[发明专利]一种空天背景多目标检测和跟踪方法

说明书

本发明公开了一种空天背景多目标检测和跟踪方法，包括以下步骤：S1：对原始图像进行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，得到各目标的基本轮廓并进行连通分量检测，得到目标个数和外接波门信息；S2：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，实现对各检测目标航迹的预测跟踪；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；本发明可实现空天背景下多目标检测、跟踪和轨迹预测，一定程度上解决了运动目标交叉运动及短暂遮挡的方法，提高了对目标检测跟踪的速度和稳定性。

技术领域

本发明属于图像和视频处理技术领域，更具体地，涉及一种空天背景多目标检测和跟踪方法。

背景技术

空天背景下目标检测，常常采用目标分割与模式识别融合方法或帧间差分方法，在实际操作过程中，影像采集设备往往跟随机动目标实时运动，使得目标背景变化大，帧间差分方法难以达到良好效果；同时由于机动目标在运动过程中可能出现由于姿态变化、距离变化等造成的形变较大、视场占比剧烈变化等现象，采用目标形状、大小、角点等信息进行分割识别存在较大困难。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种空天背景多目标检测和跟踪方法，可实现空天背景下多目标检测、跟踪和轨迹预测，一定程度上解决了运动目标交叉运动及短暂遮挡的问题，提高了对目标检测跟踪的速度和稳定性。

为实现上述目的，按照本发明的一个方面，提供了一种空天背景多目标检测和跟踪方法，包括以下步骤：

S1：基于HSV颜色模型对原始图像进行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。

优选的，上述空天背景多目标检测和跟踪方法，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。

优选的，上述空天背景多目标检测和跟踪方法，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。