[发明专利]一种梯度统计结合局部匹配的红外目标跟踪方法及系统

权利要求书

1.一种梯度统计结合局部匹配的红外目标跟踪方法，其特征在于，包括以下步骤：

S1，图像采集及模型构建：采集待测目标的图像，构建相关滤波模型，设置初始目标模板信息，将初始目标模板信息的中心设为初始跟踪点；

S2，图像预处理：对采集待测目标的图像进行预处理；

S3，蜂巢梯度统计：以跟踪点为中心选取窗口区域，然后在窗口区域内构建蜂巢网格，统计每个蜂巢网格的梯度统计特征；

S4，模型训练：对相关滤波模型进行训练；

S5，测试样本响应：利用训练完成的相关滤波模型，对实时图像中的样本进行测试，得到测试样本响应值；

S6，门限判决：将测试样本响应值的最大值与预设的门限值比较，若测试样本响应值的最大值≥预设的门限值，则进入步骤S7；若测试样本响应值的最大值＜预设的门限值，则进入步骤S8；

S7，跟踪点直接确定：以测试样本响应值的最大值对应的位置坐标作为当前帧目标的跟踪点，并在跟踪过程中实时对目标模板信息进行刷新；

S8，跟踪点再捕获确定：采用局部匹配搜索的方法对目标进行再捕获，进而确定跟踪点。

2.根据权利要求1所述的一种梯度统计结合局部匹配的红外目标跟踪方法，其特征在于，步骤S2中，采用中值滤波对图像进行预处理。

3.根据权利要求1所述的一种梯度统计结合局部匹配的红外目标跟踪方法，其特征在于，步骤S3中，窗口尺寸大小为待测目标实际尺寸的1.5～2.5倍。

4.根据权利要求3所述的一种梯度统计结合局部匹配的红外目标跟踪方法，其特征在于，步骤S3中，蜂巢网格的梯度统计特征计算方法为：用蜂巢网格内所有像素的最大梯度值作为每个蜂巢的统计特征值。

5.根据权利要求1所述的一种梯度统计结合局部匹配的红外目标跟踪方法，其特征在于，步骤S1中，构建的相关滤波模型为核脊回归模型，核脊回归模型的核函数为复合带宽高斯径向基型核函数。

6.根据权利要求1所述的一种梯度统计结合局部匹配的红外目标跟踪方法，其特征在于，步骤S4及步骤S5中，将蜂巢网格的梯度统计特征作为相关滤波模型的输入。

7.根据权利要求1所述的一种梯度统计结合局部匹配的红外目标跟踪方法，其特征在于，步骤S5中，得到测试样本响应值的具体方法为：以上一帧目标的跟踪点为中心在当前帧图像中选取测试样本，样本尺寸与目标模板尺寸相同，取不同带宽模型回归值的平均值作为最终的响应值。

8.根据权利要求1所述的一种梯度统计结合局部匹配的红外目标跟踪方法，其特征在于，步骤S7中，目标模板刷新的具体方法为：当前目标模板与跟踪点为中心的目标区域线性累加平均得到刷新后的目标模板。

9.根据权利要求1至8任一项所述的一种梯度统计结合局部匹配的红外目标跟踪方法，其特征在于，步骤S8中，采用局部匹配搜索的方法对目标进行再捕获的具体方法为：以当前跟踪点为中心，目标模板在一个局部窗口区域内依次滑动，计算模板与对应图像窗口区域的匹配系数，如果最大的匹配系数超过设定阈值则表示捕获到目标，从而得到新的跟踪点；否则表示未发现目标，进入记忆跟踪模式，利用历史帧跟踪数据外推得到新的跟踪点。

10.一种梯度统计结合局部匹配的红外目标跟踪系统，其特征在于，基于权利要求1至9任一项所述的一种梯度统计结合局部匹配的红外目标跟踪方法，包括以下模块：

图像采集及模型构建模块：用以采集待测目标的图像，构建相关滤波模型，设置初始目标模板信息，将初始目标模板信息的中心设为初始跟踪点；

图像预处理模块：用以对采集待测目标的图像进行预处理；

蜂巢梯度统计模块：用以以跟踪点为中心选取窗口区域，然后在窗口区域内构建蜂巢网格，统计每个蜂巢网格的梯度统计特征；

模型训练模块：对相关滤波模型进行训练；

测试样本响应模块：用以利用训练完成的相关滤波模型，对实时图像中的样本进行测试，得到测试样本响应值；

门限判决模块：用以将测试样本响应值的最大值与预设的门限值比较，若测试样本响应值的最大值≥预设的门限值，则进入步骤S7；若测试样本响应值的最大值＜预设的门限值，则进入步骤S8；

跟踪点直接确定模块：用以以测试样本响应值的最大值对应的位置坐标作为当前帧目标的跟踪点，并在跟踪过程中实时对目标模板信息进行刷新；

跟踪点再捕获确定模块：用以采用局部匹配搜索的方法对目标进行再捕获，进而确定跟踪点；

图像采集及模型构建模块、图像预处理模块、蜂巢梯度统计模块、模型训练模块、测试样本响应模块、门限判决模块依次电相连，门限判决模块与跟踪点直接确定模块、跟踪点再捕获确定模块分别电相连，模型训练模块与跟踪点直接确定模块、跟踪点再捕获确定模块分别电相连。