目标跟踪系统中相关技术的分析.pdfVIP

出站报告 引言 目前，国外导引头信息处理技术的发展重点是采用各种新的方法及算法改进图 象处理技术及性能，解决在复杂背景条件下小目标的检测、识别及跟踪中的关键问 题以及系统的智能化，这主要包括智能化目标搜索和识别、智能化目标跟踪及智能 化控制与命中。在具体的研究过程中，除了对一些经典方法的改进外，新的理论及 算法也不断地被引入。 智能化技术从数学角度讲就是将不同的问题都归结为优化过程，让系统自动寻 优。遗传算法在优化搜索方面具有独特的优势，它可有效的避免陷于局部极值点。 国外从九十年代初开始在目标的识别与跟踪系统中采用遗传优化方法。英国的帝国 理工大学在1993年对红外和可见光图象进行融合处理的目标识别跟踪系统中采用 遗传优化方法取得了较好的效果。国内现在也有不少研究工作者致力于这方面的研 究，但与国外的研究还有一定的差距。 在近几年研究工作中，我们主要就新的优化搜索算法一遗传算法在图象处理中的 应用做了一些尝试性研究，并将其引入目标跟踪系统中，取得了较好的结果。另外， 变形模板、主动边界、测地线主动边界等技术也不断被引入图象跟踪系统中，这些 新的技术具有一定的应用前景，但也存在本身固有的问题，如何针对不同的问题， 将这些新技术合理应用到实际的图象跟踪系统中，提高系统的自适应能力及整体性 能，还需要进一步的研究实验。 本文针对上述提到的智能跟踪系统中需要的目标检测、识别等各种算法进行了 研究分析，并做了大量的实验以验证处理结果。本研究工作是在马颂德老师、卢汉 金及航二院207所实体办的资助。 目标识别跟踪系统中的算法研究 一、图象中目标的快速搜索算法 1．1引言 目标搜索或捕获是目标识别跟踪系统的关键技术之一。目标搜索算法必须保 证捕获到感兴趣的目标。目前大部分的跟踪系统都采用预先给定模板，通过模板匹 配锁定目标，或者采用人工锁定目标。随着系统技术的发展，对目标识别跟踪系统 的要求是朝着智能化方向发展，要求系统具有对目标的自动捕获、自动识别和自动 跟踪的能力。 本章提出了一种目标搜索算法，利用目标与背景之间的灰度分布特性，在一定 的范围内自动搜索并锁定目标。该算法假定搜索过程是在一个较大的区域开始进行 的，而目标是在该区域内的一个在灰度上与背景有差别的小区域。这个假定是符合 实际情况的。因此该搜索算法可以看作一个简单的主动边界方法，它首先由一个收 缩算法逐步缩小搜索区域，再结合图象的梯度信息来搜索目标，最后锁定目标轮廓。 该算法在搜索过程中只对少数的控制点进行计算，而且对控制点的初始位置无严格 限制，因而可以在含有Ifl标的区域快速完成搜索过程，实验表明该算法对不同大小、 不同形状的目标都可以取得很好的搜索结果。 目前大部分的跟踪系统都采用预先给定模板，通过模板匹配锁定目标，或者采 用人工锁定目标。随着系统技术的发展。对目标识别跟踪系统的要求是朝着智能化 方向发展，要求系统具有对目标的自动捕获、自动识别和自动跟踪的能力。 主动边界方法[1】自1988年提出以来，被广泛应用于目标轮廓检测及目标跟踪 系统中，其工作过程是利用能量最小化原理，使得在获取目标轮廓时所定义的能量 函数值达到最小。它的能量函数的表达式一般如下式所示 ， ■ (1-1) E=【E¨(V0))+—Ej。。(v(J))+—E二(v(s))ds 其中点0表示由于曲线弯曲而生成的内在能量，五‰。表示由图象本身所产生的能量， 丘。。表示外部的约束条件。各部分能量可由以下公式计算 4 出站报告 Eh=啦(s)k(J)f+声o)k(s)f2)／2(I-2) E船p=∞li憾Eli‰e十∞蚰≯E稿≯+∞‰。。E,e。。 ‘1-3] 权系数。(3)式中各项分别代表了图象本身不同的特征量。适当地定义以上各量， 使得(1)式为最小时，所有r(甸点集构成