[发明专利]基于运动估计的多特征卫星视频目标跟踪方法

权利要求书

1.基于运动估计的多特征卫星视频目标跟踪方法，其特征在于，包括如下步骤：

步骤1，利用运动估计模块预测目标在卫星视频当前帧的位置，以预测的目标位置为中心点进行剪裁，得到图像块；

步骤2，使用Gabor滤波器对图像块进行特征增强，对增强后的图像块提取光流特征和梯度直方图特征；

步骤3，使用相关滤波器计算光流特征响应图和梯度直方图特征响应图，根据两响应图的峰旁瓣比对光流特征和梯度直方图特征进行融合；

步骤4，对融合后得到响应图的峰值进行遮挡检测，输出预测目标位置，根据预测目标位置更新运动估计模块和相关滤波器。

2.根据权利要求1所述的目标跟踪方法，其特征在于，步骤1中利用运动估计模块预测目标在卫星视频当前帧的位置包括：

步骤101，利用卡尔曼滤波器初步预测目标位置，其中卡尔曼滤波器的状态方程和观测方程分别为：

X_k＝Φ_k,k-1X_k-1+W_k-1

Y_k＝H_kX_k+V_k

式中，W和V是遵循高斯分布的噪声矩阵；

X_k-1、X_k分别是k-1、k时刻的状态向量，状态向量X_k表示为X_k＝(x_sk,y_sk,Δx_k,Δy_k)^T，x_sk、y_sk为k时刻目标的水平和垂直位置，Δx_k、Δy_k为k时刻目标的水平和垂直速度；

Φ_k,k-1是状态转移矩阵，设目标做匀速运动，则状态转移矩阵表示为：

Y_k是k时刻的观测向量，表示k时刻目标的位置，表示为Y_k＝(xW_k,yW_k)^T，

H_k是观测矩阵，表示为：

则利用卡尔曼滤波器预测的目标位置为：

式中，表示k+1时刻的最优状态，表示为k时刻的最优状态；根据最优状态解出增益矩阵K表达式为：

式中，由随机初始化数据计算得到，R_k表示为噪声的协方差矩阵；

利用增益矩阵K预测出目标位置P_k+1表达式为：

P_k+1＝(I-K_k+1H_k+1)P_k+1,k

式中，Q_k为噪声的协方差矩阵；

步骤102，在运动估计模块中引入惯性机制，其中惯性机制表达式为：

P_i(k+1)＝P(k)+I(k)

式中，P_i(k+1)表示第k+1帧惯性机制预测的目标位置，P(k)为目标在第k帧实际位置；I(k)为第k帧的惯性距离，表达式为：

I(k)＝(1-γ)I(k-1)+γ(P(k)-P(k-1))

式中，γ为惯性因子；

步骤103，利用惯性机制对卡尔曼滤波器预测目标位置进行校正，将卡尔曼滤波器预测的目标位置P_k+1和惯性机制预测的目标位置P_i(k+1)进行比较，若两位置插值大于预设位置阈值，则输出惯性机制预测的目标位置；否则，输出卡尔曼滤波器预测的目标位置，输出的目标位置包括横坐标和纵坐标。