[发明专利]空间机动目标的快速追踪方法

说明书

技术领域

本发明涉及一种空间机动目标追踪方法，特别是涉及一种空间机动目标的快速追踪方法。

背景技术

文献“提高Meanshift跟踪算法性能的方法，复旦学报(自然科学版)，2007，Vol46(1)，p85-90”针对Meanshift跟踪算法当干扰物体靠近目标时，易发生跟踪错误等问题，采用色彩融合模版和位置预测来提高Meanshift跟踪算法的性能，对图像的RGB三色进行了简单的线性融合，根据前景和背景直方图的相似度函数去选取目标特征最突出的融合图像，并据此建立3个目标模版。对目标的位置先进行Kalman预测，再用Meanshift算法对3个模板分别进行跟踪，最后融合跟踪结果。该方法在复杂背景下能较好的跟踪目标，具有一定的抗干扰能力。文献所述追踪算法中，Meanshift追踪结果与Kalman预测结果的融合方法为：取最接近预测值的目标位置作为实际的目标位置，对于初始几帧图像，取3个跟踪结果的中值作为融合结果。该融合方法无论目标被遮挡与否，都取最接近预测值的目标位置为实际位置，在目标运动过程中缺乏动态性，适应性不强。另外该文献在利用Meanshift追踪时，建立三个目标模板来提高追踪准确性，增加了算法复杂度，不满足目标追踪的实时性要求。

发明内容

为了克服现有空间机动目标追踪方法实用性差的不足，本发明提供一种空间机动目标的快速追踪方法。该方法采用色彩融合方法，并加入像素空间信息，根据色彩信息与像素点的空间位置确定不同像素点的权重，减少算法的计算复杂度，保证追踪准确性的同时提高追踪算法的实时性。在融合Meanshift追踪结果与Kalman预测结果阶段，定义一个参数描述目标被遮挡情况，设定门限值判断目标被遮挡的程度，当目标被完全遮挡或大范围遮挡时用Kalman预测结果作为目标位置，当目标未被遮挡或小范围遮挡时用改进的Meanshift算法追踪结果作为目标位置，动态性更好。

本发明解决其技术问题所采用的技术方案是：一种空间机动目标的快速追踪方法，其特点是包括以下步骤：

步骤一、对图像像素点的RGB分量进行线性融合，简化色彩直方图：

式中，R、G、B代表像素点的RGB值，将R、G、B分别右移五位得到r、g、b，从而将R、G、B从八比特降为三比特；得到像素点的颜色信息u，每个像素点颜色特征值位数从24比特降为9比特。

统计色彩直方图如下：

式中，N为目标模板内像素点总个数，δ[b(x_i)-u]为直方图索引函数。

根据各像素点距离目标模板中心点的空间距离，加入空间信息核函数：

式中，x_mid为目标模板的x轴中心坐标，y_mid为目标模板的y轴中心坐标。x_i,y_i分别为目标模板内任一像素点x的横、纵坐标。(2*x_mid)²+(2*y_mid)²是核函数半径h的平方。

则相应的Meanshift向量变为：

式中，N为目标模板内像素点总个数，x_i为目标区域内的像素点。w_i是赋予采样点x_i的权重，x为目标中心点位置。

步骤二、对空间机动目标建立运动方程，利用Kalman Filter进行目标运动预测：

x_k′＝Ax_k-1+Bu_k(5)

P_k′＝AP_k-1A^T+Q(6)

其中，x_k′为目标预测状态，x_k-1为目标前一步状态，A为状态转移矩阵，B为控制矩阵，u_k为系统输入，P_k′为先验误差相关矩阵，P_k-1为后验误差相关矩阵，Q为系统噪声。

Kalman矫正如下：

K_k＝P_k′H^T(HP_K′H^T+R)^-1(7)

x_k＝x′_k+K_k(z_k-Hx_k′)(8)