基于热成像视频的飞行目标自动跟踪方法
【技术领域】
[0001] 本发明涉及飞行目标追踪技术领域，具体地讲是一种基于热成像视频的飞行目标 自动跟踪方法。
【背景技术】
[0002] 随着信息技术的发展，计算机视觉已经被广泛应用于低层特征检测和描述、模式 识别、人工智能推理和机器学习算法等领域。然而，传统的计算机视觉方法通常是任务驱动 型，即需要限定许多条件，并根据实际任务来设计相应的算法，缺乏通用性；需要解决高维 非线性特征空间、超大数据量对问题求解和实时处理等问题，使得其研宄和应用面临巨大 的挑战。
[0003] 人类视觉系统能够在不同环境下高效、可靠地工作，其具有以下优点：具有关注 机制、显著性检测和与此相关的视觉处理中的选择性和目的性；能够从低层视觉处理中利 用先验知识，使数据驱动的自底向上处理与自顶向下的知识指导在视觉处理中相互协调配 合；上下境信息在视觉处理的各个层次都发挥着重要作用，并且能够综合利用环境中各种 模态的信息。但在人类视觉感知机理尚不完全明了的情况下，如何构造具有人类视觉特点 的机器视觉仍存在较大困难。人眼具有天然地对飞行目标进行追踪和识别的能力，若能够 构建模拟人类视觉的机器视觉系统，必能在飞行目标的追踪方面发挥更大的作用。
【发明内容】
[0004] 有鉴于此，本发明要解决的技术问题是，提供一种能够模拟人类视觉的基于热成 像视频的飞行目标自动跟踪方法，通过模拟人类主动视觉行为、对目标场景作快速有效注 视，实现机器对飞行目标的自动搜索和跟踪。
[0005] 本发明的技术解决方案是，提供以下步骤的基于热成像视频的飞行目标自动跟踪 方法，包括以下各步骤：
[0006] 1)飞行目标的检测过程被分为两种状态："搜索状态"和"跟踪状态"；
[0007] 2)通过相位谱法对热成像视频序列帧作显著性检测，得到相应帧的像素显著度 图，所述像素显著度图与所述视频序列帧图像的像素位置信息一致；
[0008] 3)对每帧的像素显著度图中的显著点，依据显著度进行排序；
[0009] 4) "搜索状态"时：选取每帧的前N个显著点作为注视点，以这些点的离散程度来 判断该帧是否存在引起注意的显著目标；
[0010] 4. 1)若存在显著目标，则标记该帧，同时考察该帧N个显著点的聚类情况，选取其 中具有最大密度的聚类中心作为候选目标的初始位置；并以该位置为中心形成一个信息熵 最大的矩形区域，用主成分参数描述此目标区域特征；
[0011] 4. 2)若视频序列帧连续出现显著目标，则比较其与相邻帧的候选目标位置和目标 区域特征的差别；若连续m次、两两相邻的帧中目标位置和目标区域特征的差别小于规定 阈值，则检测标识由"搜索状态"转变为"跟踪状态"；
[0012] "跟踪状态"时：只选取当前帧中、离上一帧目标中心位置最近的前P个显著点作 为注视点，以包含这些注视点的最小矩形区域为注视区域；当该注视区域的主成分特征与 上一帧目标区域相似时，跟踪状态延续；否则，认为跟踪状态不稳定，当不稳定状态连续出 现k次，则"跟踪状态"转换为"搜索状态"。
[0013] 采用本发明的方法，与现有技术相比，本发明具有以下优点：1)由于相位谱法对 光照变化和大范围纹理噪声等干扰不敏感，借助该法能自适应不同设备和光照条件下获取 的热成像飞行目标视频，能自动检测并跟踪视频中的显著目标。2)由于算法只注重少数高 显著度像素数据，极大降低了计算量，算法具有快速响应特性。"搜索状态"时，本发明具备 快速的目标搜索响应能力，快速捕捉目标；"跟踪状态"时，能够有效应对镜头晃动引起的目 标突然丢失等问题。这种先依据显著性检测定位候选区域，再根据该候选区域的稳定性判 断是否存在感兴趣目标，然后进行跟踪的工作思路，相比于传统基于遍历搜索的跟踪策略 大大提尚了算法效率。
[0014] 作为改进，步骤5)进一步包括：5. 1)跟踪状态下，对所述的注视区域内部像素进 行奇数次随机采样，并对注视区域外部进行奇数次等量的像素随机采样；采样得到的注视 区域内部像素作为正样本，注视区域外部像素作为负样本；5. 2)利用极限学习机训练策 略，并行训练得到奇数个二分类的前馈神经网络模型，通过该模型分类所述跟踪状态下的 帧图像的全部像素，将被分为正样本的像素区域作为飞行目标区。该目标区和特征将更准 确。
[0015] 作为改进，步骤5. 1)和5. 2)是利用前馈神经网络，以被跟踪的每帧图像注视区域 内外像素的正负样本训练分类模型，再经模型对全体像素分类，实现飞行目标精确提取。
[0016] 作为改进，搜索状态时，视频序列帧图像中的前N个显著点分布的离散程度和稳 定程度，被作为是否存在感兴趣目标的一种判别指标，借此实现初始目标检测；跟踪状态 时，只利用当前帧图像中距上一帧跟踪目标中心最近的前P个显著点形成注视区域，再经 步骤5.1)和5. 2)得到相应的目标区，完成目标区域的提取。
[0017] 作为改进，步骤4)中显著点的离散程度是通过各显著点坐标的均值位置与各显 著点的归一化距离之和来表征。
【附图说明】
[0018] 图1为本发明基于热成像视频的飞行目标自动跟踪方法的流程图。
【具体实施方式】
[0019] 下面就具体实施例对本发明作进一步说明，但本发明并不仅仅限于这些实施例。
[0020] 本发明涵盖任何在本发明的精髓和范围上做的替代、修改、等效方法以及方案。为 了使公众对本发明有彻底的了解，在以下本发明优选实施例中详细说明了具体的细节，而 对本领域技术人员来说没有这些细节的描述也可以完全理解本发明。此外，本发明之附图 中为了示意的需要，并没有完全精确地按照实际比例绘制，在此予以说明。
[0021] 如图1所示，本发明的基于热成像视频的飞行目标自动跟踪方法，包括以下各步 骤：
[0022] 1)飞行目标的检测过程被分为两种状态："搜索状态"和"跟踪状态"；
[0023] 2)通过相位谱法对热成像视频序列帧作显著性检测，得到相应帧的像素显著度 图，所述像素显著度图与所述视频序列帧图像的像素位置信息一致；
[0024] 3)对每帧的像素显著度图中的显著点，依据显著度进行排序；
[0025] 4) "搜索状态"时：选取每帧的前N个显著点作为注视点，以这些点的离散程度来 判断该帧是否存在引起注意的显著目标；
[0026] 4. 1)若存在显著目标，则标记该帧，同时考察该帧N个显著点的聚类情况，选取其 中具有最大密度的聚类中心作为候选目标的初始位置；并以该位置为中心形成一个信息熵 最大的矩形区域，用主成分参数描述此目标区域特征；
[0027] 4. 2)若视频序列帧连续出现显著目标，则比较其与相邻帧的候选目标位置和目标 区域特征的差别；若连续m次、两两相邻的帧中目标位置和目标区域特征的差别小于规定 阈值，则检测标识由"搜索状态"转变为"跟踪状态"；
[0028] 5) "跟踪状态"时：只选取当前帧中、离上一帧目标中心位置最近的前P个显著点 作为注视点，以包含这些注视点的最小矩形区域为注视区域；当该注视区域的主成分特征 与上一帧目标区域相似时，跟踪状态延续；否则，认为跟踪状态不稳定，当不稳定状态连续 出现k次，则"跟踪状态"转换为"搜索状态"。
[0029] 通过相位谱法对目标图像作显著性检测，可采用以下步骤实施：对待目标图像 I(i，j)进行二维离散傅里叶变换F[I(i，j)]，将图像由空间域转换到频域，得到相位P(u， v)信息：
[0030]
^ (1)
[0031] 式中F