[发明专利]一种针对抵近飞行过程的目标跟踪方法

说明书

本发明公开一种针对抵近飞行过程的目标跟踪方法，包含：S1、根据初始目标位置与尺度及跟踪器预装参数进行跟踪其初始化；S2、求解全局运动参数，对上一帧目标中心位置进行全局运动补偿，作为搜索窗口的中心位置；S3、提取位置样本和尺度样本；压缩位置样本和尺度样本；分别计算位置滤波频域响应图和尺度滤波频域响应图；计算位置滤波空域响应图和尺度滤波空域响应图，进行位置估计和尺度估计；自适应更新尺度增量因子；S4、提取位置样本和尺度样本；更新位置模型目标模板和尺度模型目标模板；构建位置特征投影矩阵和尺度特征投影矩阵；更新位置模型和尺度模型。本发明能确保特征点在背景上均匀分布，提高抵近飞行过程中目标跟踪的成功率。

技术领域

本发明涉及计算机视觉、数字图像处理领域，特别涉及一种针对抵近飞行过程的目标跟踪方法。

背景技术

抵近飞行过程是指飞行器飞行并接近目标的过程，如精确制导武器的末制导过程。在抵近飞行过程中，目标跟踪的主要难点在于快速运动、运动模糊和尺度变化，具体说明如下：

(1)快速运动是指目标在相邻帧图像上的相对位移超出阈值，相对位移定义为目标在相邻帧图像上的位移与目标尺寸的比值。目标跟踪算法往往根据目标尺寸确定搜索范围，具体是将上一帧的目标区域扩大若干倍作为搜索区域。因此，不同于OTB(OnlineTracking Benchmark)属性标准采用的绝对位移，本发明采用目标在相邻帧图像上的相对位移作为快速运动的衡量指标。快速运动往往是由探测平台的抖动引起的。对此，现有目标跟踪算法一般通过在前端加入稳像处理模块，或者在跟踪过程中扩大搜索区域，来消除快速运动对算法跟踪性能的影响。然而，这两种方法均显著加大了算法的计算成本，限制了算法的应用范围。

(2)运动模糊是指由目标或飞行器的运动引起的目标成像模糊。成像模糊使得目标表观发生变化，在复杂场景中，将进一步降低目标与背景的区分度。传统的模板匹配算法，计算简单、易于实现，但已经无法应对实际的应用需求。因此，需要通过特征提取来增大目标与背景的区分度。近年来，梯度方向直方图(HOG，H,Histograms of OrientedGradients)特征及其改进特征在行人检测、人脸识别等领域获得了广泛的应用，其特征表达性能获得了业界的一直认可。

(3)尺度变化是指当前帧目标尺寸与第一帧目标尺寸的比值超出阈值。在抵近飞行的全过程中，目标尺度的变化分为两个阶段。第一阶段，飞行器距目标较远，目标尺度没有明显变化；第二阶段，飞行器距目标较近，目标尺度剧烈变化。现有的跟踪算法在对目标尺度的预测中，采用固定的尺度等级。这种方式，在抵近飞行的第一阶段，目标尺度基本不变，不仅浪费运算资源，还可能因干扰而错误地估计目标尺度；在第二阶段，目标尺度剧烈变化，极有可能超出尺度等级范围，无法准确估计目标尺度。目标跟踪算法若不能正确估计目标尺度，将无法准确维护目标模型，将会出现跟踪框漂移，甚至跟丢目标。

发明内容

本发明的目的在于提供一种针对抵近飞行过程的目标跟踪方法，能够确保特征点在背景上均匀分布，在图像尺寸已知的情况下，几乎没有时间消耗；本发明还提高了算法效率，并提高尺度估计的准确率，从而提高抵近飞行过程中目标跟踪的成功率。

为了达到上述目的，本发明通过以下技术方案实现：

一种针对抵近飞行过程的目标跟踪方法，包含以下步骤：

S1、跟踪器初始化：根据初始目标位置与尺度及跟踪器预装参数进行跟踪器初始化；

S2、确定搜索窗口中心位置：将上一帧提取均匀特征点作为局部特征，在当前帧提取匹配特征点，求解全局运动参数，对上一帧目标中心位置进行全局运动补偿，作为搜索窗口的中心位置；

步骤S3、位置滤波和尺度滤波：根据搜索窗口中心位置和上一帧目标尺度，提取位置样本和尺度样本；压缩位置样本和尺度样本；分别计算位置滤波频域响应图和尺度滤波频域响应图；计算位置滤波空域响应图和尺度滤波空域响应图，并进行位置估计和尺度估计；自适应更新尺度增量因子；