[发明专利]一种基于边界约束卡尔曼滤波长时间多目标对虾跟踪方法

权利要求书

1.一种基于边界约束卡尔曼滤波长时间多目标对虾跟踪方法，其特征在于包括如下步骤：

1)将实验所用水箱用隔板分隔成若干区域，每块区域形成一尾虾的目标跟踪区，对每个待跟踪区域进行编号分配，然后框选出前景；

2)使用基于OTSU算法分离背景和前景，计算出背景区域的平均灰度值，然后用平均灰度值填充前景区域并建立背景模型；

3)为步骤1)选择出来的每一个观测区域建立一个卡尔曼滤波器，并且初始化卡尔曼滤波器；

4)基于步骤2)中建立的背景模型，使用背景差法检测出目标所在位置；

5)根据边界限定的条件，检查每个观测值所属跟踪区域，然后为每个观测向量分配跟踪的ID；

6)对目标进行预测，确定目标的跟踪结果；

7)更新卡尔曼滤波器，计算卡尔曼滤波增益，将修正后的状态向量作为当前帧的目标状态值；

8)读取下一帧图像，重复步骤4)～8)，直到所有图像都计算完毕。

2.如权利要求1所述一种基于边界约束卡尔曼滤波长时间多目标对虾跟踪方法，其特征在于在步骤1)中，所述将实验所用水箱用隔板分隔成若干区域，每块区域形成一尾虾的目标跟踪区，对每个待跟踪区域进行编号分配，然后框选出前景的具体步骤可为：首先将实验所用水箱用挡板分割成若干区域，每个区域观察一只对虾的运动情况，在进行对虾跟踪前，通过人机交互方式，用鼠标依据第一帧图像中水箱的隔断划分跟踪区域，每个区域对应一个跟踪编号(1～N)，然后用鼠标在图像上的观测区域选出所有对虾前景区域。

3.如权利要求1所述一种基于边界约束卡尔曼滤波长时间多目标对虾跟踪方法，其特征在于在步骤2)中，所述OTSU算法为大津法，其步骤包含如下：对于图像I(x，y)，前景和目标分割的阈值记为T，属于前景部分的像素点占整幅图的比例记为w₀，前景的平均灰度记为u₀；背景像素点占整幅图的比例记为w₁，背景的平均灰度记为u₁；整幅图的平均灰度记为u，类间方差记为g；假设图像大小为M×N，图像中像素的灰度值小于T的个数为N₀，像素灰度大于阈值T的像素个数为N₁，那么：

(1)根据公式计算w₀，

(2)根据公式计算w₁，

(3)根据公式计算u，u＝w₀*u₀+w₁*u₁；

(4)根据公式计算g，g＝w₀(u₀-u)²+w₁(u₁-u)²；

(5)重复步骤(1)～(5)，求出使得类间方差g最大的阈值T；

(6)根据所求的阈值T，二值化灰度图，像素值大于T的部分为255，小于T的部分为0。

4.如权利要求1所述一种基于边界约束卡尔曼滤波长时间多目标对虾跟踪方法，其特征在于在步骤2)中，所述建立背景模型的具体过程为：基于步骤1)将图像灰度化，记为O(x，y)，裁剪出每一只对虾前景区域，长为L_k、宽为M_k的图像；使用OTSU算法将包含部分背景的前景区域图像二值化，得到每个虾的图像mask，用I_k(x，y)表示，其中，k表示第k只虾，背景部分数值为0，前景部分数值为255，利用对虾的mask，计算mask区域背景部分总像素个数：

则，第k只虾的前景区域的背景平均灰度值为：

然后根据前景mask使用均值mean_k填充在原图部分I_k(x，y)＝255的位置，将所有前景区域填充完毕后，得到背景模型。