型以及模擬的成像空間；
[0170] 例如：在地面上放置兩臺相機，拍攝目標為無人航拍飛機，則這兩臺相機對無人航 拍飛機進行連續(xù)拍攝，獲得的連續(xù)拍攝的圖片或影像即為目標影像序列；該無人航拍飛機 的模型可由飛機制造商等提供，模擬的成像空間，主要是以地面放置的兩臺相機的角度為 出發(fā)點，根據(jù)相機的參數(shù)如焦距、相機的坐標等，確定出模擬的成像空間。
[0171] 步驟202 :對當前幀的兩站圖片進行圖像分割，確定圖像特征區(qū)域；
[0172] 對于當前幀為首幀的圖片來說，需要用戶選定目標區(qū)域以及部分前景點和部分后 景點，例如：對于無人航拍飛機的圖片來說，用戶可以用矩形框選定出包含有無人航拍飛機 的區(qū)域作為目標區(qū)域，那么，進行圖像分割的過程就可以變成只對目標區(qū)域進行圖像分割， 而對于后續(xù)幀來說，圖像分割自動完成，并采用與首幀相同的分割方法。在該步驟中，主要 提供兩種分割方法來對圖像進行分割，具體選用哪種方法進行圖像分割，則通過判斷下述 公式的真假來確定，若為真，則選用方法一進行圖像分割，若為假，則選用方法二進行圖像 分割；
[0173] isTrehold = (fgMin > bgMax) | | (fgMax < bgMin)
[0174] 其中，Treshold表征閾值；fgMin表征理論前景點集合中像素最小值；bgMax表征 理論背景點集合中像素最大值；fgMax表征理論前景點集合中像素最大值；bgMin表征理論 背景點集合中像素最小值；
[0175] 方法一進行圖像分割過程：
[0176] 通過下述閾值公式計算閾值；
[0177] 閾值公式：
[0179] 根據(jù)下述判定公式，判斷目標區(qū)域的像素點是前景點還是背景點；
[0180] 判定公式為：
[
[0182] 其中，所述D(x，y)表征分割后的圖片中的像素點；所述1表征像素點為前景點； 所述0表征像素點為背景點；
[0183] 即當前像素點大于圖像分割閾值時，則當前像素點為前景點，否則，為背景點；
[0184] 確定所有前景點組成的集合為圖像特征區(qū)域，并結束。
[0185] 方法二進行圖像分割過程：
[0186] 將標記的部分前景點和部分背景點分別聚為K個類；
[0187] 利用下述公式，初始化各個類的高斯混合模型參數(shù)；
[0188] θ = { π ( a，k)，μ ( a，k)，Σ ( a，k)，α = 〇, 1，k = 1...K}
[0189] 其中，所述θ表征高斯混合模型參數(shù)；π (.)表征高斯分量在整個高斯模型中的 權重；μ (.)表征均值向量；Σ (.)表征斜方差矩陣；
[0190] 重復執(zhí)行Ml至M3,直至收斂：
[0191] Ml :對每個像素點分配高斯分量；
[0192] kn= argminD ( a n, kn, θ n, zn)
[0193] D ( a n, kn, Θ n, Zn) = -Iogp (Zn I a n, kn, Θ ) -log π ( a n, kn)
[0194] 其中，a "為0表征第n個像素點屬于前景點；a "為I表征第n個像素點屬于背 景點；kne {1，2,…，K}，Zn表征第η個像素點的像素值；p(.)表征高斯概率分布；π (.)表 征高斯分量在整個高斯模型中的權重；
[0195] M2 :根據(jù)每一個像素的高斯分量，確定高斯混合模型的參數(shù)；
[0196] Θ = argminU ( a，k，Θ，z)
[0198] 其中，U表征能量函數(shù)中的數(shù)據(jù)項；
[0199] M3 :根據(jù)下述公式，計算能量函數(shù)：
[0203] 其中，E表征吉布斯能量；U表征數(shù)據(jù)項；V表征光滑項；γ表征平滑項在吉布斯能 量中所占的比重；β表征與圖像對比度相關的系數(shù)；
[0204] 當能量函數(shù)值收斂時，根據(jù)所述能量函數(shù)值確定圖像特征區(qū)域。
[0205] 步驟203:對兩站圖片進行降噪，確定降噪后每一個像素點的亮度梯度以及亮度 梯度方向；
[0206] 步驟204 :根據(jù)亮度梯度和梯度方向，在圖像中跟蹤整個目標的邊緣，確定目標輪 廓線；
[0207] 在步驟203和步驟204中，對兩站圖片進行降噪，主要是對原始圖像與高斯平滑模 板作卷積；使用掩模檢測水平、垂直以及對角線方向的邊緣，原始圖像與每個掩模作卷積；
[0208] 標識當前幀分割后的圖片中，每一個像素點的最大值以及該像素點生成的邊緣的 方向；
[0209] 通過下述亮度梯度幅值及梯度方向表達式，確定每一個像素點的亮度梯度以及亮 度梯度方向；
[0210] 亮度梯度幅值：
[0211] 梯度方向：Θ = a tan2(Gy，Gx)，
[0212] 其中，所述Gx表征像素點在水平方向上的梯度；所述Gy表征像素點在垂直方向上 的梯度；
[0213] 確定兩個閾值，從一個較大的閾值開始，標識確信的真實邊緣，并根據(jù)每一個像素 點的亮度梯度以及亮度梯度方向，從所述真實邊緣開始，使用較小的閾值，在圖像中跟蹤整 個的邊緣；這一過程保證了輪廓線的連貫性。
[0214] 步驟205 :計算當前幀的兩站圖片中目標的重心坐標；
[0215] 對當前幀的兩站圖片中所有輪廓點坐標加和求平均值。
[0216] 步驟206:根據(jù)目標的重心坐標和兩站相機的內(nèi)外參數(shù)，確定目標模型在模擬的 成像空間中的位置；
[0217] 如圖3所示，對于兩站相機來說，命名為左相機和右相機，則左相機對應的像平面 即為左像平面，右相機對應的像平面即為右像平面，圖中SJP S2分別為左像平面和右像平 面對應的像空間坐標系的原點；分別根據(jù)左像平面和右像平面的當前幀的目標輪廓線確定 左像平面和右像平面中目標的重心點，該處重心點的確定是對目標輪廓線上的關鍵點的像 素點加權平均獲得，并確定左像平面和右像平面中目標的重心點在對應的像空間坐標系中 的點為圖中PJP P 2;左像平面和右像平面各自對應的像空間坐標系的原點S JP S 2與所述 對應的像空間坐標系中的點PJP P 2，形成兩條直線，記為LJP L 2，該LJP L 2可能為異面直 線；該LdP L 2的方向矢量分別為ζ, ζ,點叫和m 2分別為L JP L 2上的點，當I m ιΠ ι21值最 小時，Hl1Hl2即為兩條直線的公垂線；通過下述公式，確定位置系數(shù)；
[0219] 其中，α、β表征位置系數(shù)；.Pi表征點向量；表征點？2的向量；&.表征直 線L 1的方向矢量；g表征直線L2的方向矢量；
[0220] 根據(jù)位置系數(shù)，計算公垂線與兩條直線交點的坐標以及兩個交點的距離；根據(jù)公 垂線與兩條直線交點的坐標，計算中垂線中點的坐標；當兩個交點的距離小于一定值時，則 確定目標模型在模擬的成像空間中的位置為中垂線中點的坐標。
[0221] 步驟207:獲取模擬的成像空間中目標模型的模擬圖片，并提取模擬圖片的模擬 輪廓線；
[0222] 由于模擬過程沒有外界環(huán)境的干擾等，噪聲點等對其影響不大，則該模擬輪廓線 的獲取過程可以直接進行輪廓線提取，而無需消除噪聲等。
[0223] 步驟208 :確定當前模擬輪廓線相對當前目標輪廓線的目標函數(shù)值Ea和當前目標 輪廓線相對當前模擬輪廓線的目標函數(shù)值E b;
[0224] 假設有輪廓點集Ω，用？1表示輪廓線上的關鍵點，則
[0225] Ω = Ipi= (x i; y.), i = 1, ..., η}
[0226] 其中，（X1^1)為像平面坐標系中的坐標值，η為輪廓線關鍵點的個數(shù)。
[0227] 設目標輪廓線為Ωω，輪廓點個數(shù)為Ik。，模擬輪廓線為Q u，輪廓點個數(shù)為nu，
[0228] 在該步驟中，通過模擬輪廓線相對實際輪廓線的目標函數(shù)，獲得目標函數(shù)值：
[0230] 其中，pQie Ω ω，PuG Ω u，。表征當前實際輪廓線中關鍵點的個數(shù)，p Qi表征當 前目標輪廓線中關鍵點i的坐標，口^表征當前模擬輪廓線中關鍵點j的坐標，Clist(P t^pu) 表征點口^與P u的歐氏距離，同理可求得當前實際輪廓線相對當前模擬輪廓線的目標函數(shù) 值Eb;
[0231] 步驟209 :選取EjP Eb中的較大的一個，作為當前目標函數(shù)值；
[0232] 即：E = max (Ea，Eb)
[0233] 步驟210 :判斷當前目標函數(shù)值是否小于目標函數(shù)閾值，如果是，則執(zhí)行步驟211 ; 否則，執(zhí)行步驟212;
[0234] 值得說明的是，在該步驟中目標函數(shù)閾值的來源有兩種，在對首幀圖像對應的模 擬輪廓線的目標函數(shù)值進行判斷時，目標函數(shù)閾值的來源主要是在裝置中設定的目標函數(shù) 閾值；在對除首幀之外的后續(xù)幀對應的模擬輪廓線的目標函數(shù)值進行判斷時，當前幀對應 的目標函數(shù)閾值的來源主要是上一幀或上幾幀更新的目標函數(shù)閾值，例如：判斷出第一幀 對應的模擬輪廓線的目標函數(shù)值小于目標函數(shù)閾值，那么，就以該第一幀對應的目標函數(shù) 值作為新的目標函數(shù)閾值更新原有的目標函數(shù)閾值（即步驟211中確定當前目標函數(shù)值為 目標函數(shù)閾值的過程），當判斷第二幀對應的目標函數(shù)值時，用第一幀更新的目標函數(shù)閾值 進行判斷，如果最終第二幀對應的目標函數(shù)值大于目標函數(shù)閾值，則在判斷第三幀對應的 目標函數(shù)值時，仍然采用第一幀更新目標函數(shù)閾值進行判斷。
[0235] 步驟211 :確定當前目標函數(shù)值為目標函數(shù)閾值，并確定當前目標函數(shù)值對應的 目標模型的當前姿態(tài)，為目標的當前姿態(tài)，并執(zhí)行步驟213 ;
[0236] 在該步驟中，獲得當前姿態(tài)的過程：
[0237] 分別確定兩站相機的目標函數(shù)值；
[0238] 根據(jù)兩站相機的目標函數(shù)值及目標到兩站相機的距離，通過下述權重公式，分別 計算兩站相機的權重；
[0239] 兩站相機的權重公式分別為：
[0242] 其中，所述μ表征權重；E表征目標函數(shù)值；a表征能量平衡系數(shù)，D表征兩站分別 到目標的距離；L表征兩站相機中的第一站相機；R表征兩站相機中的第二站相機；
[0243] 利用下述求解公式，計算目標姿態(tài)；
[0244] 求解公式：
[0246] 其中，所述X表征目標姿態(tài)；所述&表征利用兩站相機中的第一站相機獲得的第 一目標姿態(tài)；所述\表征利用兩站相機中的第二站相機獲得的第二目標姿態(tài)。
[0247] 步驟212 :判斷當前目標函數(shù)值的迭代次數(shù)是否達到迭代次數(shù)閾值，如果是，則執(zhí) 行步驟213 ;否則，執(zhí)行步驟214 ;
[0248] 步驟213 :判斷當前幀是否為目標影像序列中的最后一幀，如果是，則執(zhí)行步驟 215 ;否則，執(zhí)行步驟216 ;
[0249] 步驟214 :調(diào)整目標模型姿態(tài)，對調(diào)整后的目標模型進行拍攝，并執(zhí)行步驟207 ;
[0250] 目標姿態(tài)主要包括六維數(shù)據(jù)，分別為坐標值，即x、y、z值，以及x、y、z方向上的姿 態(tài)角；
[0251] 在該發(fā)明實施例中，目標的空間坐標（X，y，z)已經(jīng)確定，該調(diào)整目標模型姿態(tài)，則 只需要對三個姿態(tài)角進行調(diào)整，維數(shù)已經(jīng)降至三維，某些情況甚至更低（如路面上行駛的 汽車，僅有兩維姿態(tài)角），效果相應會得到提升。
[0252] 新解的產(chǎn)生是基于上一幀姿態(tài)，例如：第一幀確定了目標姿態(tài)后，將第一幀確定的 目標姿態(tài)作為下一幀也就是第二幀目標模型的初始姿態(tài)。由于相鄰兩幀目標姿態(tài)的變化幅 度不會很大，相應的，調(diào)整變化的范圍也不會很大，這使得會很快求得合理的結果