[发明专利]一种多特征融合的红外图像目标实时跟踪方法

说明书

技术领域

本发明设计一种多特征融合的红外图像目标跟踪方法，特别涉及一种适合硬件实时实现的红外图像目标跟踪方法。

背景技术

近年来，随着集成电路工艺和红外材料的发展，红外成像技术取得了很大进步，在国防建设和国民经济领域得到广泛应用。然而，与可见光图像相比，红外图像信噪比相对较低，因此在进行红外图像目标检测和跟踪时只能提供有限的信息。由于红外图像中目标特征不明显，存在大的背景杂波等问题，导致红外图像目标的精确跟踪变得更加困难。

目前，目标跟踪算法分为基于模型的跟踪方法和基于外观的跟踪方法两大类。与模型跟踪法相比，外观跟踪法避免了建立模型的复杂过程，具有更广的工程实用价值。其中，均值漂移跟踪算法因其简单、鲁棒、实时性好的特点在目标跟踪中得到广泛应用。均值漂移是一种无参密度计算方法，通过多次迭代搜索与样本分布最相似的分布模式。Comaniciu等人通过寻找目标颜色直方图与候选目标颜色直方图相似度的极大值，提出一种均值漂移目标跟踪算法。Chu等人将Kalman滤波器用于预测Mean Shift的初始迭代位置，但是当目标被严重遮挡时，由于Mean Shift算法寻找到的目标位置点不准确，存在一定偏差。Collins等提出一种能选取易辨识颜色特征的自适应跟踪方法，其中候选颜色特征集包含由像素点R、G、B值线性组合计算得到的49组特征．由于采用的候选集较大，特征选取的运算开销也很大。因此，现有的目标跟踪算法存在以下缺点：（1）经典的目标跟踪算法采用单一特征描述目标，抗干扰能力差；（2）多数现有的多特征目标跟踪算法仅仅利用当前帧计算特征间的权重系数，当目标进行复杂变化，跟踪算法鲁棒性差；（3）多数现有的跟踪算法在目标出现非刚性变形、局部遮挡及交叠的情况下，跟踪精度下降，甚至出现目标丢失；（4）多数现有的跟踪算法在提高目标跟踪精度的同时，大大增加了算法复杂度，不易硬件实时实现。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种多特征融合的红外图像目标实时跟踪方法。

为了解决上述技术问题，本发明公开了一种多特征融合的红外图像目标实时跟踪方法，包括以下步骤：

（1）初始化目标跟踪点位置y₀。初始跟踪点由人工指定；

（2）初始化目标模型，以初始跟踪点y₀为中心建立目标灰度模型q₁和目标LBP纹理模型q₂；（local binary pattern，LBP）局部二值模式。

（3）计算目标候选模型，根据目标的跟踪点位置y₀，计算候选目标灰度模型p₁(y₀)和候选目标LBP纹理模型p₂(y₀)；

（4）利用灰度特征Bhattacharyya（巴塔查里亚Bhattacharyya，参见Visual C++数字图像处理，第466页，作者：谢凤英，2008年第一版，电子工业出版社。）系数ρ₁和LBP纹理特征的Bhattacharyya系数ρ₂，以及灰度特征的权重系数α₁和LBP纹理特征的权重系数α₂，计算位置y₀处联合特征Bhattacharyya系数ρ，表达式如下：

ρ＝α₁·ρ₁+α₂·ρ₂；

（5）计算当前帧目标新位置y₁；

（6）利用灰度特征Bhattacharyya系数ρ′₁和LBP纹理特征Bhattacharyya系数ρ′₂，以及灰度特征的权重系数α′₁和LBP纹理特征的权重系数α′₂，计算位置y₁处联合特征Bhattacharyya系数ρ'，表达式如下；

ρ＝α′₁·ρ′₁+α′₂·ρ′₂，

（7）当ρ'<ρ时，否则y₁保持不变；

（8）若|(y₀-y₁)|<ε，停止计算，否则，将y₁赋值给y₀并执行步骤（3），其中，ε是误差常系数。