目标遮挡判断方法与流程

本发明涉及图像处理技术领域，具体涉及一种目标遮挡判断方法。

背景技术：

针对Mean Shift算法跟踪导弹弹标和坦克目标时，由于导弹弹标运动速度快，或在跟踪过程中可能出现的短时丢失或遮挡问题，因此需要引入预测跟踪技术。如何设计一种目标遮挡判断方法，以实现弹炮遥控武器站集成设计中，导弹弹标和坦克目标的自适应预测跟踪，成为了亟待解决的技术问题。

技术实现要素：

(一)要解决的技术问题

本发明要解决的技术问题是：如何设计一种目标遮挡判断方法，以便实现弹炮遥控武器站集成设计中，导弹弹标和坦克目标的自适应预测跟踪。

(二)技术方案

为了解决上述技术问题，本发明提供了一种目标预测跟踪方法，包括以下步骤：

步骤一、对输入视频图像中导弹弹标和目标位置进行检测和分割，得到弹标和目标的质心位置坐标和轮廓区域；

步骤二、利用步骤一得到的初始信息设置Mean Shift算法的模板位置和跟踪窗口大小，并设置正常跟踪，在正常跟踪时，根据上一帧图像中目标的位置，利用Kalman滤波预测当前帧图像中目标的位置，根据预测值对目标的大致运动区域进行估计；然后利用Mean Shift算法在估计区域内搜索与目标模板最相似的目标；利用Mean Shift算法进行跟踪时，同时利用遮挡判断策略判断是否出现预设的大面积遮挡，没有遮挡则正常跟踪；如果发生遮挡，则将Kalman滤波输出的预测位置作为真实位置进行多步预测，如果弹标丢失帧数大于设定值N，则重新检测。

优选地，步骤二中使用的所述遮挡判断策略为迭代次数判定法：

在当前帧图像中运用Kalman滤波算法预估其在下一帧的位置，得到估计位置，在估计位置处设置跟踪窗口，在跟踪窗口内用Mean Shift算法搜索与导弹弹标模板最相似的位置作为导弹弹标的精确位置，，根据Mean Shift算法的迭代次数判断目标是否发生遮挡或丢失，对算法的迭代次数进行限制，如果在限制次数内找到目标，则没有丢失，直接给出位置；如果在限制次数内没有找到目标，则发生遮挡或丢失，扩大窗口宽度重新寻找。

优选地，步骤二中使用的所述遮挡判断策略为相似度判定法：

对于第k帧图像，给定阈值Th，如果Bhattacharyya系数ρ(yk)≥Th，则没有遮挡，正常跟踪；反之如果ρ(yk)<Th，则表示发生遮挡。

优选地，步骤二中使用的所述遮挡判断策略为残差判定法：

在当前帧中，根据Kalman滤波器关于目标位置的估计值与由Mean Shift算法得到的Kalman滤波器的测量值之间残差的大小来判断是否出现了大比例的遮挡。

优选地，步骤二中使用残差判定法时，定义残差：

其中为Kalman滤波器关于目标位置的估计值，x(k)、y(k)为Mean Shift算法得到的目标位置。

(三)有益效果

本发明对于目标预测跟踪中可能出现的遮挡问题及遮挡判断的三个阶段进行了研究，并针对如何判定目标是否受到遮挡，以及通过对Kalman滤波算法和Mean Shift跟踪算法的研究，提出了三种判断策略，以便于实现弹炮遥控武器站集成设计中，导弹弹标和坦克目标的自适应预测跟踪。

附图说明

图1是本发明的基于迭代次数判定法的预测跟踪流程图；

图2是本发明的基于相似度判定法的预测跟踪流程图；

图3是本发明的基于残差判定法的预测跟踪流程图。

具体实施方式

为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

本发明弹炮遥控武器站集成设计中，采用目标预测跟踪时可能出现的遮挡问题进行了深入研究，以便实现导弹弹标和坦克目标的自适应预测跟踪。

在预测跟踪流程中，对于遮挡的判断是整个预测跟踪流程中的重要环节之一。跟踪系统在发现目标发生遮挡或丢失后即可采取相应的策略，使改进后的预测跟踪算法具有对目标后继状态进行预测估计的能力，直到目标脱离遮挡。

对于遮挡判断主要有三个阶段：

1)正常跟踪和边缘局部遮挡。此时由于Mean Shift算法采用核函数加权的密度函数使其对边缘遮挡不敏感。

2)完全遮挡或丢失。此时Mean Shift算法无能为力，必须引入预测跟踪。

3)遮挡结束，重新捕获目标。

本发明针对如何判定目标是否受到遮挡，通过对Kalman滤波算法和Mean Shift跟踪算法的研究，提出了三种判断策略，实现目标预测跟踪时可以采用其中之一。

第一种：迭代次数判定法

在当前帧图像中运用Kalman滤波算法预估其在下一帧的位置，得到估计位置，在估计位置处设置跟踪窗口。在窗口内用Mean Shift算法搜索与导弹弹标模板最相似的位置作为导弹弹标的精确位置。Mean Shift算法是一种非参数密度估计的算法，可以通过迭代快速收敛于概率密度函数的局部最大值，一般迭代3-4次就能够找到目标。根据Mean Shift算法的迭代次数可以判断目标是否发生遮挡或丢失。对算法的迭代次数进行限制，如果在限制次数内找到目标，则没有丢失，直接给出其精确位置；如果在限制次数内没有找到目标，则发生遮挡或丢失，扩大窗口宽度重新寻找。基于迭代次数判定法的预测跟踪流程如图1所示。

第二种：相似度判定法

Mean Shift跟踪算法的目标是在当前帧中求取相似度ρ(y)最大时的位置y值，由于Bhattacharyya系数表征了当前核窗口区域核直方图与目标核直方图的相似度，当目标被其它物体遮挡时，当前核窗口区域的Bhattacharyya系数将减小。由此提出目标的遮挡判断准则。即对于第k帧图像，给定阈值Th，如果Bhattacharyya系数ρ(yk)≥Th，则没有遮挡，正常跟踪；反之如果ρ(yk)<Th，则表示发生遮挡。基于相似度判定法的预测跟踪流程如图2所示。

第三种：残差判定法

在当前帧中，根据Kalman滤波器关于目标位置的估计值与由Mean Shift算法得到的Kalman滤波器的测量值之间残差的大小来判断是否出现了大比例的遮挡。

定义残差：

其中为Kalman滤波器关于目标位置的估计值，x(k)、y(k)为Mean Shift算法得到的目标位置。基于残差判定法的预测跟踪流程如图3所示。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。