专利名称：多特征自适应融合船舶跟踪和航迹检测方法
技术领域：
本发明涉及的是一种图像处理技术领域的方法，具体是一种多特征自适应融合船 舶跟踪和航迹检测方法。
背景技术：
随着我国交通运输事业的迅猛发展和综合、立体运输体系的逐步形成，水上运输 日趋繁忙，运输安全问题也变得越来越突出。2007年6月15日，一艘佛山籍运沙船“南桂 机035”行航经325国道九江大桥时撞击九江大桥桥墩，造成325国道九江大桥约200米桥 面坍塌，事故造成4辆汽车坠江，9人死亡，直接经济损失达到3亿元人民币，修复工作预计 需要1年时间来完成。广东九江大桥被航道船舶撞断事件改变了水运航道中桥梁被动防撞 的观念，提出了对航道中船舶碰撞的主动预警迫切需求。常用传统意义上的人工值守方式 进行桥梁安全预警、报警显然无法满足当前市场发展的需求。视频目标跟踪作为计算机视觉研究的核心课题之一，是一门新兴的技术，它融合 了图像处理、模式识别、人工智能、自动控制以及计算机等许多领域的先进技术。视频可以 看成是许多运动图像的顺序组合，而运动图像分析是各种图像处理方法的一种综合应用。视频目标跟踪系统与传统的目标探测系统相比有一些突出的优点，例如隐蔽性 和抗电子干扰性与雷达目标跟踪不同的是，视频跟踪系统为被动式工作系统，其成像的本 质决定其不受电磁干扰的影响，所以工作时不向外辐射无线电波，不易被敌方的电子侦查 装置发现，也不易受到敌方电子干扰装置的干扰，即隐蔽性好，抗干扰能力强。直观性由于 可以直接看到目标图像，因而能方便、直观地辨认目标。性价比高视频跟踪系统采用了摄 像机、光学系统等比较通用的器件，在目标探测系统中，探测装置有电视、红外等类型，与雷 达系统比具有更高的性价比。较高的精确性、稳定性和可靠性。视频跟踪的困难主要来自于以下几个方面光照强度和天气变化对跟踪的影响； 目标外观变化或发生旋转、放缩、位移等各种复杂的变化；目标快速运动时跟踪的稳定性问 题；运动物体之间的相互遮挡和重叠问题；复杂的背景干扰、各类噪声、遮挡、光照等因素 的影响；运动物体的正确检测和分割问题；图像的数据融合问题，比如多摄像头跟踪；跟踪 的实时性问题等。虽然最近十几年视频目标跟踪问题获得了广泛的研究并取得了长足的进步，但是 由于现实环境中的许多情况都会影响视频图像中对目标的可靠观测，因此设计出能够在各 种复杂环境下准确、快速、稳定地跟踪视频目标的方法，仍然是一项挑战性的任务和急需解 决的课题。船舶交通管理系统(VTS系统)可以对数公里至数百公里的地理区域中多个目标 进行有效的定位、跟踪，因此，可以借鉴已有VTS的经验，布设桥基雷达监控系统，来监控桥 址区域的船舶航行行为，判断船桥撞击危险，对有撞击桥梁结构物可能的船舶提前发出警 报，从而降低船撞危险。但是，目前用于VTS中的雷达采用微波波段工作，以目标前沿检测 跟踪和目标重心跟踪两种方式工作。其缺点在于(1)建立跟踪的时间太长，达一个天线扫描周期，这不利于对港区机动目标快速建立稳态跟踪；( 跟踪混迹现象较严重，两船录取 和跟踪的分辨率较低，不适应对交通密集的港口水域的目标进行跟踪。因此桥梁防船撞监 测系统不能照搬已有的VTS技术，必须针对小区域及高速通航等新应用特点，研究和开发 特殊的视频跟踪系统。因此，满足全天候、全天时、全自动的基于航道内船舶监控图像序列的多目标跟踪 技术是实现桥区船舶通航安全，开展船撞主动预警的前提，其核心思想是利用船舶监控系 统所安装的光电传感器对桥区内的运动船舶目标进行跟踪，当运动船舶目标超出所设定的 安全范围时发出预警。经过对现有技术的检索发现，何涛等.船舶航迹管理与跟踪系统设计[J].商场现 代化.2010. 3。该技术构建了某港轮驳公司基于全球卫星定位系统GPS的船舶动态跟踪系 统。GPS船舶动态跟踪系统(或称GPS船舶定位监测系统)，是运用了先进的卫星定位、地 理信息系统、通信、计算机数据处理功能等技术与设备构成的。可以对船舶(或车辆)的 工作状况进行动态跟踪、监测。某港(集团)轮驳公司引进GPS技术开发船舶动态跟踪系 统，用于港口作业、沿海运输的船舶动态跟踪管理，改变了过去对船舶作业时看不见，摸不 着的管理模式，为公司的调度人员、安监人员、公司经理提供明显直观的船舶调度管理操作 平台。该方法不足之处在于1、GPS容易受到电离层和对流层等天气的干扰；2、容易受到高 层建筑以及树木等的影响，造成误差，需要视野较开阔的观测点；3、造价高。
发明内容
本发明针对现有技术存在的上述不足，提供一种多特征自适应融合船舶跟踪和航 迹检测方法，由颜色、形状、纹理多种特征自适应融合实现。颜色信息只在有光照亮度时有 效，夜间跟踪需要用到形状和纹理信息；而形状信息对目标的旋转变化敏感，这时需要用到 具有旋转不变性的颜色和纹理信息；纹理信息在船舶跟踪中，受水波影响较大，不易获得准 确的纹理特征模型，这时又需要不受水波影响的颜色和形状信息。利用多特征信息跟踪目 标，可以实现各想特征间信息的互补，增加了描述目标模型的可靠性和鲁棒性；在跟踪目标 时，将融合信息目标模型结合到Camshift跟踪算法中；将每帧目标中心位置标出，得到航 行轨迹，构建基于多特征自适应融合的船舶跟踪和航迹检测的方法，在航道桥梁船舶碰撞 预警系统等领域中可有广泛的应用。本发明是通过以下技术方案实现的，本发明包括以下步骤第一步、采用背景差分法首先选取背景中的一幅或几幅图像的平均作为背景图 像，然后把以后的序列图像当前帧和背景图像相减，进行背景消去，当所得到的像素数大于 阈值则判定被监视场景中有运动物体，从而得到运动船舶目标；第二步、获取运动船舶目标的颜色、形状及纹理特征信息，并通过获取颜色、形状 及纹理目标特征直方图在每帧图像中的概率分布图的稳定性，确定各自的融合权值；所述的颜色信息，是目标图像色度信息的直方图，利用该直方图，在视频每帧图像 中得到概率分布图，来表示该帧图像的颜色特征信息，颜色信息只在有光照亮度时有效，夜 间跟踪需要用到形状和纹理信息；所述的形状信息，是目标图像边缘梯度方向直方图，利 用该直方图，在视频每帧图像中得到概率分布图，来表示该帧图像的形状特征信息，形状信 息对目标的旋转变化敏感，这时需要用到具有旋转不变性的颜色和纹理信息；所述的目标图像边缘梯度方向直方图通过以下方式得到边缘上每一像素都对应此处一个边缘梯度方 向，使用Sobel算子检测图像点(X，y)处像素的水平边缘梯度dx和垂直边缘梯度dy。目
标图像中点(x，y)处像素的边缘梯度方向为e(x，>0 = t θ e [-π，π]，对边缘像素点的
αχ
梯度方向进行统计，构造梯度方向直方图，即为目标的形状特征直方图。所述的纹理信息，是目标图像通过Gabor滤波器滤波得到的图像灰度直方图，利 用该直方图，在视频每帧图像中得到概率分布图，来表示该帧图像的纹理特征信息，纹理信 息在船舶跟踪中，受水波影响较大，不易获得准确的纹理特征模型，这时又需要不受水波影 响的颜色和形状信息。所述的纹理特征信息通过以下方式得到采用Gabor滤波器选取方向坐标转换角 度θ = 0°，方差Q2 = 5的滤波器，其中σ越大能量越分散，越小越集中。将目标图像与 滤波器进行卷积，对卷积后的纹理图像计算灰度直方图，得到纹理特征信息。第三步、通过颜色、形状、纹理各自的融合权值和概率分布图计算出的联合概率分 布图，即融合特征信息，利用Camshift算法跟踪运动船舶目标并得到每帧目标的位置中 心。所述的融合包括颜色-形状自适应融合、颜色-纹理自适应融合、形状-纹理自 适应融合和多特征自适应融合。
图1为本发明构建的多特征自适应融合船舶跟踪和航迹检测的方法流程图。图2为本发明涉及的Camshift跟踪算法流程图。图3为本发明构建的多特征自适应融合船舶跟踪和航迹检测的方法理论框架。
具体实施例方式下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行 实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施 例。如图1所示，本实施例包括以下步骤第一步、首先对运动船舶目标进行检测，直到检测到目标为止；所述的船舶检测是通过背景差分法是通过选取背景中的一幅或几幅图像的平均 作为背景图像，然后把以后的序列图像当前帧和背景图像相减，进行背景消去。若所得到的 像素数大于某一阈值，则判定被监视场景中有运动物体，从而得到目标。第二步、获取运动船舶目标的颜色、形状、纹理特征信息；所述的颜色信息，是目标图像色度信息的直方图，利用该直方图，在视频每帧图像 中得到概率分布图，来表示该帧图像的颜色特征信息，颜色信息只在有光照亮度时有效，夜 间跟踪需要用到形状和纹理信息；所述的形状信息，是目标图像边缘梯度方向直方图，利用该直方图，在视频每帧图 像中得到概率分布图，来表示该帧图像的形状特征信息，形状信息对目标的旋转变化敏感， 这时需要用到具有旋转不变性的颜色和纹理信息；
所述的目标图像边缘梯度方向直方图通过以下方式得到边缘上每一像素都对应 此处一个边缘梯度方向，使用Sobel算子检测图像点(X，y)处像素的水平边缘梯度dx和
垂直边缘梯度dy。目标图像中点(x，y)处像素的边缘梯度方向为
权利要求
1.一种多特征自适应融合船舶跟踪和航迹检测方法，其特征在于，包括以下步骤 第一步、采用背景差分法首先选取背景中的一幅或几幅图像的平均作为背景图像，然后把以后的序列图像当前帧和背景图像相减，进行背景消去，当所得到的像素数大于阈值 则判定被监视场景中有运动物体，从而得到运动船舶目标；第二步、获取运动船舶目标的颜色、形状及纹理特征信息，并通过获取颜色、形状及纹 理目标特征直方图在每帧图像中的概率分布图的稳定性，确定各自的融合权值；第三步、通过颜色、形状、纹理各自的融合权值和概率分布图计算出的联合概率分布 图，即融合特征信息，利用Camshift算法跟踪运动船舶目标并得到每帧目标的位置中心。
2.根据权利要求1所述的多特征自适应融合船舶跟踪和航迹检测方法，其特征是，所 述的颜色信息，是目标图像色度信息的直方图，利用该直方图，在视频每帧图像中得到概率 分布图，来表示该帧图像的颜色特征信息，颜色信息只在有光照亮度时有效，夜间跟踪需 要用到形状和纹理信息；所述的形状信息，是目标图像边缘梯度方向直方图，利用该直方 图，在视频每帧图像中得到概率分布图，来表示该帧图像的形状特征信息，形状信息对目标 的旋转变化敏感，这时需要用到具有旋转不变性的颜色和纹理信息；所述的目标图像边缘 梯度方向直方图通过以下方式得到边缘上每一像素都对应此处一个边缘梯度方向，使用 Sobel算子检测图像点(X，y)处像素的水平边缘梯度dx和垂直边缘梯度dy。目标图像中点(x，y)处像素的边缘梯度方向为
3.根据权利要求1所述的多特征自适应融合船舶跟踪和航迹检测方法，其特征是，所 述的纹理信息，是目标图像通过Gabor滤波器滤波得到的图像灰度直方图，利用该直方图， 在视频每帧图像中得到概率分布图，来表示该帧图像的纹理特征信息，纹理信息在船舶跟 踪中，受水波影响较大，不易获得准确的纹理特征模型，这时又需要不受水波影响的颜色和 形状信息。所述的纹理特征信息通过以下方式得到采用Gabor滤波器选取方向坐标转换角度θ =0°，方差Q2 = 5的滤波器，其中σ越大能量越分散，越小越集中。将目标图像与滤波 器进行卷积，对卷积后的纹理图像计算灰度直方图，得到纹理特征信息。
4.根据上述任一权利要求所述的多特征自适应融合船舶跟踪和航迹检测方法，其特征 是，所述的融合包括颜色-形状自适应融合、颜色-纹理自适应融合、形状-纹理自适应融 合和多特征自适应融合。
5.根据权利要求4所述的多特征自适应融合船舶跟踪和航迹检测方法，其特征是，所 述的颜色-形状自适应融合是指1)将目标特征直方图在整幅图像上计算目标出现的概率分布，并计算颜色-形状特征 信息的联合概率分布M(k，i) = aM。(k，i) + i3Ms(k，i)，α+β = i，其中M。(k，i)和轧&， i)分别为第k帧第i个目标的颜色和形状特征信息的概率分布图，O ≤k ≤总帧数，O≤i≤总目标数，O ≤ α, β≤1 分别为两种特征信息在融合时的权值；2)利用更新权值的方法，实现各信息间的自适应融合，具体为
6.根据权利要求4所述的多特征自适应融合船舶跟踪和航迹检测方法，其特征 是，所述的颜色-纹理自适应融合是指颜色-纹理自适应权值更新权值计算如下
7.根据权利要求4所述的多特征自适应融合船舶跟踪和航迹检测方法，其特征是，所 述的形状-纹理自适应融合是指形状-纹理自适应权值更新权值计算如下
8.根据权利要求4所述的多特征自适应融合船舶跟踪和航迹检测方法，其特征是，所 述的多特征自适应融合是指i)对颜色、形状以及纹理信息的联合概率分布
全文摘要
一种图像处理技术领域的多特征自适应融合船舶跟踪和航迹检测方法，采用背景差分法首先选取背景中的一幅或几幅图像的平均作为背景图像，然后把以后的序列图像当前帧和背景图像相减，进行背景消去，当所得到的像素数大于阈值则判定被监视场景中有运动物体，从而得到运动船舶目标；获取运动船舶目标的颜色、形状及纹理特征信息，并通过获取颜色、形状及纹理目标特征直方图在每帧图像中的概率分布图的稳定性，确定各自的融合权值；通过颜色、形状、纹理各自的融合权值和概率分布图计算出的联合概率分布图，即融合特征信息，利用Camshift算法跟踪运动船舶目标并得到每帧目标的位置中心。
文档编号G06T7/20GK102081801SQ201110027278
公开日2011年6月1日 申请日期2011年1月26日 优先权日2011年1月26日
发明者云霄, 肖刚 申请人:上海交通大学