[发明专利]基于全卷积孪生网络和轨迹预测的卫星视频目标跟踪方法

说明书

本发明提供一种基于全卷积孪生网络和轨迹预测的卫星视频目标跟踪方法，支持对卫星视频数据集中小目标进行跟踪，其特征在于：采用全卷积孪生网络的浅层信息，获得小目标细粒度的表征，并进行相似性度量及跟踪，所述全卷积孪生网络包括两个权值共享的全卷积模块和互相关层，两个全卷积模块的输出连接到互相关层；为了应对小目标在跟踪过程中出现遮挡以及运动模糊的情况，引入Kalman滤波机制对运动轨迹进行自适应预测，最终实现对卫星视频数据集中的目标进行鲁棒且精准的跟踪。

技术领域

本发明属于卫星视频目标跟踪技术领域，具体涉及一种基于全卷积孪生网络和轨迹预测的卫星视频目标跟踪方法。

背景技术

目标跟踪是计算机视觉科学的一个重要分支，它在视频监控、智能交通、人机交互、军事领域以及机器人视觉导航等领域中有着广泛的应用。其目的是通过一定的相似性度量和匹配搜索方法实现目标跟踪和定位。迄今为止，传统视频序列的目标跟踪技术发展相对比较完善。针对不同的应用场景以及需求，研究人员已经设计研发了多种目标跟踪方法。但在卫星视频目标跟踪领域，由于其特点，亟待提出更符合需求的技术方案。

最近几年随着太空成像技术的发展，最新的卫星遥感技术能够获得高分辨的对地观测视频。在2013年，国际空间站发布了空间分辨率达1米对地观测视频。在2015年，我国发射的吉林一号卫星也能够提供空间分辨率为0.7米的对地观测视频。卫星视频正成为一种重要的空间大数据资源，可广泛应用于资源普查、灾害监测、海洋监视、动态目标连续跟踪、动态事件观测等军民应用领域。

卫星视频目标跟踪与传统视频跟踪相比，其最大的特点是可以对某一区域进行“凝视”观测，以“视频录像”的方式获得比传统卫星更多的动态信息，特别适于观测动态目标。同时也面临新的挑战：

(1)卫星视频单帧图像大，对跟踪方法的实时性要求很高。

(2)跟踪目标小，空间分辨率低，表征特征少。

(3)目标部分遮挡或全部遮挡。

(4)运动模糊，与背景极为相似。

目前急需一种既能鲁棒跟踪特征极少的小目标，又能满足卫星视频跟踪实时性的要求。

发明内容

为了克服上述现有技术要求，本发明提供了一种实时精准的卫星视频目标跟踪方法。

本发明所采用的技术方案提供一种基于全卷积孪生网络和轨迹预测的卫星视频目标跟踪方法，支持对卫星视频数据集中小目标进行跟踪，其特征在于：采用全卷积孪生网络的浅层信息，获得小目标细粒度的表征，并进行相似性度量及跟踪，所述全卷积孪生网络包括两个权值共享的全卷积模块和互相关层，两个全卷积模块的输出连接到互相关层；为了应对小目标在跟踪过程中出现遮挡以及运动模糊的情况，引入Kalman滤波机制对运动轨迹进行自适应预测，最终实现对卫星视频数据集中的目标进行鲁棒且精准的跟踪。

而且，实现过程包括以下步骤，

步骤1，将首帧以目标为中心的图像块，记为模板Z，输入到一个全卷积模块，并将浅层特征作为模板Z的细粒度表征

步骤2，将当前帧的搜索区域图像块，记为搜索区域X，输入到权值共享的另一个全卷积模块，并将浅层特征作为搜索区域X的细粒度表征

步骤3，在互相关层中，将模板Z的细粒度表征在搜索区域X的细粒度表征上进行滑动匹配，得到响应图，将响应图中最大值所对应的原图位置，作为目标跟踪所在位置p；

步骤4，将当前帧的搜索区域X，输入到高斯混合模型中获得运动目标的侦测图，作为运动前景掩模；

步骤5，通过团分析对步骤5所得前景掩模进行计算，将最大团的面积和质心作为目标的面积A*以及侦测位置p*；