[发明专利]基于相关滤波的高海况无人艇海面目标尺度自适应跟踪方法

摘要

本发明针对水面无人艇海面目标跟踪中常见的海况等级高以及目标尺度变化大、分辨率低等难点问题，基于核相关滤波KCF算法，提出一种基于相关滤波的高海况无人艇海面目标尺度自适应跟踪方法。首先，在高海况场景下，通过海天线检测辅助实现目标搜索区域的自适应移位与缩放，缓解相关滤波的边界效应，以应对该场景下目标抖动剧烈问题；其次，为提高算法鲁棒性以应对目标尺度变化、分辨率低等问题，在目标预处理、特征选择以及尺度估计方面分别做了相应的优化处理。通过实验将本发明与近年来可以达到无人艇实时跟踪要求的几个相关滤波算法进行了对比，结果表面，本发明算法在海面目标跟踪方面具有较明显的优势，特别是在高海况场景下的目标跟踪。

主权项

1.一种基于相关滤波的高海况无人艇海面目标尺度自适应跟踪方法，其特征在于，包括以下步骤：S01，目标预处理：通过无人艇目标检测模块得到目标初始坐标与尺度信息，启用目标跟踪模块，对初始帧使用双阈值策略对目标进行预处理，保证算法计算速度的同时增加目标的特征信息；S02，确定下一帧相关滤波器搜索区域：若该帧为视频序列第一帧，则执行S07，否则根据海天线检测算法实时检测的当前帧与下一帧海天线斜率实时调整搜索区域中心点坐标，搜索区域的面积为目标尺度的(1+Pn)倍，其中Pn为根据海天线斜率变化进行自适应缩放的缩放系数；S03，搜索区域的特征提取：对搜索区域进行特征提取，利用方向梯度直方图特征与颜色特征进行多特征融合提高跟踪算法鲁棒性；S04，样本表示：对搜索区域特征进行循环移位，构建循环矩阵实现密集采样，利用余弦窗函数消除循环移位造成样本的边界效应，将高斯标签值赋予样本，目标在搜索区域中央的标签值为1，其余移位后的样本标签值为0到1之间；S05，快速检测：利用S05训练得到的相关滤波器与通过S02至S04步骤提取得到的下一帧目标特征进行相关滤波，得到相关滤波响应图，响应图峰值点即为新一帧目标的位置；S06，目标尺度估计：在S05预测的目标位置，利用一个单独的一维相关滤波器MOSSE对目标进行尺度估计；S07，训练与更新分类器：利用上述检测到的结果，提取样本训练与更新岭回归分类器，返回S02对后续视频帧的目标进行跟踪。