[发明专利]一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法

说明书

本发明公开一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法，在伯努利粒子滤波的基础上，使用交互式多模方法对滤波器中每个目标状态的采样粒子进行预测，再将预测粒子代入到传统的伯努利TBD算法中进行目标存在概率及分布密度的更新估计。本发明在低信噪比情况下，能有效地检测跟踪弱机动目标，且对目标状态的估计更加精准。

技术领域

本发明涉及目标检测与跟踪技术领域，具体涉及一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法。

背景技术

低信噪比复杂背景中红外小目标检测与跟踪问题一直难以解决，究其原因是获得的远距离图像，目标成像面积小，检测到的信号相对较弱，目标被大量噪声所淹没，导致图像的信噪比很低，无法从单幅图像中检测出目标，而且目标可能会在未知时间点上出现或消失，并且无法得到形状、纹理等有用的目标特征，使得小目标检测工作变得困难起来。单帧图像处理已不能实现对目标的可靠检测与跟踪，必须对图像序列进行处理，TBD(检测前跟踪)把运动小目标的检测与跟踪问题看成是目标轨迹搜索及根据能量积累做出判决的过程，根据目标运动的连续性来检测目标。

边旭，李江勇在其发表的论文“基于粒子滤波的TBD算法研究”(激光与红外,2015,45(1)：109-112.)中针对传统粒子滤波TBD算法存在的问题公开了一种基于分步采样与改进重采样的新型算法，该算法在深入研究粒子滤波基本理论与典型步骤的前提下，提出了一种基于分步采样的检测算法，并在重采样过程中提出一种新型的大权重粒子分裂方法，以改进传统重采样算法中直接复制粒子带来的样本匮乏。该算法存在的不足之处在于，在贝叶斯递归估计过程中不能对目标的势信息进行有效统计，导致在目标数目时变的情况下目标跟踪性能不理想。

邹其兵在其发表的论文“多伯努利滤波器及其在检测前跟踪中的应用”(西安电子科技大学硕士学位论文,2012.)中公开了一种基于多伯努利滤波器的检测前跟踪算法，该算法在多伯努利滤波的基础上结合检测前跟踪算法，实现了多伯努利滤波器对小目标进行检测与跟踪。该算法的不足之处在于，其无法实现目标发生机动时的检测跟踪，使得该方法在实际应用中还存在缺陷。

发明内容

本发明所要解决的是现有检测与跟踪方法在低信噪比情况下弱小目标发生较大机动时存在的目标失跟问题，提供一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法，其在伯努利粒子滤波的基础上结合交互式多模方法，采用粒子滤波检测前跟踪算法，实现对弱小机动目标的精准检测与跟踪。

为解决上述问题，本发明是通过以下技术方案实现的：

一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法，包括步骤如下：

步骤1、初始化目标状态：根据目标运动场景，设定初始时刻目标粒子的状态参数，并用设定的状态参数作为目标的初始分布，采样固定数目的初始目标粒子，并将初始目标采样粒子用伯努利随机集的参数集形式表示，得到初始时刻目标采样粒子伯努利随机集的后验分布；

步骤2、预测目标状态：利用前一时刻目标采样粒子伯努利随机集的后验分布和灰度图像量测数据，用交互式多模方法对目标采样粒子进行预测，得到当前时刻预测的目标采样粒子伯努利随机集的后验分布；

步骤3、更新目标状态：利用当前时刻的灰度图像量测数据，计算每个预测的目标采样粒子对应的量测似然比；并根据量测似然比，对当前时刻预测的目标采样粒子进行更新，得到当前时刻更新的目标采样粒子伯努利随机集的后验分布；

步骤4、状态估计：对更新后的目标粒子进行重采样，并得到当前时刻目标采样粒子伯努利随机集的后验分布；根据当前时刻目标采样粒子伯努利随机集的后验分布，选取存在概率大于或等于预设存在概率值的目标采样粒子的状态，作为当前时刻真实存在的目标状态；

步骤5、判断所有灰度图像是否处理完毕，若是，执行步骤6，否则，执行步骤2，处理下一帧图像；

步骤6、结束。