[发明专利]一种基于香农熵分布和覆盖率的新生目标出生强度估计方法

摘要

一种基于香农熵分布和覆盖率的新生目标出生强度估计方法，包括以下步骤1)利用目标检测方法获取当前时刻的测量值，并将其分为幸存测量值和出生测量值；2)利用t‑1时刻所得目标状态值Xt‑1和测量值Zt‑1对目标出生强度γt(xt)进行初始化，得到初始化后的出生目标强度为γini,t(xt)；3)基于香农熵分布的目标出生强度更新；4)基于覆盖率的目标出生强度更新。本发明提出一种基于香农熵分布和覆盖率的估计方法，依据前一帧所获目标状态和测量值，利用高斯混合模型对目标出生强度进行初始化，结合香农熵分布及覆盖率对初始化后的目标出生强度进行更新，从而滤除噪声分量，提高跟踪准确率。

主权项

一种基于香农熵分布和覆盖率的新生目标出生强度估计方法，其特征在于：所述评估方法包括以下步骤：1)利用目标检测方法获取当前时刻的测量值，并将其分为幸存测量值和出生测量值，过程如下：1.1)分别建立背景图像和当前时刻图像的RGB颜色模型，将当前时刻图像模型与背景图像模型相减，得差分图像的RGB颜色模型；1.2)对所得差分图像中的像素进行筛选，若某个像素的R、G和B值中的任一值的绝对值大于给定阈值τ1，则此像素标记为前景像素；利用形态学操作算子对前景像素进行处理，从而滤除孤立的像素点；利用区域8连通算法对前景像素进行处理，将前景像素分成若干连通区域，每个连通区域均由最小外接矩形包围；所得矩形的中心位置及尺寸所构成的向量即为当前图像的测量值，矩形的数量即为测量值的数量；1.3)将测量值分为两类：出生测量值和幸存测量值其中Nbm,t和Ns,t分别为t时刻出生测量值和幸存测量值的数量，对任一测量值若其满足式(1)，则此测量值被认定为幸存测量值zs,tj={ztj|||lz,tj-ls,t|t-1i||<vmaxi·T}---(1)]]>其中，和为测量值j和幸存目标i的预测位置，为幸存目标的预测状态，为截至t‑1时刻前目标i的最大速率，T＝1帧，为两相邻时间间隔；剩余的不满足式(1)的测量值则被认定为出生测量值；2)利用t‑1时刻所得目标状态值Xt‑1和测量值Zt‑1对目标出生强度γt(xt)进行初始化，得到初始化后的出生目标强度为γini,t(xt)，过程如下：2.1)依据t‑1时刻所得目标状态值以及测量值将t‑1时刻的测量值分为属于已跟踪目标的测量值Ztra,t‑1和属于候选新生目标的测量值Zcnew,t‑1：ztra,t-1j={zt-1j|||lz,t-1j-lt-1i||<12||st-1i||}---(2)]]>Zcnew,t‑1＝Zt‑1‑Ztra,t‑1   (3)其中，Ntra,t‑1为Ztra,t‑1中的测量值数目，在初始时刻，即t＝0，所有的测量值均被认定为Zcnew,t‑1，因为在此之前并无已跟踪目标；2.2)下一时刻t目标的出生强度可通过有限高斯混合模型进行初始化：其中，表示包括均值和协方差的第m个高斯元素参数集，M＝Nm,t‑1‑Ntra,t‑1为Zcnew,t‑1中的测量值数目，θ＝{π1,…,πM,θ1,…,θM}表示γini,t(xt)中的所有高斯元素参数集，πm为第m个高斯元素的权重并满足式(5)的约束：Σm=1Mπm=1---(5)]]>3)基于香农熵分布的目标出生强度更新，过程如下：3.1)利用Zb,t对θ进行迭代更新，由此得Zb,t在式(4)所示有限高斯混合模型下的对数似然为：logp(Zb,t|θ)=Σi=1Nbm,tlogΣm=1Mπmg(zb,ti|θm)---(6)]]>其中表示单目标似然函数；为了滤除θ中与Zb,t无关的噪声分量，选取仅与权值πm有关的负指数熵分布作为θ的先验分布：p(θ)＝exp{‑H(πm)}   (7)其中，为熵分布，选取负指数熵分布作为θ的先验分布，迭代更新过程中那些与出生测量值无关的出生强度元素的权值将急剧变小，当某个元素的权值为负数时，此元素被认定为噪声分量而予以滤除；3.2)利用最大后验准则对θ中的权值πm进行估计：θ^=argmaxθ{logp(Zb,t|θ)+logp(θ)}---(8)]]>令θ后验概率的对数关于权值πm的导数为零，同时引入式(5)所示权值πm的约束条件，得：∂∂πm(logp(Zb,t|θ)+logp(θ)+λ(Σm=1Mπm-1))=0---(9)]]>其中λ为拉格朗日乘子，将式(6)和(7)代入式(9)：Σi=1Nbm,tWm(zb,ti)/πm+logπm+λ+1=0---(10)]]>其中，表征测量集中第i个测量值隶属于θ中第m个高斯元素的概率，式(10)两边同乘πm，并对M个高斯元素权值πm进行求和，由此得：λ=-Nbm,t-1-Σm=1Mπmlogπm---(11)]]>给定权值的值，即通过式(11)求得λ，将λ回代入式(10)有：Nm+πmlogπm+πm(λ+1)＝0   (12)其中采用泰勒展开式对logπm在πm＝1处进行一阶展开：logπm≈πm‑1，将此逼近值代入式(12)，得πm的MAP估计值：πm=-λ2±λ24-Nm,(0<πm<1)---(13)]]>3.3)λ和πm的值不断迭代更新，每次迭代更新后，θ中那些权值为负数的元素即被认为是噪声而予以滤除；在下一次迭代开始前，必须对θ中存留元素的权值进行规范化，当相邻两次迭代的后验概率对数值的差值小于给定的阈值τ2，则迭代终止，θ估计更新完毕；4)基于覆盖率的目标出生强度更新，过程如下：4.1)覆盖率由两部分组成：相交率和变化率，针对θ中的每个高斯元素θm，定义相交率和变化率为：Ir,tm=S(θm∩zb,ti)/S(θm)---(14)]]>Ar,tm=S(zb,ti)/S(θm)---(15)]]>其中，S(·)为面积计算函数，表示第m个高斯元素及与其最近邻的那个出生测量值间的交集，当且仅当某个元素的相交率接近于1同时变化率大于1，此元素才被认定为新生目标，反之，则被认定为噪声；因此，为了区别新生目标和噪声，θ中元素的权值πm更新为：πm=πm·(1-exp(-(Ir,tm)22σ2))·(1-exp(-(Ar,tm-1)22σ2))---(16)]]>其中，σ为标准偏差，用以控制分布的宽度；一旦某个元素的权值低于给定的阈值τ3，此元素即被认定为噪声而滤除；4.2)当所有元素的权值都更新完毕后，对存留元素的权值进行规范化，从而获得出生强度的最终参数集θ。