海面目標(biāo)跟蹤任務(wù)是實(shí)現(xiàn)水面無人艇自主化航行、智能化作業(yè)的重要基礎(chǔ)。相比于普通場(chǎng)景的目標(biāo)跟蹤,海面目標(biāo)跟蹤需要面對(duì)目標(biāo)抖動(dòng)劇烈及目標(biāo)尺度變化大等問題。針對(duì)海面目標(biāo)在圖像畫面中抖動(dòng)劇烈的問題,本文提出了搜索區(qū)域自適應(yīng)算法,該方法通過對(duì)海面場(chǎng)景的分割完成了海天線位置的提取,然后通過海天線運(yùn)動(dòng)模型自適應(yīng)地確定了每幀圖像中目標(biāo)搜索的區(qū)域;針對(duì)跟蹤過程中海面目標(biāo)尺度變化較大的問題,本文通過分割搜索區(qū)域的方法實(shí)現(xiàn)了目標(biāo)尺度變化的自適應(yīng)跟蹤�；谙嚓P(guān)濾波跟蹤框架并結(jié)合上述兩種改進(jìn)策略,在真實(shí)的海面目標(biāo)圖像測(cè)試序列中,本文算法相比傳統(tǒng)的相關(guān)濾波算法在跟蹤精度上至少提升了26%,有效地解決了目標(biāo)抖動(dòng)劇烈和尺度自適應(yīng)問題,提高了海面目標(biāo)跟蹤任務(wù)的精度。 

【文章來源】：光學(xué)精密工程. 2020,28(03)北大核心EICSCD

【文章頁數(shù)】：15 頁

【部分圖文】：

海面目標(biāo)跟蹤面臨的獨(dú)特挑戰(zhàn)

本文跟蹤算法的總體框架如圖2所示,對(duì)于待跟蹤圖像,首先由上一幀目標(biāo)的位置和尺度獲得搜索區(qū)域并提取搜索區(qū)域的HOG特征,采用相關(guān)濾波算法尋找目標(biāo)的中心位置。相關(guān)濾波算法生成與搜索區(qū)域大小相同的響應(yīng)圖,響應(yīng)圖中值最大的位置即為目標(biāo)中心位置。若目標(biāo)中心位置的響應(yīng)值大于閾值(通過實(shí)驗(yàn)確定),則認(rèn)為得到的目標(biāo)中心位置可靠。此時(shí)進(jìn)行尺度自適應(yīng)算法,根據(jù)得到的目標(biāo)中心位置截取圖像塊,再通過圖像分割算法將目標(biāo)從背景中分割出來以獲得目標(biāo)的精確尺度,最后由目標(biāo)的尺度矯正目標(biāo)中心的位置;若目標(biāo)中心位置的響應(yīng)值小于閾值,則認(rèn)為得到的目標(biāo)中心位置不可靠。此時(shí)執(zhí)行搜索區(qū)域自矯正算法,分割當(dāng)前幀和上一幀圖像中的海天區(qū)域,并由此擬合出海天線的直線方程。由當(dāng)前幀和上一幀的海天線方程可以得到海天線的運(yùn)動(dòng)模型,然后通過海天線的運(yùn)動(dòng)模型修正搜索區(qū)域的位置,再一次通過相關(guān)濾波獲取目標(biāo)的中心位置,直到最大的響應(yīng)值大于設(shè)定的閾值進(jìn)行尺度自適應(yīng)。本文提出的跟蹤算法由相關(guān)濾波模塊、搜索區(qū)域自矯正模塊和尺度自適應(yīng)模塊3個(gè)模塊組成。相關(guān)濾波算法[12]作為基礎(chǔ)框架,在其基礎(chǔ)上通過響應(yīng)值大小來判斷跟蹤效果。在第i幀,以目標(biāo)中心位置為中心,以目標(biāo)尺度擴(kuò)大一定的比例后得到的圖像塊作為基樣本,將基樣本循環(huán)位移后得到循環(huán)樣本集。依據(jù)嶺回歸模型求解濾波器,線性嶺回歸的優(yōu)化公式為:

高斯混合模型及其優(yōu)化:觀察到海景中海面與天空兩個(gè)區(qū)域色彩差異較大,而單個(gè)區(qū)域中色彩又較單一的特點(diǎn),本文使用高斯混合模型[23]對(duì)海面-天空?qǐng)鼍斑M(jìn)行建模。本分割任務(wù)將圖像分割成天空和海面兩個(gè)類別,因此使用的高斯混合模型由兩個(gè)高斯模型組成。最后通過EM優(yōu)化方法求解模型參數(shù)。為了得到更好的EM迭代效果,先通過自適應(yīng)算法確定大致的海面和天空區(qū)域。大致確定海面和天空區(qū)域方法的流程如圖4所示。首先將原圖縮放至較小的分辨率,由于這里是對(duì)整幅圖像進(jìn)行圖像分割,而圖像分割所花費(fèi)的時(shí)間與像素點(diǎn)的個(gè)數(shù)成正相關(guān),所以需要先對(duì)圖像進(jìn)行縮放。在同時(shí)考慮速率和精度的情況下,將圖像縮放至50×50的分辨率;然后將三通道圖像轉(zhuǎn)換為單通道灰度圖并計(jì)算每行像素的均值。平均值能夠抑制干擾,得到正確的海天線的大致位置,所以此時(shí)數(shù)據(jù)維度變?yōu)?0×1。由于海上場(chǎng)景天空比較明亮,從天空區(qū)域過渡到海面區(qū)域灰度值會(huì)發(fā)生突然變小,對(duì)50×1維的數(shù)據(jù)求一階導(dǎo)數(shù),一階導(dǎo)數(shù)最小的位置即為海天線大致位置。獲得海天線的大致位置后,將海面場(chǎng)景自適應(yīng)的劃分為兩個(gè)區(qū)域,根據(jù)這兩個(gè)區(qū)域的大小初始化高斯模型。圖像中每個(gè)像素均包括像素位置通道(row, col)和像素色彩通道(Y, U, V)共5個(gè)通道,每個(gè)通道均對(duì)應(yīng)一個(gè)高斯分布,使用EM算法分別對(duì)5個(gè)高斯分布的參數(shù)求解。

【參考文獻(xiàn)】：
期刊論文
[1]特征融合和自適應(yīng)權(quán)重更新相結(jié)合的運(yùn)動(dòng)模糊目標(biāo)跟蹤[J]. 王廣龍,田杰,朱文杰,方丹.  光學(xué)精密工程. 2019(05)
[2]改進(jìn)核相關(guān)濾波器的海上船只目標(biāo)跟蹤[J]. 董超,鄭兵,李彬,田聯(lián)房,劉蔚.  光學(xué)精密工程. 2019(04)
[3]自適應(yīng)多尺度顏色特征目標(biāo)跟蹤算法研究[J]. 李曉云,何秋生,張衛(wèi)峰,梁慧慧,陳偉.  液晶與顯示. 2019(03)
[4]時(shí)空上下文融合的無人艇海面目標(biāo)跟蹤[J]. 彭艷,陳加宏,李小毛,羅均,謝少榮,劉暢,蒲華燕.  中國科學(xué):技術(shù)科學(xué). 2018(12)
[5]自適應(yīng)模板更新和目標(biāo)重定位的相關(guān)濾波器跟蹤[J]. 劉教民,郭劍威,師碩.  光學(xué)精密工程. 2018(08)
[6]改進(jìn)RANSAC算法在直線擬合中的應(yīng)用[J]. 袁清珂,張振亞,畢慶.  組合機(jī)床與自動(dòng)化加工技術(shù). 2015(01)



本文編號(hào)：3492069