[发明专利]一种暗背景下的单目标跟踪方法

摘要

本发明公开了一种暗背景下的单目标跟踪方法，属于图像处理、计算机视觉领域。它基于一个由观测相机、时序控制单元和跟踪数据处理单元组成的硬件系统平台，其中一种暗背景下的单目标跟踪方法部署于跟踪数据处理单元的数字信号处理(DSP)芯片中。一种暗背景下的单目标跟踪方法利用的基本模型组件包括表观模型、运动模型和目标与干扰物重叠检测模型。本发明将跟踪状态(z)进行基本划分，包括：z0：简单形态特征匹配跟踪；z1：干扰物与目标重叠；z2：目标形态变化。在不同的跟踪状态下，采用不同的级联匹配跟踪策略。该方法实现了暗背景下，存在目标与干扰物重叠、目标形态和尺度明显变化的场景的高帧频图像序列跟踪。

主权项

1.一种暗背景下的单目标跟踪方法，其特征在于，该方法包括如下步骤：1.1 建立目标运动模型采用最近邻滤波法对目标轨迹进行匹配，将目标运动考虑为匀速运动，目标运动状态转移方程可描述为：x_k+1＝Φx_k+u_k  (1)其中，运动状态：x_k、y_k、和分别为目标在第k帧图像中列坐标、行坐标、列分量速度、行分量速度，状态转移矩阵u_k为状态转移噪声，均值为0，协方差矩阵为：测量方程为：y_k＝Hx_k+n_k  (2)其中，n_k为测量噪声，其期望为0，协方差矩阵为测量矩阵通过卡尔曼滤波算法预测被跟踪目标位置离其最近的疑似目标认为与单前被跟踪的目标轨迹相匹配；1.2 建立目标表观模型1.2.1 目标简单形态特征模型(a)目标面积——属于目标连通域Ω_Tar的像素数目：A_Tar＝#{(i,j)∈Ω_Tar}  (3)(b)目标亮度——目标区域灰度{I(i,j)|(i,j)∈Ω_Tar}均值减去背景均值M_BG：(c)目标形状——目标近似为椭圆，其短轴L_s与长轴L_L之比：S_Tar＝L_s/L_L  (5)目标简单形态特征参考值为A_Tar、E_Tar、S_Tar，另一运动的疑似目标简单形态特征为A_Obj、E_Obj、S_Obj,定义简单形态特征偏差量：Δ_T＝w_A·Δ_A+w_E·Δ_E+w_S·Δ_S  (6)其中，w_A、w_E和w_S分别为面积、亮度和形状偏差权重；面积偏差亮度偏差形状偏差Δ_S＝|S_Tar‑S_Obj|，|*|为取绝对值运算；当Δ_T<T_Δ,目标简单形态特征匹配成功；否则，简单形态特征匹配失败，其中，T_Δ为一阈值，简单形态特征匹配失败存在两种可能：要么是目标形态和尺度明显变化；要么是干扰物与目标在像面上发生重叠；1.2.2 目标模板特征模型将目标区域归一化的灰度直方图分布表征目标模板{q_u}，采用改进的均值漂移算法(MeanShift)进行模板匹配，只截取背景均值M_BG以上的灰度直方图表征目标模板，防止背景干扰目标灰度分布特征；1.3 建立目标与干扰物重叠检测模型在目标简单形态特征匹配失败之后，此时目标特征的简单形态特征和模板特征不再更新，输出预测的目标位置，启动目标与干扰物重叠检测模型，当同时满足以下两个条件，将当前图像帧判断为目标与干扰物重叠状态，对于第k帧图像，(a)与预测坐标最近的疑似目标面积A_Obj明显大于目标面积参考值A_Tar，即：A_Obj>α₁·A_Tar  (7)其中，α₁>1为一常数；(b)目标周围一定范围内背景以上像素点数目，在一定时间内平滑的变化，即：CP_k<α₂·max{CP_k‑1,CP_k‑2,…,CP_k‑N}  (8)其中，α₂>1为一常数，监测数据帧数为N，CP_k为第k帧图像跟踪窗口内背景以上像素点数目。