[发明专利]一种空天背景多目标检测和跟踪方法

权利要求书

1.一种空天背景多目标检测和跟踪方法，其特征在于，包括以下步骤：

S1：基于HSV颜色模型对多目标原始图像进行S、V通道二值化分割，实现目标与背景的分割；对分割的目标图像进行形态学滤波以实现目标断裂区域的连通，得到各目标的基本轮廓；对目标的基本轮廓进行连通分量检测，得到目标个数和外接波门信息，生成检测集合；

S2：根据卡尔曼滤波器模型，利用检测集合中的目标信息，以目标形心在像素坐标轴的横、纵坐标轴位置及两方向上的单位位移作为状态变量，以目标在像素坐标轴的横、纵坐标轴位置作为观测变量，建立运动模型并配置修正矩阵，实现对各检测目标航迹的预测跟踪，得到跟踪集合；

S3：将检测集合和跟踪集合进行数据关联，实现检测目标和跟踪目标的匹配；

S4：每建立新的目标跟踪后便开始记录对应的跟踪总数、跟踪可见帧数、跟踪不可见帧数；

S41：当关联成功时，跟踪总数均自加1，跟踪不可见帧数置0，并生成新的跟踪集合；

S42：当跟踪未关联时，跟踪总数均自加1，跟踪不可见帧数加1；

判断是否满足跟踪总数8且检测率60％，若是，则判定该目标为伪目标或虚警，将该跟踪从跟踪集合中删除；若否，则将该跟踪插入跟踪集合；所述检测率为跟踪可见帧数与跟踪总数的比值；

判断是否满足跟踪不可见帧数20，若是，则认为该目标消失，将该跟踪从跟踪集合中删除；若否，则将该跟踪插入跟踪集合；

S43：若出现未与跟踪相关联的检测，则建立新的跟踪轨迹，初始化新的卡尔曼滤波器，跟踪不可见帧数初始化为0，跟踪总数初始置1，并将该跟踪插入跟踪集合；

S44：更新跟踪集合，进行卡尔曼滤波器状态修正和预测。

2.如权利要求1所述的空天背景多目标检测和跟踪方法，其特征在于，步骤S3包括以下子步骤：

S31：根据目标检测得到的检测集合和位置预测得到的跟踪集合，利用匹配代价函数建立代价矩阵，依据检测、跟踪集合大小分别初始化各自关联集合，并建立检测、跟踪配对集合；

S32：设置跟踪波门阈值，以预测航迹形心为中心，以半径为跟踪波门阈值的圆波门作为跟踪波门对检测目标进行初判断；

若代价矩阵中的最小值小于跟踪波门阈值，表示检测目标落入波门，则进行关联；若最小值大于跟踪波门阈值，则表示所有检测目标与预测航迹没有关联；

S33：当代价矩阵中的最小值低于跟踪波门阈值时，将检测、跟踪集合的关联集合中的相应位置置1，表示已被关联，并将相应编号组成的二维数据插入跟踪配对集合，并将代价矩阵中该位置所在行、所在列值均设为大于波门阈值的数，表示相应行列数据无法关联成功；

S34：依次循环执行S32、S33，实现检测集合与跟踪集合的有效关联。

3.如权利要求1或2所述的空天背景多目标检测和跟踪方法，其特征在于，步骤S1中目标与背景的分割包括以下步骤：将原始图像由RGB转换至HSV颜色空间；获取原始图像的S、V通道信息，并对各通道归一化，进行直方图分析，确定S、V通道的阈值以进行二值化分割；

形态学滤波过程包括以下步骤：采用与操作将S、V通道二值化分割后的图像进行融合；采用一定大小的结构元素对融合后的图像进行膨胀处理，得到目标的基本轮廓，生成连通集合。

4.如权利要求3所述的空天背景多目标检测和跟踪方法，其特征在于，所述S通道二值化阈值为S通道直方图中频率最高点位置的4/3处，所述V通道二值化阈值为V通道直方图中频率最高点的2/3处；所述结构元素的大小为11×11个像素。

5.如权利要求1或2所述的空天背景多目标检测和跟踪方法，其特征在于，步骤S2中，所述运动模型为匀速直线运动，

所述状态变量

所述观测变量

其中，C_x、C_y分别为目标形心在像素坐标轴的横、纵坐标轴位置，k为离散时间。