[发明专利]一种航空红外视频多目标检测与跟踪方法及装置

说明书

本发明实施例提供一种航空红外视频多目标检测与跟踪方法及装置，包括：获取航空红外视频；对所述航空红外视频中的多目标的位置利用自适应阈值法进行检测，得到所述航空红外视频中多目标的位置；对所述航空红外视频中的多目标的位置利用核相关算法进行跟踪，获取所述航空红外视频中的多目标的运动轨迹。本发明实施例将航空红外视频多目标检测与跟踪巧妙地结合起来，并采用一定的数据存储结构将多目标的位置独立存储，实现了航空红外视频中多目标的自动检动态测与跟踪。

技术领域

本发明实施例涉及计算机视觉领域，更具体地，涉及一种航空红外视频多目标检测与跟踪方法及装置。

背景技术

目标跟踪的主要目的是通过处理与分析，从成像传感器获得的图像序列，计算出运动目标在每一帧图像上的二维坐标位置，将图像序列中连续帧里的同一运动目标关联起来，获取运动目标完整的运动轨迹。简单的说，就是在下一帧图像中找到目标的确定位置，并反馈给跟踪系统进行跟踪。

一方面，现有技术中，对于红外图像而言，目标一般对应于图像中较亮的区域，即感兴趣的区域一般为图像中较亮即辐射能量高的部分，而图像背景区域较暗。因此，针对航空红外视频的检测就是通过合适的阈值，将图像分割为目标区域和背景区域，从而将这些目标从图像背景中分割出来。经典的分割算法主要有边缘分割法和阈值分割法。由于红外视频存在信息单一，且边界模糊的特点，因此边缘分割法并不适用于红外图像的目标分割，常采用阈值分割法对红外视频进行目标检测。阈值分割法具体包括最大类间方差算法(OTSU)和均值迭代算法等；其中，最大类间方差算法(OTSU)通过计算得出一个阈值，将图像分为前景和背景，但是当图像背景较复杂，对比度较低时，很难将目标与背景完全分离；而均值迭代算法则是通过均值将图像分别前景和背景，再对结果重复进行多次相同的操作，直到将目标与背景很好地分离出来，但是如果目标在整幅图像中比例较大的时候，通过该方法可能会将目标也除掉。

另一方面，现有技术中，针对于航空红外视频的目标跟踪常采用的方法包括卡尔曼滤波跟踪算法、meanshift跟踪算法、卡尔曼与meanshift结合的目标跟踪算法、粒子滤波跟踪算法及相关滤波跟踪算法等。其中，卡尔曼滤波跟踪算法根据目标的运动信息来预测和估计目标的位置实现跟踪，对目标的遮挡问题有一定的稳健性，但是只适用于线性系统，因此并不适用；meanshift跟踪算法根据目标的色彩概率分布求得下一帧的位置，通过反复迭代实现目标跟踪，实现过程简单，计算速度快，但是由于直方图特征在目标颜色特征的描述方面略显匮乏，缺少空间信息，所以容易受到图像背景；卡尔曼与meanshift结合的目标跟踪算法对这两种目标跟踪算法的缺点有了一定的改善，但对于航空红外视频而言，目标尺度和场景动态变化，目标与背景相互交杂，互相影响，因此并不适用；粒子滤波跟踪算法则因为计算量巨大，一般不予考虑。而核相关滤波跟踪算法作为一种新颖的跟踪算法，跟踪准确率和高速与其他跟踪算法相比都有很大提升，在对航空红外视频进行目标跟踪时能取得比较好的效果。同时，上述方法通常用来跟踪单个目标，无法满足多目标的跟踪需求，而核相关滤波的跟踪算法作为一种新颖的跟踪算法，跟踪准确率和速率与上述跟踪算法相比都有很大提高，且能应用于航空红外视频多目标的跟踪。

因此，现有技术中，缺乏一种针对航空红外视频多目标检测与跟踪的方法及装置，能将航空红外视频多目标检测与航空红外视频多目标跟踪结合起来，实现航空红外视频多目标的检测与跟踪。

发明内容

为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的航空红外视频多目标检测与跟踪方法及装置。

根据本发明实施例的第一方面，提供一种航空红外视频多目标检测与跟踪方法，该方法包括：

获取航空红外视频；对航空红外视频中的多目标的位置利用均值迭代算法进行检测，得到航空红外视频中多目标的位置；对航空红外视频中的多目标的位置利用核相关算法进行跟踪，获取航空红外视频中的多目标的运动轨迹。