[发明专利]基于相关滤波的高海况无人艇海面目标尺度自适应跟踪方法

说明书

本发明针对水面无人艇海面目标跟踪中常见的海况等级高以及目标尺度变化大、分辨率低等难点问题，基于核相关滤波KCF算法，提出一种基于相关滤波的高海况无人艇海面目标尺度自适应跟踪方法。首先，在高海况场景下，通过海天线检测辅助实现目标搜索区域的自适应移位与缩放，缓解相关滤波的边界效应，以应对该场景下目标抖动剧烈问题；其次，为提高算法鲁棒性以应对目标尺度变化、分辨率低等问题，在目标预处理、特征选择以及尺度估计方面分别做了相应的优化处理。通过实验将本发明与近年来可以达到无人艇实时跟踪要求的几个相关滤波算法进行了对比，结果表面，本发明算法在海面目标跟踪方面具有较明显的优势，特别是在高海况场景下的目标跟踪。

技术领域

本发明涉及一种基于相关滤波的高海况无人艇海面目标尺度自适应跟踪方法，属于计算机视觉目标跟踪领域。

背景技术

水面无人艇是一种集环境感知、任务规划、运动规划、行为执行等模块为一体的智能水面运载平台，可实现路径规划、自主导航避障、目标检测、识别及跟踪等功能，从而完成海洋水质检测，水下考古，海洋巡航，舰艇护航等一系列民事和军事任务。其中，环境感知模块通过搭载摄像头、激光雷达等传感设备，实现对无人艇周围三维环境信息的获取，是完成其他模块功能的先决条件。而视觉目标跟踪子模块，充分利用视频序列的时空上下文信息，可实时地为无人艇提供动态目标的位置以及尺度信息，是环境感知模块中极为重要的一部分。

视觉目标跟踪是计算机视觉领域中最具挑战性的任务之一，在视频监控和机器人等领域有着广泛的应用。给定第一帧中目标的初始状态，跟踪器的目的是在后续视频序列中预测目标的状态，相邻视频帧之间在目标局部区域进行检测(tracking by detection)，避免了对每一帧图像的全局检测，从而确保检测准确性的同时有效地保证了算法的实时性。然而，针对视觉跟踪中的各种关键问题，如光照变化、遮挡、形变等，设计一个快速、鲁棒的跟踪器是非常困难的。近年来，基于相关滤波(correlation filter)的判别式跟踪方法因为实时性好、鲁棒性在目标跟踪领域得到广泛应用。

水面无人艇海上目标跟踪同样也存在上述视觉目标跟踪的难点问题，但对于海洋场景下通用的目标跟踪算法往往很难实现无人艇实时并且鲁棒的目标跟踪。其原因主要在于无人艇与目标受海况影响较大，高海况场景下目标抖动剧烈，目标往往会受海浪的影响发生剧烈抖动而脱离跟踪算法的搜索区域，基于检测的跟踪器无法捕捉到目标的特征，从而导致跟踪失败。其次，目标与无人艇之间的相对距离以及角度等变化导致的无人艇视角下的目标尺度变化较大也是常规目标跟踪算法难以适应海上目标跟踪的一个重要原因。

发明内容

本发明的目的在于提供一种基于海天线检测与相关滤波的海况水面无人艇海面目标尺度自适应跟踪方法，解决了无人艇在高海况场景下无法实现实时稳定的目标跟踪问题。该方法可适用于任何海天线检测算法和基于检测的目标跟踪(tracking bydetection)算法。

为保障无人艇在高海况场景下的实时且稳定地实现目标跟踪，本发明的构思是：

目标跟踪中的运动问题可以分为目标运动、相机运动和背景运动三个部分，绝大部分为仅有目标运动以及目标运动加相机运动的场景，而水面无人艇目标跟踪的运动问题则包括目标运动、相机(无人艇)运动和背景运动(海浪)三个部分。无人艇海面目标跟踪与其他跟踪问题的主要不同点在于，背景(海浪)运动对目标跟踪的影响。相关滤波跟踪算法的边界效应使得该类算法在高海况场景，即背景(海浪)运动导致目标抖动剧烈时，无法完成无人艇跟踪任务。本发明通过对目标、背景(海浪)、相机(无人艇)三者的运动关系的分析建模，降低背景(海浪)运动对跟踪算法的影响，解决海面目标跟踪中遇到的抖动剧烈(快速运动)问题。