一种对海面船只自动跟踪识别的方法和系统技术方案

本发明专利技术提供了一种海面船只自动跟踪识别的方法和系统，所述方法包括：对原图像中像素点的分析，得到动目标的前景点；将所述前景点作为掩码从所述原图像中分割提取出动目标的图像，对所述动目标的质心进行卡尔曼滤波，得到所述动目标的速度和航向；关联前后帧内动目标的质心，得到所述动目标的航迹。所述系统包括前景点分析模块、第一计算模块和第二计算模块。本发明专利技术通过在海平面上提取动目标的前景点，并获得动目标的运动速度和航迹，识别出船类型，最后显示动目标的航迹信息。

【技术实现步骤摘要】
一种对海面船只自动跟踪识别的方法和系统
本专利技术涉及图像识别
，尤其涉及对海面船只自动跟踪识别的方法和系统。
技术介绍
在沿海城市的港口和码头，需要对来往船只进行实时监控和自动跟踪，掌握船只的类型、形状及运动轨迹，确保海岸线和边境的安全。现有技术一般采用人工察看监控大屏的办法，不仅需要手动操作录取跟踪目标，还需要人工报警，自动化程度较低。
技术实现思路
本专利技术实施例提出了一种对海面船只自动跟踪识别的方法，所述方法包括：对监控海面的原图像中像素点进行分析，得到动目标的前景点；将所述前景点作为掩码从所述原图像中分割提取出动目标的图像，聚类获得所述动目标的质心，采用卡尔曼滤波得到所述动目标的速度和航向；对前后帧图像中动目标的质心进行关联，得到所述动目标的航迹。本专利技术实施例还提供了一种对海面船只自动跟踪识别的系统，所述系统包括：前景点分析模块，用于对原图像中像素点的分析，得到动目标的前景点，对所述动目标的前景点进行色彩检测和高斯降噪处理；第一计算模块，用于将所述前景点作为掩码从所述原图像中分割提取出动目标的图像，聚类获取所述动目标的质心，采用卡尔曼滤波得到所述动目标的速度和航向；第二计算模块，用于根据所述第一计算模块得到的所述动目标的速度和航向，关联前后帧图像中动目标的质心得到所述动目标的航迹。有益效果如下：本专利技术提供的方案，不仅能从海洋环境背景中检测出运动的船只，进而分配批号、计算相对航速、航向和关联航迹点，实现对动目标在线实时地跟踪，而且能根据预设的船只类型模板匹配和识别出动目标的船只类型，大大地提高了监控设备的智能化水平，为实现自动监测报警、无人值守提供了必要的条件。先后采用了混合高斯模型、色彩检测、高斯降噪三种方法，准确地提取到动目标的前景点。为了能对动目标进行持续地跟踪，采用了卡尔曼滤波算法，获得了目标的运动速度和航迹。为了能识别出与模型库中模板相应的船类型，先利用前景点作为掩码从原图像中分割出动目标，与模板进行比较匹配，再采用主成分分析和神经网络后向传播算法，正确地识别出船类型，最后显示航迹信息。附图说明下面将参照附图描述本专利技术的具体实施例，其中：图1示出了本专利技术实施例一中对海面船只自动跟踪识别的方法流程图；图2示出了本专利技术实施例一中原图像中像素点的分析得到动目标的前景点的方法流程图；图3a示出了本专利技术实施例一中采集到的原图像；图3b示出了本专利技术实施例一中采用混合高斯模型提取的前景点；图4示出了本专利技术实施例一中经过色彩检测后的前景点；图5示出了本专利技术实施例一中高斯卷积处理后的前景点；图6示出了本专利技术实施例一中卡尔曼滤波后的跟踪批号；图7示出了本专利技术实施例一中分割提取出的船只示意图；图8示出了本专利技术实施例一中匹配识别出的类型及识别率；图9示出了本专利技术实施例一中显示动目标的航迹信息及类型；图10示出了本专利技术实施例二中对海面船只自动跟踪识别的系统结构示意图。具体实施方式为了使本专利技术的技术方案及优点更加清楚明白，以下结合附图对本专利技术的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是所有实施例的穷举。并且在不冲突的情况下，本说明中的实施例及实施例中的特征可以互相结合。高清摄像机一般每秒采集25帧图像，每帧1080P格式图像尺寸为1920×1080，具有207万个像素点，而每个像素点用3个字节表示彩色RGB分量，因此在1秒钟之内需要处理1.5亿字节，对图像处理的实时性要求极高。为了能快速、高效地处理数据，本专利技术采用了分模块和多线程并行处理技术。由于在海面上常有若隐若现的波浪和停泊晃动的船只，在天空上有飘移的云朵和飞行的鸟群等干扰物出现，这些都是跟踪识别过程中需要解决的难题。为了能自动地从海杂波中检测出动目标，分别从时间、色彩和空间不同角度，准确地提取到动目标的前景点，并获得目标的运动速度和航迹，进而得到动目标的航迹信息。实施例一如图1所示，本专利技术提出一种对海面船只自动跟踪识别的方法，所述方法包括：步骤101：对监控海面的原图像中像素点进行分析，得到动目标的前景点；其中，本专利技术为了能自动地从海杂波中检测出动目标，分别从时间、色彩和空间不同角度进行分析，具体采用了混合高斯模型、色彩检测、高斯降噪三种方法，准确提取出动目标的前景点。1)混合高斯模型提取前景点步骤1011：对监控海面的原图像中每个像素点建立高斯分布模型；其中，为图像中每个像素点建立K类高斯分布的模型，每类模型出现的概率为ωk=P(k)，k=1，2，…，K，(1)而出现在所有模型内的总概率为第k类模型符合高斯正态分布：其中X是像素点的测量矢量，n是测量矢量的维数，当只有亮度分量时n取值为1，当采用RGB分量时n取值为3，μk是第k类高斯分布的均值，∑k是协方差矩阵，在线性彩色空间中用标量σk近似代替。用比值进行降序排列后，设定前景点分离门限值为T，满足以下条件的为背景点的高斯分布模型：步骤1012：判断每个像素点建立的高斯分布模型是否在预设的背景点的高斯分布范围内，像素点不在背景点的高斯分布范围内时，将像素点识别为动目标的前景点。其中，当像素点落在背景点的高斯分布范围内，表明该点为背景点，否则为前景点并进行提取。本专利技术采集到的原图像如图3a所示，采用混合高斯模型提取的前景点如图3b所示。2)对前景点进行色彩检测消除阴影步骤1013：对图像中每个像素点的RGB分量建立三种不同方差的正态高斯分布模型，计算图像中每个像素点的亮度失真度和色彩失真度；具体的，为图像中每个像素点颜色的RGB分量分别建立3种不同方差的正态高斯分布模型，第i个像素点的期望均值为为使输入的新分量值与均值间的误差最小，令误差函数的一阶导数为零，从而获得最佳亮度失真度αi：其中μR(i)，μG(i)和μB(i)分别为第i个像素点红色、绿色和蓝色的均值，σR(i)，σG(i)和σB(i)分别为红色、绿色和蓝色的标准差。色彩失真度定义为输入的颜色与期望颜色之间的正交距离：对于N帧图像中第i个像素点的亮度失真度和色彩失真度用均方根表示为：步骤1014：对动目标的每个前景点的亮度失真度和色彩失真度进行归一化处理，得到每个前景点的归一化亮度失真度和归一化色彩失真度；图像中不同的像素点有不同分布情况，为了能简单使用统一门限值，重新标定亮度失真度和色彩失真度，可理解为归一化亮度失真度和归一化色彩失真度：和根据计算出的和对像素点进行分类处理，属于原始背景点(Background)用B表示，属于阴影点(Shadow)用S表示，属于高亮背景点(Highlighted)用H表示，移动前景点(Foreground)用F表示，分类判断公式如下：上述根据归一化的亮度失真度和色彩失真度，对图像中的所有像素点进行分类，得到分类结果，分类结果包括原始背景点、阴影点、高亮背景点和移动前景点。步骤1015：判断动目标的每个前景点的归一化亮度失真度及归一化色彩失真度与预设亮度门限或预设色彩门限的关系，保留动目标的前景点或删除阴影点、背景点和高亮点。具体的，若动目标的前景点的归一化色彩失真度大于预设色彩门限，保留这些动目标的前景点，另外当运动目标较暗时，其归一化色彩失真度将小于预设色彩门限，为了保留该类动目标，将归一化亮度失真度大于零小于预设亮度门限的前景点也保留；相反，若动目标本文档来自技高网...

【技术保护点】
一种对海面船只自动跟踪识别的方法，其特征在于，所述方法包括：对监控海面的原图像中像素点进行分析，得到动目标的前景点；将所述前景点作为掩码从所述原图像中分割提取出动目标的图像，聚类获得所述动目标的质心，采用卡尔曼滤波得到所述动目标的速度和航向；对前后帧图像中动目标的质心进行关联，得到所述动目标的航迹。

【技术特征摘要】
1.一种对海面船只自动跟踪识别的方法，其特征在于，所述方法包括：对监控海面的原图像中像素点进行分析，得到动目标的前景点；将所述前景点作为掩码从所述原图像中分割提取出动目标的图像，聚类获得所述动目标的质心，采用卡尔曼滤波得到所述动目标的速度和航向；对前后帧图像中动目标的质心进行关联，得到所述动目标的航迹。2.如权利要求1所述的方法，其特征在于，所述对监控海面的原图像中像素点进行分析，得到动目标的前景点，具体包括：对原图像中每个像素点建立高斯分布模型；判断所述每个像素点建立的高斯分布模型是否在预设的背景点的高斯分布范围内；所述像素点不在所述背景点的高斯分布范围内时，将所述像素点识别为动目标的前景点。3.如权利要求1所述的方法，其特征在于，所述得到动目标的前景点后，还对所述动目标的前景点进行色彩检测以消除阴影，具体包括：对图像中每个前景点的RGB分量建立三种不同方差的正态高斯分布模型，计算所述图像中每个前景点的亮度失真度和色彩失真度；对所述动目标的每个前景点的亮度失真度和色彩失真度进行归一化处理，得到每个前景点的归一化亮度失真度和归一化色彩失真度；判断所述每个前景点的归一化亮度失真度及归一化色彩失真度与预设亮度门限或预设色彩门限的关系；保留归一化色彩失真度大于预设色彩门限的前景点，并保留归一化亮度失真度大于零小于预设亮度门限的前景点；将归一化色彩失真度小于等于预设色彩门限的前景点，且归一化亮度失真度大于预设亮度门限的背景点、高亮点以及小于零的阴影点，均予以删除。4.如权利要求1-3任一所述的方法，其特征在于，所述方法对所述动目标的前景点进行色彩检测之后，还对所述动目标的前景点进行高斯降噪处理，具体包括：对所述动目标的前景点与高斯分布函数进行卷积运算，将卷积运算结果与所述动目标前帧前景点卷积值相累加；对累加值小于检测门限的前景点进行删除，以消除海浪产生的噪声点。5.如权利要求4所述的方法，其特征在于，所述方法将所述前景点作为掩码从所述原图像中分割提取动目标的图像，具体包括：将高斯降噪处理后的前景点作为掩码，对原图像进行逻辑“与”操作，分割提取出动目标的图...

【专利技术属性】
技术研发人员：姜向宏，刘洋，桑成伟，罗刚，刘根，朱勇，
申请(专利权)人：中国人民解放军空军预警学院监控系统工程研究所，
类型：发明
国别省市：湖北,42