

其中，α∈(0,1)为旧样本数据对模型更新影响的参数，随时间呈指数形式递减；为新样本关系参数，与新样本中像素点最近的单高斯模型设置为1，其他的置0；

S3：基于建立的声呐图像背景模型获取刚进入视野范围的水下运动目标区域，根据真实运动目标与声学阴影的像素差异排除图像中声学阴影区域，利用形态学方法去除图像中噪点，然后构建最小外接矩形，获取基于声呐图像的水下运动目标初始位置及大小；

S4：根据水下运动目标位置及大小，融合目标的颜色特征和形状特征作为样本特征，训练滤波器并与下一帧中搜索范围内的融合特征样本进行卷积，响应最大的即为下一帧目标跟踪结果；

S5：当跟踪结果连续多帧无变化且其不位于声呐图像边界时，则目标已跟丢，此时基于高斯混合模型与最邻近算法进行目标重定位；

S6：为水下运动目标建立相对应的运动模型和外观模型，结合匈牙利算法对目标重定位结果与历史帧的跟踪结果进行级联匹配，若跟踪结果能匹配上定位结果，则转至步骤S4继续进行跟踪，否则，结束跟踪。