[发明专利]基于运动估计的多特征卫星视频目标跟踪方法

说明书

本发明公开了基于运动估计的多特征卫星视频目标跟踪方法，包括：利用运动估计模块预测目标在卫星视频当前帧的位置；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；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；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。本发明融合梯度直方图和光流特征，能够更加精准描述目标的特征；利用运动估计模块使当前帧的目标处于图像块的中心位置，有效地缓解边界效应；当目标发生完全遮挡时，运动估计模块仍然可以继续跟踪目标。

技术领域

本发明涉及图像识别与目标跟踪领域，特别涉及一种基于运动估计的多特征卫星视频目标跟踪方法。

背景技术

视频卫星作为一种新的对地观测方法，能够通过提供高时间分辨率的遥感图像，持续观察地面的特定事件。视频观测使各种新卫星应用成为可能，如火山防控、目标跟踪、海冰运动等。目标跟踪是卫星视频观测领域中热门研究方向之一，其根据第一帧的输入信息，在后续帧中建立被跟踪目标的位置信息，形成目标的运动轨迹。

现有目标跟踪算法包括基于相关滤波算法和基于深度学习算法，其中基于深度学习的目标跟踪算法需要大量的训练参数，计算量庞大，难以保证实时跟踪速度；基于相关滤波的目标跟踪算法一般通过傅里叶变换把卷积操作转换到频域进行计算，提高了计算速度，在传统视频目标跟踪时可以取得很高的跟踪精度和跟踪速度，但在卫星视频中目标表征信息不足且分辨率较低，基于相关滤波的目标跟踪算法难以取得满意的效果。此外，卫星视频中的目标很容易发生完全遮挡，给现有的目标跟踪算法带来了极大的挑战。

发明内容

发明目的：针对以上问题，本发明目的是提供一种基于运动估计的多特征卫星视频目标跟踪方法。

技术方案：本发明的一种基于运动估计的多特征卫星视频目标跟踪方法，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。

进一步，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：