船載紅外目標(biāo)圖像辨識跟蹤方法及其裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種船載紅外目標(biāo)圖像辨識跟蹤方法及其裝置。
【背景技術(shù)】
[0002] 海面運動目標(biāo)檢測、識別與跟蹤技術(shù)在海防安全、海關(guān)管理、海上緝私W及港口船 只調(diào)度等場合都有重要的用途。基于紅外成像的目標(biāo)運動檢測與跟蹤，在軍用和民用領(lǐng)域 都具有廣闊的應(yīng)用前景。但同時具有運動檢測、目標(biāo)分割和目標(biāo)跟蹤的高智能化監(jiān)控系統(tǒng) 必定設(shè)及大量耗時的圖像運算，在現(xiàn)有計算機(jī)處理速度下難W很好的同時兼顧可靠性與實 時性。當(dāng)前存在的技術(shù)難題主要是；1)復(fù)雜動態(tài)背景情況下的目標(biāo)識別和跟蹤；2)云臺轉(zhuǎn) 動的滯后性W及視頻處理延時無法滿足實時性；4)運動目標(biāo)的遮擋和再次捜索。W上該些 問題都制約了海面運動目標(biāo)識別算法在實際中的應(yīng)用。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明要解決的技術(shù)問題是提供一種船載紅外目標(biāo)圖像辨識跟蹤裝置。
[0004] 本發(fā)明要解決的另外一個技術(shù)問題是提供一種船載紅外目標(biāo)圖像辨識跟蹤方法。
[0005] 對于船載紅外目標(biāo)圖像辨識跟蹤裝置，本發(fā)明采用的技術(shù)方案是；包括上位工控 機(jī)、伺服控制下位機(jī)、旋轉(zhuǎn)云臺、視頻采集卡、捜索燈、紅外攝像頭；
[0006] 上位工控機(jī)與伺服控制下位機(jī)連接，伺服控制下位機(jī)與旋轉(zhuǎn)云臺連接并控制旋轉(zhuǎn) 云臺作全方位轉(zhuǎn)動；旋轉(zhuǎn)云臺上固定裝有捜索燈、紅外攝像頭，紅外攝像頭通過視頻采集卡 與上位工控機(jī)連接，捜索燈與紅外攝像頭的指向同步。
[0007] 作為優(yōu)選，視頻采集卡通過USB串口與上位工控機(jī)連接。
[000引作為優(yōu)選，捜索燈為大功率鋼燈。
[0009] 對于船載紅外目標(biāo)圖像辨識跟蹤方法，本發(fā)明采用的技術(shù)方案是包括W下步驟：
[0010] (1)運動目標(biāo)識別
[0011] 首先利用紅外攝像頭進(jìn)行圖像序列采集，獲取目標(biāo)的原始圖像，目標(biāo)圖像信號傳 送到工控機(jī)中，操作者選定待鎖定的目標(biāo)，由工控機(jī)作為中央處理單元，分別跟蹤控制軟件 對圖像采用相應(yīng)的圖像處理方法進(jìn)行處理，從原始圖像中提取較為完整的待跟蹤的目標(biāo)； 使用帖間差分法判斷視頻序列中是否存在運動目標(biāo)，并確定目標(biāo)的位置，帖間差分法對一 個極小時間間隔前后兩帖圖像采用基于像素灰度的差分，再用闊值化方法來提取圖像中的 運動區(qū)域，算法為； 1, / (.V, V, t) - f{.\\ V, / - A/) > r [001引必托:M)=。
[001引上式中，A t為帖間時間間隔，f (X, y, t)和f (X, y, t-A t))分別為t時刻和t-A t 時刻的圖像帖；如果兩帖圖像對應(yīng)像素灰度的絕對差值大于闊值T，則表明該像素是運動 前景，則將其值置1，否則為靜態(tài)背景將其值置0,可得二值圖像M(x，y，t);
[0014] (2)運動目標(biāo)的跟蹤
[0015] 采用Cam化ift算法進(jìn)行運動目標(biāo)跟蹤，算法如下：
[0016] 第一步，在圖像服I空間中計算H通道（色彩通道）分量的1D直方圖；
[0017] 第二步，利用此1D直方圖將原圖改建成2D概率分布圖；
[001引第S步，計算出目標(biāo)區(qū)域的中屯、；
[0019] 第四步，利用Cam化ift算法，不斷平移調(diào)整窗口中屯、到與目標(biāo)重屯、重合；
[0020] 第五步，將上一帖的窗口大小和中心作為下一帖Cam化ift算法捜索窗口的初始 值；
[002U 第六步，在下一帖中繼續(xù)Cam化ift運算；
[0022] (3)旋轉(zhuǎn)云臺轉(zhuǎn)動控制
[0023] 采用kalman濾波算法進(jìn)行運動目標(biāo)狀態(tài)的預(yù)測，W實現(xiàn)旋轉(zhuǎn)云臺的提前轉(zhuǎn)動；根 據(jù)預(yù)測旋轉(zhuǎn)云臺可W提前轉(zhuǎn)動到目標(biāo)下一時刻位置，采用卡爾曼濾波算法來預(yù)測運動目標(biāo) 的運動狀態(tài)，利用濾波的遞推估計能力對下一時刻目標(biāo)位置進(jìn)行預(yù)測；將系統(tǒng)噪聲和觀測 噪聲視為高斯白噪聲，W運動目標(biāo)的位置作為系統(tǒng)觀測量，W所要目標(biāo)的位置估計值為輸 出，對運動目標(biāo)當(dāng)前運動狀態(tài)做出估計并對未來運動狀態(tài)做出預(yù)測；
[0024] 目標(biāo)跟蹤系統(tǒng)系統(tǒng)的狀態(tài)方程和觀測方程分別為：
[0025]
【主權(quán)項】
1. 船載紅外目標(biāo)圖像辨識跟蹤裝置，其特征在于：包括上位工控機(jī)、伺服控制下位機(jī)、 旋轉(zhuǎn)云臺、視頻采集卡、搜索燈、紅外攝像頭； 所述上位工控機(jī)與伺服控制下位機(jī)連接，所述伺服控制下位機(jī)與旋轉(zhuǎn)云臺連接并控制 旋轉(zhuǎn)云臺作轉(zhuǎn)動；所述旋轉(zhuǎn)云臺上固定裝有搜索燈、紅外攝像頭，所述紅外攝像頭通過視頻 采集卡與上位工控機(jī)連接，所述搜索燈與紅外攝像頭的指向同步。
2. 根據(jù)權(quán)利要求1所述的船載紅外目標(biāo)圖像辨識跟蹤裝置，其特征在于：所述視頻采 集卡通過USB串口與上位工控機(jī)連接。
3. 根據(jù)權(quán)利要求1所述的船載紅外目標(biāo)圖像辨識跟蹤裝置，其特征在于：所述搜索燈 為大功率鈉燈。
4. 根據(jù)權(quán)利要求1所述的船載紅外目標(biāo)圖像辨識跟蹤裝置，其特征在于：所述伺服控 制下位機(jī)控制旋轉(zhuǎn)云臺作上、下、左、右全角度轉(zhuǎn)動。
5. 船載紅外目標(biāo)圖像辨識跟蹤方法，其特征在于包括以下步驟： (1) 運動目標(biāo)識別 首先利用紅外攝像頭進(jìn)行圖像序列采集，獲取目標(biāo)的原始圖像，目標(biāo)圖像信號傳送到 工控機(jī)中，操作者選定待鎖定的目標(biāo)，由工控機(jī)作為中央處理單元，分別跟蹤控制軟件對圖 像采用相應(yīng)的圖像處理方法進(jìn)行處理，從原始圖像中提取較為完整的待跟蹤的目標(biāo)；使用 幀間差分法判斷視頻序列中是否存在運動目標(biāo)，并確定目標(biāo)的位置，幀間差分法對一個極 小時間間隔前后兩幀圖像采用基于像素灰度的差分，再用閾值化方法來提取圖像中的運動 區(qū)域，算法為：
上式中，At為幀間時間間隔，f(x,y,t)和f(X，y,t-At))分別為t時刻和t-At時 刻的圖像幀；如果兩幀圖像對應(yīng)像素灰度的絕對差值大于閾值t，則表明該像素是運動前 景，則將其值置1，否則為靜態(tài)背景將其值置〇,可得二值圖像M(x，y，t); (2) 運動目標(biāo)的跟蹤 米用CamShift算法進(jìn)彳丁運動目標(biāo)跟蹤，算法如下： 第一步，在圖像HSI空間中計算H通道（色彩通道）分量的1D直方圖； 第二步，利用此1D直方圖將原圖改建成2D概率分布圖； 第三步，計算出目標(biāo)區(qū)域的中心； 第四步，利用CamShift算法，不斷平移調(diào)整窗口中心到與目標(biāo)重心重合； 第五步，將上一幀的窗口大小和中心，作為下一幀CamShift算法搜索窗口的初始值； 第六步，在下一幀中繼續(xù)CamShift運算； (3) 旋轉(zhuǎn)云臺轉(zhuǎn)動控制 采用kalman濾波算法進(jìn)行運動目標(biāo)狀態(tài)的預(yù)測，以實現(xiàn)旋轉(zhuǎn)云臺的提前轉(zhuǎn)動；根據(jù)預(yù) 測旋轉(zhuǎn)云臺可以提前轉(zhuǎn)動到目標(biāo)下一時刻位置，采用卡爾曼濾波算法來預(yù)測運動目標(biāo)的運 動狀態(tài)，利用濾波的遞推估計能力對下一時刻目標(biāo)位置進(jìn)行預(yù)測；將系統(tǒng)噪聲和觀測噪聲 視為高斯白噪聲，以運動目標(biāo)的位置作為系統(tǒng)觀測量，以所要目標(biāo)的位置估計值為輸出，對 運動目標(biāo)當(dāng)前運動狀態(tài)做出估計并對未來運動狀態(tài)做出預(yù)測； 目標(biāo)跟蹤系統(tǒng)系統(tǒng)的狀態(tài)方程和觀測方程分別為：
上式中：X(k)GR6為狀態(tài)向量，表示運動目標(biāo)的位置、速度和加速度，其表達(dá)式為X(k)=[xyxvyvxaya]T;z(k)eR2為觀測向量，表示運動目標(biāo)的位置;w(k)eR6是系統(tǒng)過程 噪聲向量；v(k)ER6是觀測噪聲向量；巾eR6X6是狀態(tài)轉(zhuǎn)移矩陣，其表達(dá)式為：
H是觀測矩陣，這里需要觀測運動目標(biāo)的位置，其表達(dá)式為
系統(tǒng)噪聲和觀測噪聲為互不相關(guān)的高斯白噪聲； 采用時間等間隔采樣對于紅外攝像頭的目標(biāo)跟蹤；在觀測到某一時刻目標(biāo)位置的時 候，能夠及時預(yù)估計出下一個時刻目標(biāo)出現(xiàn)的最大可能位置，以便于紅外攝像頭及時調(diào)整 角度，快速跟蹤目標(biāo)；在已知系統(tǒng)初始狀態(tài)時，根據(jù)當(dāng)前運動目標(biāo)的坐標(biāo)觀測值用卡爾曼濾 波得到x(1/1)，進(jìn)而預(yù)測x(2/1)，具體卡爾曼濾波方程如下： x(k/k) =x(k/k-1)+K(k)(z(k)-Hx(k/k-1)) x(k/k-l) = <}>x(k-l/k-1)) K(k) =P(k/k-1)HT(HP(k/k-1)HT+R(k)T1 P(k/k-1) = <i>P(k-l/k-l) <i>T+Q(k-l) P(k/k) = (I-K(k)H)P(k/k-1) 以上各式中，k= 1，2, 3…，x(k/k-l)和P(k/k-l)是狀態(tài)預(yù)測值及其最小預(yù)測均方誤 差矩陣，K(k)為卡爾曼濾波增益矩陣，z(k)為觀測新息，x(k/k)和P(k/k)為修正的狀態(tài)估 計值及其誤差協(xié)方差矩陣； k時刻時得到目標(biāo)的位置，然后可以根據(jù)位置信息獲得目標(biāo)的方位角，根據(jù)kalman濾波預(yù)測運動目標(biāo)在k+1時刻的位置之后，同樣可以算得k+1時刻的方位角，A0 = 0 k+1- 0k，已知旋轉(zhuǎn)云臺的轉(zhuǎn)動角速度，故通過設(shè)置旋轉(zhuǎn)云臺的轉(zhuǎn)動時間可以達(dá)到對旋轉(zhuǎn)云 臺的控制；當(dāng)運動目標(biāo)進(jìn)入紅外攝像頭的觀測范圍，紅外攝像頭在拍到圖像之后，可以根據(jù) 這些信息獲得每一時刻運動目標(biāo)的坐標(biāo)（x，y);在未獲得k時刻的新測量值z(k)之前，只 能從k-1時刻對信號所做出的估計出發(fā)，對k時刻的狀態(tài)信號x(k)進(jìn)行預(yù)估；在測得k時 刻目標(biāo)的當(dāng)前坐標(biāo)位置之后，就可以獲得目標(biāo)的真實狀態(tài)最優(yōu)估計值x(k|k);對預(yù)測值進(jìn) 行修正計算出目標(biāo)在k-1時刻最大可能位置的觀測值x(k+1 |k)，根據(jù)坐標(biāo)位置可獲得目標(biāo) 的偏轉(zhuǎn)角度，根據(jù)偏轉(zhuǎn)角度控制旋轉(zhuǎn)云臺的轉(zhuǎn)動時間。
【專利摘要】本發(fā)明公開了船載紅外目標(biāo)圖像辨識跟蹤方法及其裝置，其中裝置包括上位工控機(jī)、伺服控制下位機(jī)、旋轉(zhuǎn)云臺、視頻采集卡、搜索燈、紅外攝像頭，以及識別跟蹤控制軟件。上位工控機(jī)及跟蹤控制軟件完成運動目標(biāo)的辨識與跟蹤指令生成，控制云臺的旋轉(zhuǎn)角度，伺服控制下位機(jī)接收上位機(jī)的控制指令帶動云臺旋轉(zhuǎn)一定角度實現(xiàn)目標(biāo)跟蹤，搜索燈和紅外攝像頭固定在云臺上，視頻采集卡通過紅外攝像頭采集目標(biāo)紅外圖像，并上傳到上位工控機(jī)，搜索燈實現(xiàn)對跟蹤目標(biāo)的實時識別。本發(fā)明可實現(xiàn)對紅外運動目標(biāo)的提取、跟蹤和鎖定，具有運動目標(biāo)提取快速、不丟失跟蹤目標(biāo)、提前預(yù)估云臺轉(zhuǎn)動的特點，可廣泛應(yīng)用于港口、近海運動目標(biāo)的識別和報警，起到預(yù)警的作用。
【IPC分類】G06T7-20
【公開號】CN104616322
【申請?zhí)枴緾N201510073274
【發(fā)明人】袁健, 周忠海, 張 浩, 李俊曉, 牟華
【申請人】山東省科學(xué)院海洋儀器儀表研究所
【公開日】2015年5月13日
【申請日】2015年2月10日