專利名稱：多特征自適應(yīng)融合船舶跟蹤和航跡檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種圖像處理技術(shù)領(lǐng)域的方法，具體是一種多特征自適應(yīng)融合船 舶跟蹤和航跡檢測方法。
背景技術(shù)：
隨著我國交通運(yùn)輸事業(yè)的迅猛發(fā)展和綜合、立體運(yùn)輸體系的逐步形成，水上運(yùn)輸 日趨繁忙，運(yùn)輸安全問題也變得越來越突出。2007年6月15日，一艘佛山籍運(yùn)沙船“南桂 機(jī)035”行航經(jīng)325國道九江大橋時(shí)撞擊九江大橋橋墩，造成325國道九江大橋約200米橋 面坍塌，事故造成4輛汽車墜江，9人死亡，直接經(jīng)濟(jì)損失達(dá)到3億元人民幣，修復(fù)工作預(yù)計(jì) 需要1年時(shí)間來完成。廣東九江大橋被航道船舶撞斷事件改變了水運(yùn)航道中橋梁被動(dòng)防撞 的觀念，提出了對航道中船舶碰撞的主動(dòng)預(yù)警迫切需求。常用傳統(tǒng)意義上的人工值守方式 進(jìn)行橋梁安全預(yù)警、報(bào)警顯然無法滿足當(dāng)前市場發(fā)展的需求。視頻目標(biāo)跟蹤作為計(jì)算機(jī)視覺研究的核心課題之一，是一門新興的技術(shù)，它融合 了圖像處理、模式識(shí)別、人工智能、自動(dòng)控制以及計(jì)算機(jī)等許多領(lǐng)域的先進(jìn)技術(shù)。視頻可以 看成是許多運(yùn)動(dòng)圖像的順序組合，而運(yùn)動(dòng)圖像分析是各種圖像處理方法的一種綜合應(yīng)用。視頻目標(biāo)跟蹤系統(tǒng)與傳統(tǒng)的目標(biāo)探測系統(tǒng)相比有一些突出的優(yōu)點(diǎn)，例如隱蔽性 和抗電子干擾性與雷達(dá)目標(biāo)跟蹤不同的是，視頻跟蹤系統(tǒng)為被動(dòng)式工作系統(tǒng)，其成像的本 質(zhì)決定其不受電磁干擾的影響，所以工作時(shí)不向外輻射無線電波，不易被敵方的電子偵查 裝置發(fā)現(xiàn)，也不易受到敵方電子干擾裝置的干擾，即隱蔽性好，抗干擾能力強(qiáng)。直觀性由于 可以直接看到目標(biāo)圖像，因而能方便、直觀地辨認(rèn)目標(biāo)。性價(jià)比高視頻跟蹤系統(tǒng)采用了攝 像機(jī)、光學(xué)系統(tǒng)等比較通用的器件，在目標(biāo)探測系統(tǒng)中，探測裝置有電視、紅外等類型，與雷 達(dá)系統(tǒng)比具有更高的性價(jià)比。較高的精確性、穩(wěn)定性和可靠性。視頻跟蹤的困難主要來自于以下幾個(gè)方面光照強(qiáng)度和天氣變化對跟蹤的影響； 目標(biāo)外觀變化或發(fā)生旋轉(zhuǎn)、放縮、位移等各種復(fù)雜的變化；目標(biāo)快速運(yùn)動(dòng)時(shí)跟蹤的穩(wěn)定性問 題；運(yùn)動(dòng)物體之間的相互遮擋和重疊問題；復(fù)雜的背景干擾、各類噪聲、遮擋、光照等因素 的影響；運(yùn)動(dòng)物體的正確檢測和分割問題；圖像的數(shù)據(jù)融合問題，比如多攝像頭跟蹤；跟蹤 的實(shí)時(shí)性問題等。雖然最近十幾年視頻目標(biāo)跟蹤問題獲得了廣泛的研究并取得了長足的進(jìn)步，但是 由于現(xiàn)實(shí)環(huán)境中的許多情況都會(huì)影響視頻圖像中對目標(biāo)的可靠觀測，因此設(shè)計(jì)出能夠在各 種復(fù)雜環(huán)境下準(zhǔn)確、快速、穩(wěn)定地跟蹤視頻目標(biāo)的方法，仍然是一項(xiàng)挑戰(zhàn)性的任務(wù)和急需解 決的課題。船舶交通管理系統(tǒng)(VTS系統(tǒng))可以對數(shù)公里至數(shù)百公里的地理區(qū)域中多個(gè)目標(biāo) 進(jìn)行有效的定位、跟蹤，因此，可以借鑒已有VTS的經(jīng)驗(yàn)，布設(shè)橋基雷達(dá)監(jiān)控系統(tǒng)，來監(jiān)控橋 址區(qū)域的船舶航行行為，判斷船橋撞擊危險(xiǎn)，對有撞擊橋梁結(jié)構(gòu)物可能的船舶提前發(fā)出警 報(bào)，從而降低船撞危險(xiǎn)。但是，目前用于VTS中的雷達(dá)采用微波波段工作，以目標(biāo)前沿檢測 跟蹤和目標(biāo)重心跟蹤兩種方式工作。其缺點(diǎn)在于(1)建立跟蹤的時(shí)間太長，達(dá)一個(gè)天線掃描周期，這不利于對港區(qū)機(jī)動(dòng)目標(biāo)快速建立穩(wěn)態(tài)跟蹤；( 跟蹤混跡現(xiàn)象較嚴(yán)重，兩船錄取 和跟蹤的分辨率較低，不適應(yīng)對交通密集的港口水域的目標(biāo)進(jìn)行跟蹤。因此橋梁防船撞監(jiān) 測系統(tǒng)不能照搬已有的VTS技術(shù)，必須針對小區(qū)域及高速通航等新應(yīng)用特點(diǎn)，研究和開發(fā) 特殊的視頻跟蹤系統(tǒng)。因此，滿足全天候、全天時(shí)、全自動(dòng)的基于航道內(nèi)船舶監(jiān)控圖像序列的多目標(biāo)跟蹤 技術(shù)是實(shí)現(xiàn)橋區(qū)船舶通航安全，開展船撞主動(dòng)預(yù)警的前提，其核心思想是利用船舶監(jiān)控系 統(tǒng)所安裝的光電傳感器對橋區(qū)內(nèi)的運(yùn)動(dòng)船舶目標(biāo)進(jìn)行跟蹤，當(dāng)運(yùn)動(dòng)船舶目標(biāo)超出所設(shè)定的 安全范圍時(shí)發(fā)出預(yù)警。經(jīng)過對現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，何濤等.船舶航跡管理與跟蹤系統(tǒng)設(shè)計(jì)[J].商場現(xiàn) 代化.2010. 3。該技術(shù)構(gòu)建了某港輪駁公司基于全球衛(wèi)星定位系統(tǒng)GPS的船舶動(dòng)態(tài)跟蹤系 統(tǒng)。GPS船舶動(dòng)態(tài)跟蹤系統(tǒng)(或稱GPS船舶定位監(jiān)測系統(tǒng))，是運(yùn)用了先進(jìn)的衛(wèi)星定位、地 理信息系統(tǒng)、通信、計(jì)算機(jī)數(shù)據(jù)處理功能等技術(shù)與設(shè)備構(gòu)成的?？梢詫Υ?或車輛)的 工作狀況進(jìn)行動(dòng)態(tài)跟蹤、監(jiān)測。某港(集團(tuán))輪駁公司引進(jìn)GPS技術(shù)開發(fā)船舶動(dòng)態(tài)跟蹤系 統(tǒng)，用于港口作業(yè)、沿海運(yùn)輸?shù)拇皠?dòng)態(tài)跟蹤管理，改變了過去對船舶作業(yè)時(shí)看不見，摸不 著的管理模式，為公司的調(diào)度人員、安監(jiān)人員、公司經(jīng)理提供明顯直觀的船舶調(diào)度管理操作 平臺(tái)。該方法不足之處在于1、GPS容易受到電離層和對流層等天氣的干擾；2、容易受到高 層建筑以及樹木等的影響，造成誤差，需要視野較開闊的觀測點(diǎn)；3、造價(jià)高。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)存在的上述不足，提供一種多特征自適應(yīng)融合船舶跟蹤和航 跡檢測方法，由顏色、形狀、紋理多種特征自適應(yīng)融合實(shí)現(xiàn)。顏色信息只在有光照亮度時(shí)有 效，夜間跟蹤需要用到形狀和紋理信息；而形狀信息對目標(biāo)的旋轉(zhuǎn)變化敏感，這時(shí)需要用到 具有旋轉(zhuǎn)不變性的顏色和紋理信息；紋理信息在船舶跟蹤中，受水波影響較大，不易獲得準(zhǔn) 確的紋理特征模型，這時(shí)又需要不受水波影響的顏色和形狀信息。利用多特征信息跟蹤目 標(biāo)，可以實(shí)現(xiàn)各想特征間信息的互補(bǔ)，增加了描述目標(biāo)模型的可靠性和魯棒性；在跟蹤目標(biāo) 時(shí)，將融合信息目標(biāo)模型結(jié)合到Camshift跟蹤算法中；將每幀目標(biāo)中心位置標(biāo)出，得到航 行軌跡，構(gòu)建基于多特征自適應(yīng)融合的船舶跟蹤和航跡檢測的方法，在航道橋梁船舶碰撞 預(yù)警系統(tǒng)等領(lǐng)域中可有廣泛的應(yīng)用。本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括以下步驟第一步、采用背景差分法首先選取背景中的一幅或幾幅圖像的平均作為背景圖 像，然后把以后的序列圖像當(dāng)前幀和背景圖像相減，進(jìn)行背景消去，當(dāng)所得到的像素?cái)?shù)大于 閾值則判定被監(jiān)視場景中有運(yùn)動(dòng)物體，從而得到運(yùn)動(dòng)船舶目標(biāo)；第二步、獲取運(yùn)動(dòng)船舶目標(biāo)的顏色、形狀及紋理特征信息，并通過獲取顏色、形狀 及紋理目標(biāo)特征直方圖在每幀圖像中的概率分布圖的穩(wěn)定性，確定各自的融合權(quán)值；所述的顏色信息，是目標(biāo)圖像色度信息的直方圖，利用該直方圖，在視頻每幀圖像 中得到概率分布圖，來表示該幀圖像的顏色特征信息，顏色信息只在有光照亮度時(shí)有效，夜 間跟蹤需要用到形狀和紋理信息；所述的形狀信息，是目標(biāo)圖像邊緣梯度方向直方圖，利 用該直方圖，在視頻每幀圖像中得到概率分布圖，來表示該幀圖像的形狀特征信息，形狀信 息對目標(biāo)的旋轉(zhuǎn)變化敏感，這時(shí)需要用到具有旋轉(zhuǎn)不變性的顏色和紋理信息；所述的目標(biāo)圖像邊緣梯度方向直方圖通過以下方式得到邊緣上每一像素都對應(yīng)此處一個(gè)邊緣梯度方 向，使用Sobel算子檢測圖像點(diǎn)(X，y)處像素的水平邊緣梯度dx和垂直邊緣梯度dy。目
標(biāo)圖像中點(diǎn)(x，y)處像素的邊緣梯度方向?yàn)閑(x，>0 = t θ e [-π，π]，對邊緣像素點(diǎn)的
αχ
梯度方向進(jìn)行統(tǒng)計(jì)，構(gòu)造梯度方向直方圖，即為目標(biāo)的形狀特征直方圖。所述的紋理信息，是目標(biāo)圖像通過Gabor濾波器濾波得到的圖像灰度直方圖，利 用該直方圖，在視頻每幀圖像中得到概率分布圖，來表示該幀圖像的紋理特征信息，紋理信 息在船舶跟蹤中，受水波影響較大，不易獲得準(zhǔn)確的紋理特征模型，這時(shí)又需要不受水波影 響的顏色和形狀信息。所述的紋理特征信息通過以下方式得到采用Gabor濾波器選取方向坐標(biāo)轉(zhuǎn)換角 度θ = 0°，方差Q2 = 5的濾波器，其中σ越大能量越分散，越小越集中。將目標(biāo)圖像與 濾波器進(jìn)行卷積，對卷積后的紋理圖像計(jì)算灰度直方圖，得到紋理特征信息。第三步、通過顏色、形狀、紋理各自的融合權(quán)值和概率分布圖計(jì)算出的聯(lián)合概率分 布圖，即融合特征信息，利用Camshift算法跟蹤運(yùn)動(dòng)船舶目標(biāo)并得到每幀目標(biāo)的位置中 心。所述的融合包括顏色-形狀自適應(yīng)融合、顏色-紋理自適應(yīng)融合、形狀-紋理自 適應(yīng)融合和多特征自適應(yīng)融合。


圖1為本發(fā)明構(gòu)建的多特征自適應(yīng)融合船舶跟蹤和航跡檢測的方法流程圖。圖2為本發(fā)明涉及的Camshift跟蹤算法流程圖。圖3為本發(fā)明構(gòu)建的多特征自適應(yīng)融合船舶跟蹤和航跡檢測的方法理論框架。
具體實(shí)施例方式下面對本發(fā)明的實(shí)施例作詳細(xì)說明，本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行 實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施 例。如圖1所示，本實(shí)施例包括以下步驟第一步、首先對運(yùn)動(dòng)船舶目標(biāo)進(jìn)行檢測，直到檢測到目標(biāo)為止；所述的船舶檢測是通過背景差分法是通過選取背景中的一幅或幾幅圖像的平均 作為背景圖像，然后把以后的序列圖像當(dāng)前幀和背景圖像相減，進(jìn)行背景消去。若所得到的 像素?cái)?shù)大于某一閾值，則判定被監(jiān)視場景中有運(yùn)動(dòng)物體，從而得到目標(biāo)。第二步、獲取運(yùn)動(dòng)船舶目標(biāo)的顏色、形狀、紋理特征信息；所述的顏色信息，是目標(biāo)圖像色度信息的直方圖，利用該直方圖，在視頻每幀圖像 中得到概率分布圖，來表示該幀圖像的顏色特征信息，顏色信息只在有光照亮度時(shí)有效，夜 間跟蹤需要用到形狀和紋理信息；所述的形狀信息，是目標(biāo)圖像邊緣梯度方向直方圖，利用該直方圖，在視頻每幀圖 像中得到概率分布圖，來表示該幀圖像的形狀特征信息，形狀信息對目標(biāo)的旋轉(zhuǎn)變化敏感， 這時(shí)需要用到具有旋轉(zhuǎn)不變性的顏色和紋理信息；
所述的目標(biāo)圖像邊緣梯度方向直方圖通過以下方式得到邊緣上每一像素都對應(yīng) 此處一個(gè)邊緣梯度方向，使用Sobel算子檢測圖像點(diǎn)(X，y)處像素的水平邊緣梯度dx和
垂直邊緣梯度dy。目標(biāo)圖像中點(diǎn)(x，y)處像素的邊緣梯度方向?yàn)?br> 權(quán)利要求
1.一種多特征自適應(yīng)融合船舶跟蹤和航跡檢測方法，其特征在于，包括以下步驟 第一步、采用背景差分法首先選取背景中的一幅或幾幅圖像的平均作為背景圖像，然后把以后的序列圖像當(dāng)前幀和背景圖像相減，進(jìn)行背景消去，當(dāng)所得到的像素?cái)?shù)大于閾值 則判定被監(jiān)視場景中有運(yùn)動(dòng)物體，從而得到運(yùn)動(dòng)船舶目標(biāo)；第二步、獲取運(yùn)動(dòng)船舶目標(biāo)的顏色、形狀及紋理特征信息，并通過獲取顏色、形狀及紋 理目標(biāo)特征直方圖在每幀圖像中的概率分布圖的穩(wěn)定性，確定各自的融合權(quán)值；第三步、通過顏色、形狀、紋理各自的融合權(quán)值和概率分布圖計(jì)算出的聯(lián)合概率分布 圖，即融合特征信息，利用Camshift算法跟蹤運(yùn)動(dòng)船舶目標(biāo)并得到每幀目標(biāo)的位置中心。
2.根據(jù)權(quán)利要求1所述的多特征自適應(yīng)融合船舶跟蹤和航跡檢測方法，其特征是，所 述的顏色信息，是目標(biāo)圖像色度信息的直方圖，利用該直方圖，在視頻每幀圖像中得到概率 分布圖，來表示該幀圖像的顏色特征信息，顏色信息只在有光照亮度時(shí)有效，夜間跟蹤需 要用到形狀和紋理信息；所述的形狀信息，是目標(biāo)圖像邊緣梯度方向直方圖，利用該直方 圖，在視頻每幀圖像中得到概率分布圖，來表示該幀圖像的形狀特征信息，形狀信息對目標(biāo) 的旋轉(zhuǎn)變化敏感，這時(shí)需要用到具有旋轉(zhuǎn)不變性的顏色和紋理信息；所述的目標(biāo)圖像邊緣 梯度方向直方圖通過以下方式得到邊緣上每一像素都對應(yīng)此處一個(gè)邊緣梯度方向，使用 Sobel算子檢測圖像點(diǎn)(X，y)處像素的水平邊緣梯度dx和垂直邊緣梯度dy。目標(biāo)圖像中點(diǎn)(x，y)處像素的邊緣梯度方向?yàn)?br> 3.根據(jù)權(quán)利要求1所述的多特征自適應(yīng)融合船舶跟蹤和航跡檢測方法，其特征是，所 述的紋理信息，是目標(biāo)圖像通過Gabor濾波器濾波得到的圖像灰度直方圖，利用該直方圖， 在視頻每幀圖像中得到概率分布圖，來表示該幀圖像的紋理特征信息，紋理信息在船舶跟 蹤中，受水波影響較大，不易獲得準(zhǔn)確的紋理特征模型，這時(shí)又需要不受水波影響的顏色和 形狀信息。所述的紋理特征信息通過以下方式得到采用Gabor濾波器選取方向坐標(biāo)轉(zhuǎn)換角度θ =0°，方差Q2 = 5的濾波器，其中σ越大能量越分散，越小越集中。將目標(biāo)圖像與濾波 器進(jìn)行卷積，對卷積后的紋理圖像計(jì)算灰度直方圖，得到紋理特征信息。
4.根據(jù)上述任一權(quán)利要求所述的多特征自適應(yīng)融合船舶跟蹤和航跡檢測方法，其特征 是，所述的融合包括顏色-形狀自適應(yīng)融合、顏色-紋理自適應(yīng)融合、形狀-紋理自適應(yīng)融 合和多特征自適應(yīng)融合。
5.根據(jù)權(quán)利要求4所述的多特征自適應(yīng)融合船舶跟蹤和航跡檢測方法，其特征是，所 述的顏色-形狀自適應(yīng)融合是指1)將目標(biāo)特征直方圖在整幅圖像上計(jì)算目標(biāo)出現(xiàn)的概率分布，并計(jì)算顏色-形狀特征 信息的聯(lián)合概率分布M(k，i) = aM。(k，i) + i3Ms(k，i)，α+β = i，其中M。(k，i)和軋&， i)分別為第k幀第i個(gè)目標(biāo)的顏色和形狀特征信息的概率分布圖，O ≤k ≤總幀數(shù)，O≤i≤總目標(biāo)數(shù)，O ≤ α, β≤1 分別為兩種特征信息在融合時(shí)的權(quán)值；2)利用更新權(quán)值的方法，實(shí)現(xiàn)各信息間的自適應(yīng)融合，具體為
6.根據(jù)權(quán)利要求4所述的多特征自適應(yīng)融合船舶跟蹤和航跡檢測方法，其特征 是，所述的顏色-紋理自適應(yīng)融合是指顏色-紋理自適應(yīng)權(quán)值更新權(quán)值計(jì)算如下
7.根據(jù)權(quán)利要求4所述的多特征自適應(yīng)融合船舶跟蹤和航跡檢測方法，其特征是，所 述的形狀-紋理自適應(yīng)融合是指形狀-紋理自適應(yīng)權(quán)值更新權(quán)值計(jì)算如下
8.根據(jù)權(quán)利要求4所述的多特征自適應(yīng)融合船舶跟蹤和航跡檢測方法，其特征是，所 述的多特征自適應(yīng)融合是指i)對顏色、形狀以及紋理信息的聯(lián)合概率分布
全文摘要
一種圖像處理技術(shù)領(lǐng)域的多特征自適應(yīng)融合船舶跟蹤和航跡檢測方法，采用背景差分法首先選取背景中的一幅或幾幅圖像的平均作為背景圖像，然后把以后的序列圖像當(dāng)前幀和背景圖像相減，進(jìn)行背景消去，當(dāng)所得到的像素?cái)?shù)大于閾值則判定被監(jiān)視場景中有運(yùn)動(dòng)物體，從而得到運(yùn)動(dòng)船舶目標(biāo)；獲取運(yùn)動(dòng)船舶目標(biāo)的顏色、形狀及紋理特征信息，并通過獲取顏色、形狀及紋理目標(biāo)特征直方圖在每幀圖像中的概率分布圖的穩(wěn)定性，確定各自的融合權(quán)值；通過顏色、形狀、紋理各自的融合權(quán)值和概率分布圖計(jì)算出的聯(lián)合概率分布圖，即融合特征信息，利用Camshift算法跟蹤運(yùn)動(dòng)船舶目標(biāo)并得到每幀目標(biāo)的位置中心。
文檔編號(hào)G06T7/20GK102081801SQ201110027278
公開日2011年6月1日 申請日期2011年1月26日 優(yōu)先權(quán)日2011年1月26日
發(fā)明者云霄, 肖剛 申請人:上海交通大學(xué)