[发明专利]一种低慢小目标的定位方法及定位装置

权利要求书

1.一种低慢小目标的定位方法，其特征在于，该方法包括：

预先采集目标图像，堆叠该目标图像的多个帧形成目标图像训练序列，将该目标图像训练序列进行标记形成目标训练样本集；

基于所述目标训练样本集对训练样本进行训练，利用目标图像的梯度方向统计特征得到分类器权重，基于所述分类器权重获得目标图像检测模型；

利用所述目标图像检测模型对待测目标图像进行检测，检测待测目标图像是否存在低慢小目标；

在检测到待测目标图像中包括低慢小目标后，进一步对低慢小目标进行跟踪；

其中，所述目标训练样本集中的目标图像的梯度方向统计特征包括:

训练样本的图像的梯度和梯度强度、训练样本的图像消除噪声后的梯度强度、训练样本的图像的梯度方向和梯度能量；

所述形成目标训练样本集包括以下子步骤：

采集空中的待训练目标的视频图像，获取第一目标图像；

对第一目标图像进行归一化处理，获得第二目标图像；

堆叠第二目标图像中的多个帧形成目标图像序列，把目标图像序列中包含低慢小目标的图像作为正样本；将不包含低慢小目标的图像作为负样本；所述正样本中包括低慢小目标的运动信息；运动信息包括低慢小目标在图像中出现的位置和目标的运动轨迹；

将正样本和负样本合并形成目标训练样本集；

所述对低慢小目标进行跟踪包括：

对目标区域进行双目匹配以获得低慢小目标的三维坐标;

利用KCF方法对低慢小目标进行跟踪。

2.根据权利要求1所述的定位方法，其特征在于，所述堆叠第二目标图像中的多个帧形成目标图像序列包括：

若低慢小目标的速度大于预设的速度阈值时，则从所述目标图像序列中取出连续的多个帧，并将所述连续的多个帧进行堆叠作为正样本；

若低慢小目标速度小于等于预设的速度阈值时，则从所述目标图像序列中取出多个间隔的邻近帧作为选用帧，并将所述选用帧进行堆叠作为正样本。

3.根据权利要求1所述的定位方法，其特征在于，所述基于所述分类器权重获得目标图像检测模型包括以下子步骤：

提取目标训练样本集中的训练样本的图像的梯度方向统计特征；

利用Adaboost算法生成最优弱分类器，将目标图像的梯度方向统计特征输入该最优弱分类器进行训练，得到分类器权重；

对所述最优弱分类器赋予所述分类器权重并进行迭代，获得目标图像检测模型。

4.根据权利要求3所述的定位方法，其特征在于，所述目标训练样本集中的目标图像的梯度方向统计特征包括:

训练样本的图像的梯度和梯度强度、训练样本的图像消除噪声后的梯度强度、训练样本的图像的梯度方向和梯度能量。

5.一种低慢小目标的定位装置，其特征在于，所述装置包括样本集获取模块、训练模块、检测模块、双目相机和跟踪模块；

所述样本集获取模块预先采集目标图像，堆叠该目标图像的多个帧形成目标图像训练序列，将该目标图像训练序列进行标记形成目标训练样本集；

所述训练模块基于所述目标训练样本集对训练样本进行训练，利用目标图像的梯度方向统计特征得到分类器权重，基于所述分类器权重获得目标图像检测模型；

所述检测模块利用所述目标图像检测模型对待测目标图像进行检测，检测待测目标图像是否存在低慢小目标；

所述双目相机对目标区域进行双目匹配获得低慢小目标的三维坐标；

所述跟踪模块利用KCF方法对低慢小目标进行跟踪；

其中，所述样本集获取模块包括采集模块、归一化模块、堆叠模块和合并模块：

所述采集模块用于采集空中的待训练目标的视频图像，获取第一目标图像；

所述归一化模块用于对第一目标图像进行归一化处理，获得第二目标图像；

所述堆叠模块用于堆叠第二目标图像中的多个帧形成目标图像序列，把目标图像序列中包含低慢小目标的图像作为正样本，将不包含低慢小目标的图像作为负样本；所述正样本中包括低慢小目标的运动信息；所述运动信息包括低慢小目标在图像中出现的位置和目标的运动轨迹；

所述合并模块用于将正样本和负样本合并形成目标训练样本集。

6.根据权利要求5所述的定位装置，其特征在于：

若低慢小目标的速度大于预设的速度阈值时，所述堆叠模块从所述目标图像序列中取出连续的多个帧，并将所述连续的多个帧进行堆叠作为正样本；

若低慢小目标速度小于等于预设的速度阈值时，所述堆叠模块从所述目标图像序列中取出多个间隔的邻近帧作为选用帧，并将所述选用帧进行堆叠作为正样本。