[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

说明书

本发明涉及红外目标跟踪技术领域，公开了一种梯度统计结合局部匹配的红外目标跟踪方法及系统，该跟踪方法，包括以下步骤：S1，图像采集及模型构建；S2，图像预处理；S3，蜂巢梯度统计；S4，模型训练；S5，测试样本响应；S6，门限判决；S7，跟踪点直接确定；S8，跟踪点再捕获确定。本发明解决了现有技术存在的跟踪精度较低、鲁棒性较差、适用场景较窄等问题。

技术领域

本发明涉及红外目标跟踪技术领域，具体是一种梯度统计结合局部匹配的红外目标跟踪方法及系统。

背景技术

目标跟踪本质上是一个将参考图中选定的目标(自动检测识别或人工参与选定来获取)在接下来的实时图像中寻找目标最佳位置的一个过程。目前常用的红外目标跟踪方法包括基于灰度相关匹配的方法、基于相关滤波的方法，均值漂移(mean-shift)方法等，这些方法在一些特定的应用中取得了较好的效果，但在红外探测与制导装备具体应用中，由于成像传感器的噪声、成像视角和距离的变化、平台(尤其是机载或弹载平台)的机动、目标亮度的变化以及高速移动等因素，导致这些方法难以完全满足系统的跟踪需求。

由于红外成像缺少颜色通道信息，纹理和细节也相对缺乏，目标与背景特征的区分度低，极易出现跟踪点漂移以及目标跟踪丢失的现象，鲁棒性差，严重制约着光电探测与制导装备性能的提升，是光电图像信号处理领域内的难点问题。

发明内容

为克服现有技术的不足，本发明提供了一种梯度统计结合局部匹配的红外目标跟踪方法及系统，解决现有技术存在的跟踪精度较低、鲁棒性较差、适用场景较窄等问题。

本发明解决上述问题所采用的技术方案是：

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。

作为一种优选的技术方案，步骤S2中，采用中值滤波对图像进行预处理。

作为一种优选的技术方案，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。

作为一种优选的技术方案，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。

作为一种优选的技术方案，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。

作为一种优选的技术方案，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。