[发明专利]基于红外显著性特征融合的粒子滤波跟踪的方法

说明书

本发明涉及基于红外显著性特征融合的粒子滤波跟踪的方法。本发明的目的是采用粒子滤波框架，通过多特征融合的方式建立相应特征观测模型计算粒子权重，利用粒子的位置信息和权重得到估计目标状态实现目标跟踪，说明书摘要附图中图1为发明的具体实现流程图。

技术领域：

本发明属于图像处理领域，具体地说是通过结合多特征融合和粒子滤波，得到目标运动的准确估计。

背景技术：

根据目标模型建立的不同，常见的目标跟踪算法可以分为生成类和判别类两种方法。应用到基于序列图像的检测前跟踪方法主要包括管道滤波、动态规划、多级假设检验、三维匹配滤波、粒子滤波等。管道滤波是基于多帧图像分析较常用的方法，它以每一帧的可疑目标位置为中心，并以此划分一个截面区域，当此区域内目标数与真实目标数误差在一定范围内判断为目标，算法需要考虑的参数有截面区域的形状大小、所选帧数的多少、判断的阈值等。动态规划方法是将目标运行轨迹搜索看作多阶优化问题采用分级处理。多级假设检验是采用树结构描述可疑目标轨迹，但是当弱信号在复杂场景中，可疑轨迹过多导致树结构的分支过多，实时性能无法得到保障。三维匹配滤波是根据已知的目标数和运动特征，设计多个滤波器包含所有目标轨迹，此方法对具有固定运动速度和路线的已知目标有良好的检测效果，但是不适合目标和轨迹样本过多的情况。

粒子滤波方法利用迭代后的样本均值估计模型参数，可以用作处理任何噪声模型下的非线性非高斯系统。随着计算机处理能力的提高，粒子滤波也成为近年的研究热点被应用在视觉跟踪、目标定位、信号处理等多种领域，但是存在粒子退化现象、粒子多样性不足、计算量过大等问题。我国拥有辽阔海域领土，来自军事安全的压力日益加剧，所以具备快速获取远距离舰船的位置、方向等信息的能力在海洋战略防范问题上显得尤为重要。因此，针对任意观测点的不同海洋场景，实现稳定准确的目标跟踪问题有着十分重要的研究价值。

粒子滤波中观测模型的建立需要针对检测目标和背景环境的特点，一般为了保证检测精度和稳定性，需要所使用的特征算子具有空间尺度、旋转、亮度不变性等特性。本发明通过分析海面小目标特征，采用WPCM显著性特征和具有鲁棒性的局部结构特征描述子SURF作为观测量，通过目标和模板间的相似性计算粒子权值，进而利用粒子的位置信息和权值大小得到目标状态对目标进行跟踪。

本发明是从目标纹理分布角度，采用多特征融合的方式建立相应特征观测模型，基于目标模板和候选模板的相似性差异，计算粒子权值，利用粒子的位置信息和权值大小估计出目标状态，作为目标跟踪的一种手段。

发明内容：

本发明的目的是采用多特征融合的方式建立相应特征观测模型，通过目标和模板间的相似性计算粒子权值，利用粒子的位置信息和权值大小得到目标状态。首先利用局部显著性和局部稳定的SURF特征检测算子构造了小目标检测系统的观测方程。然后以融合特征计算粒子权值，并估计目标状态。最后通过自适应判别更新目标模板。通过得到的数据得到目标运动的准确估计的目的。

本发明采用的技术方案是：

第一步：读取第0帧图像I₀，并对图像I₀进行粒子初始化，具体操作过程如下：

(a)采用一个宽为w₀和高为h₀的矩形框拟合图像I₀中的待跟踪目标，得到初始时刻的目标状态X₀＝[x₀,y₀,w₀,h₀]及以(x₀,y₀)为中心的待跟踪目标区域temp₀(宽为w₀，高为h₀)；