基于信號濾波的目標跟蹤方法
【技術(shù)領域】
[0001] 本發(fā)明涉及信號跟蹤領域，具體地說，是涉及一種基于信號濾波的目標跟蹤方法。
【背景技術(shù)】
[0002] 目標跟蹤是指獲取時域連續(xù)信號中目標的位置，是信號處理研究的核心內(nèi)容，被 廣泛應用于分析雷達成像、可視圖像、一維雷達回波等多種傳感器產(chǎn)生的信號源，如圖1所 示。通過跟蹤車輛目標可以對車輛違章形式進行判斷；在車站、廣場等公共場所，通過跟蹤 行人目標可以檢測暴力事件和違法行為；將目標跟蹤技術(shù)與雷達技術(shù)相結(jié)合，可以對海陸 空出現(xiàn)的一些不明目標進行監(jiān)視和行為分析，預防異常事件。
[0003] 跟蹤算法一般會在初始時刻給出信號中目標的位置，并以此為依據(jù)估計分析后續(xù) 時刻目標的運動參數(shù)（包括位置、運動軌跡、速度等）。目標跟蹤結(jié)果可以有效分析目標 的運動狀態(tài)，預測目標的運動趨勢，并為高層語義識別提供依據(jù)?，F(xiàn)有方法在目標變化、噪 聲干擾、高速運動、部分遮擋等情況下跟蹤的速度、精度和魯棒性還不能滿足實際應用的需 求。
[0004] 為了解決目標跟蹤問題，研究人員提出了大量算法或方法，包括模板匹配、 mean-shift、粒子濾波、卡爾曼濾波等。但現(xiàn)有方法還不能滿足實際應用的需求，主要存在 以下一些不足：（1)目標自身變化、噪聲干擾、高速運動、部分遮擋等情況下跟蹤可能發(fā)生 漂移，且跟蹤產(chǎn)生漂移后很難恢復對指定目標的跟蹤；（2)目標跟蹤實時性較差；（3)目標 跟蹤精度未能達到實際應用需求。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題是提供一種基于信號濾波的目標跟蹤方法，以解決原 有的目標跟蹤領域中跟蹤精度不理想、實時性差、跟蹤魯棒性差的問題。
[0006] 為解決上述技術(shù)問題，本發(fā)明提供了一種基于信號濾波的目標跟蹤方法，包括如 下步驟：
[0007] 通過濾波器模型將輸入信號和輸出目標信任度映射建立函數(shù)關(guān)系；
[0008] 利用目標信任度映射估計矩陣和當前目標候選區(qū)域計算得到初始濾波器模型，并 把初始濾波器模型和前一時刻濾波器模型加權(quán)求和獲取當前的更新模型；
[0009] 利用濾波器模型對當前目標候選區(qū)域的信號進行濾波獲得目標信任度映射，以目 標信任度映射中的極大值作為當前目標跟蹤結(jié)果。
[0010] 進一步地，計算所述初始濾波器模型包括：獲取待測信號第t幀的目標中心位置， 采用固定大小的矩形窗口表征該當前目標候選區(qū)域，建立信任度映射估計矩陣，采用快速 傅里葉變換和反變換計算得到待測信號第t幀的初始濾波器模型。
[0011] 進一步地，建立信任度映射估計矩陣采用高斯函數(shù)或貝塞爾函數(shù)。
[0012] 進一步地，獲取當前目標的候選區(qū)域包括：根據(jù)前一時刻目標中心位置截取當前 時刻的窗口作為目標候選區(qū)域，或者根據(jù)目標運動軌跡估計當前時刻的區(qū)域作為目標候選 區(qū)域。
[0013] 進一步地，在對當前目標候選區(qū)域信號進行濾波前，還對信號進行預處理步驟，所 述預處理包括對信號進行信號空間變換，和/或信號去噪處理，和/或信號特征提取。
[0014] 進一步地，在獲取當前的初始濾波器模型后，再對該模型進行平滑處理，所述 平滑處理采用如下計算方法：
，其中，
分別表示第t-Ι幀和第t幀最終的濾波器模型，ft(x)為第t幀的初 始模型，并定義為〇, P為加權(quán)因子，P的取值大于〇小于1。
[0015] 進一步地，所述信任度映射估計矩陣在整個跟蹤過程中保持不變。
[0016] 進一步地，當?shù)趖+Ι幀信號到來時，利用第t幀更新得到的濾波器模型 對t+Ι幀的目標候選區(qū)域進行濾波可以求得第t+Ι幀的目標信任度映射，BP:
其中，??+1 〇〇表示第t+ι幀的目標候選 區(qū)域，第t+i幀信號以第t幀的目標位置截取矩形窗口作為目標候選區(qū)域，〇)為第 t+Ι幀的目標信任度映射。
[0017] 與現(xiàn)有技術(shù)相比，本發(fā)明所述的一種基于信號濾波的目標跟蹤方法，達到了如下 效果：
[0018] 1)本發(fā)明采用濾波器模型在線更新方式，使濾波器模型能夠適應目標的變化，解 決目標跟蹤精度偏低的問題；
[0019] 2)本發(fā)明利用快速傅里葉變換簡化濾波器模型更新和目標信任度映射的計算過 程，解決目標跟蹤實時性差的問題；
[0020] 3)本發(fā)明通過較平滑的方式更新濾波器模型，防止模型變化過于劇烈而產(chǎn)生目標 漂移，解決目標跟蹤魯棒性差的問題。
[0021] 4)本發(fā)明提供的一種新的目標跟蹤方法，能夠有效提高目標跟蹤各方面的性能， 更接近實際應用需求，具有重要的理論研究和實際應用價值。
【附圖說明】
[0022] 圖1是本發(fā)明所公開的基于信號濾波的目標跟蹤方法的實際應用的示意圖。
[0023] 圖2是本發(fā)明所公開的一種基于信號濾波的目標跟蹤方法的步驟圖。
[0024] 圖3是本發(fā)明所公開的一種基于信號濾波的目標跟蹤方法的在第t幀濾波器模型 更新的流程示意圖。
[0025] 圖4是本發(fā)明所公開的一種基于信號濾波的目標跟蹤方法的在第t+Ι幀目標信任 度映射計算的流程示意圖。
【具體實施方式】
[0026] 以下結(jié)合附圖對本發(fā)明作進一步詳細說明，但不作為對本發(fā)明的限定。
[0027] 圖1為本發(fā)明所公開的基于信號濾波的目標跟蹤方法的實際應用的示意圖。
[0028] 如圖2所示，本發(fā)明所述的一種基于信號濾波的目標跟蹤方法，包括如下步驟：
[0029] 步驟S1、通過濾波器模型將輸入信號和輸出目標信任度映射建立函數(shù)關(guān)系；
[0030] 步驟S2、利用目標信任度映射估計矩陣和當前目標候選區(qū)域計算得到初始濾波器 模型，并把初始濾波器模型和前一時刻濾波器模型加權(quán)求和獲取當前的更新模型；
[0031] 步驟S3、利用濾波器模型對當前目標候選區(qū)域的信號進行濾波獲得目標信任度映 射，以目標信任度映射中的極大值作為當前目標跟蹤結(jié)果。
[0032] 本發(fā)明即可以應用于一維信號（如雷達回波信號）中目標的跟蹤，也可以應用于 可視圖像、雷達圖像等二維信號中目標的跟蹤。下面以可視圖像中目標跟蹤為例，詳細說 明本發(fā)明的實施方式。
[0033] 在步驟一中，本發(fā)明把目標的候選區(qū)域作為輸入信號，候選區(qū)域中每個位置出現(xiàn) 的目標信任度映射作為輸出信號，則認為存在一個濾波器模型通過對輸入信號進行濾波獲 得輸出信號，如公式（1)所示。
[0034]
U )
[0035] 式中(TnfU)表示目標信任度映射，即在X位置目標出現(xiàn)的似然。I(X)為輸入的 目標候選區(qū)域，f(x)為需要尋找的濾波器模型?？梢钥闯霰景l(fā)明通過濾波器模型把輸入信 號和輸出目標信任度映射建立了聯(lián)系，從而把目標跟蹤問題便轉(zhuǎn)化為一個信號濾波問題。
[0036] 在步驟二中，利用目標信任度映射估計矩陣和當前目標候選區(qū)域計算得到初始濾 波器模型，并把初始濾波器模型和前一時刻濾波器模型加權(quán)求和獲取當前的更新模型，實 現(xiàn)濾波器模型的更新。
[0037] 具體來說，參照圖3所示，濾波器模型的更新主要包括如下步驟：
[0038] 1)獲得第t幀圖像的目標中心位置（第一幀圖像通過檢測或人工的方式給出目標 中心位置），并采用固定大小的矩形窗口表示目標區(qū)域。截取目標矩形區(qū)域I t(X)用作濾波 器模型更新。這里之所以采用目標區(qū)域而不是整個圖像作為濾波器輸入，是因為圖像中除 了目標區(qū)域還包含大量環(huán)境信息，這些信息對目標建模和跟蹤沒有用處，甚至會產(chǎn)生干擾。
[0039] 2)利用高斯函數(shù)建立信任度映射估計矩陣(Tnf(X