當(dāng)前位置:首頁(yè) > 工業(yè)控制 > 《機(jī)電信息》
[導(dǎo)讀]摘要:針對(duì)時(shí)空上下文(STC)目標(biāo)跟蹤算法在高分辨率視頻衛(wèi)星影像中目標(biāo)經(jīng)過復(fù)雜背景時(shí)跟蹤準(zhǔn)確度過低的問題,提出適用于視頻衛(wèi)星影像數(shù)據(jù)的改進(jìn)型時(shí)空上下文目標(biāo)跟蹤算法。算法結(jié)合感知哈希算法對(duì)STC目標(biāo)跟蹤算法中置信圖模型加以改進(jìn)以提升跟蹤算法的目標(biāo)定位精度,使用幀間學(xué)習(xí)率自適應(yīng)更新方法以提升跟蹤算法準(zhǔn)確度。另外,對(duì)系列視頻衛(wèi)星影像進(jìn)行了仿真實(shí)驗(yàn),結(jié)果表明,所提算法在保證實(shí)時(shí)跟蹤速度的同時(shí)克服了視頻衛(wèi)星影像中復(fù)雜背景對(duì)目標(biāo)跟蹤算法的干擾,實(shí)現(xiàn)了針對(duì)高分辨率視頻衛(wèi)星影像的精準(zhǔn)目標(biāo)跟蹤。

引言

高分辨率視頻衛(wèi)星采用"凝視"成像方式對(duì)某一區(qū)域連續(xù)觀察并以視頻的方式記錄視場(chǎng)內(nèi)的變化信息,在一定時(shí)間范圍內(nèi)具有持續(xù)監(jiān)視能力。但由于視頻衛(wèi)星成像范圍大、衛(wèi)星載荷相機(jī)抖動(dòng)、大氣環(huán)境干擾、光照強(qiáng)度不穩(wěn)定、背景遮擋等問題的存在,傳統(tǒng)目標(biāo)跟蹤算法在視頻衛(wèi)星影像應(yīng)用中難以獲得成功,且尚未有成熟技術(shù)公開,實(shí)時(shí)目標(biāo)跟蹤技術(shù)目前仍是遙感視頻應(yīng)用領(lǐng)域的一大難題。

基于時(shí)空上下文(STC)的目標(biāo)跟蹤算法在貝葉斯框架下利用目標(biāo)和目標(biāo)局部的稠密信息的時(shí)空關(guān)系來建模,以其優(yōu)秀的跟蹤準(zhǔn)確率、實(shí)時(shí)性和快速魯棒性等優(yōu)點(diǎn)引起了學(xué)術(shù)界廣泛關(guān)注。然而,直接使用STC算法對(duì)高分辨率視頻衛(wèi)星影像中的興趣目標(biāo)進(jìn)行跟蹤應(yīng)用無(wú)法取得令人滿意的實(shí)驗(yàn)效果,主要因?yàn)樵诟叻直媛室曨l衛(wèi)星影像數(shù)據(jù)中目標(biāo)的尺度過小,難以提取目標(biāo)的特征,難以總結(jié)目標(biāo)規(guī)律,難以對(duì)目標(biāo)建立適合的數(shù)學(xué)模型:同時(shí),在高分辨率視頻衛(wèi)星影像中,由于成像尺度較大(如"吉林一號(hào)"視頻03星獲取的視頻影像數(shù)據(jù)的成像幅寬為11.2km×4.6km,分辨率為0.92m)而引起復(fù)雜背景對(duì)跟蹤算法的干擾遠(yuǎn)大于傳統(tǒng)視頻影像,例如機(jī)場(chǎng)停機(jī)坪內(nèi)紋理和陰影以及復(fù)雜的建筑外形等因素都會(huì)對(duì)以"飛機(jī)"為目標(biāo)進(jìn)行實(shí)時(shí)目標(biāo)跟蹤時(shí)造成巨大的背景干擾。

針對(duì)上述問題,本文提出適用于視頻衛(wèi)星影像的改進(jìn)時(shí)空上下文目標(biāo)實(shí)時(shí)跟蹤算法,使用感知哈希算法、幀間學(xué)習(xí)率自適應(yīng)更新方法分別提升STC目標(biāo)跟蹤算法的目標(biāo)定位精度和算法準(zhǔn)確度,實(shí)現(xiàn)對(duì)遙感視頻任意感興趣目標(biāo)的跟蹤。

1STC目標(biāo)跟蹤算法

1.1感知哈希上下文跟蹤

在STC跟蹤算法中,將當(dāng)前檢測(cè)區(qū)域的時(shí)空上下文模型響應(yīng)作為置信值,取置信值最大處作為目標(biāo)位置。但是,使用STC跟蹤算法對(duì)視頻衛(wèi)星影像進(jìn)行目標(biāo)跟蹤實(shí)驗(yàn)時(shí),由于復(fù)雜背景干擾和影像晃動(dòng)等因素對(duì)模型的干擾,算法獲取的置信位置誤差過大。此外,時(shí)空上下文模型呈現(xiàn)低通特性,總能對(duì)真實(shí)的目標(biāo)產(chǎn)生較大響應(yīng)值,但時(shí)空上下文模型的不斷更新會(huì)使響應(yīng)出現(xiàn)多個(gè)峰值,真實(shí)目標(biāo)位置可能在主峰的峰值處或者旁邊次峰值處。通過響應(yīng)值的最大值點(diǎn)確定目標(biāo)位置在模型不準(zhǔn)確時(shí)會(huì)導(dǎo)致跟蹤失敗。

針對(duì)上述問題,對(duì)多個(gè)響應(yīng)峰值點(diǎn)的對(duì)應(yīng)區(qū)域與前一幀目標(biāo)區(qū)域進(jìn)行哈希距離計(jì)算,以確定其真實(shí)目標(biāo)的中心,以此提升目標(biāo)定位精度。在哈希距離的計(jì)算中,綜合考慮算法健壯性和速度使用感知哈希算法(Perceptualhashalgorithm),步驟如下:

(1)計(jì)算前一幀目標(biāo)區(qū)域哈希值:

1)將選定區(qū)域縮放至32×32:

2)將彩色圖像轉(zhuǎn)化成灰度圖像:

3)對(duì)圖像進(jìn)行離散余弦(DCT)變換[5]以得到DCT系數(shù)矩陣:

4)截取系數(shù)矩陣左上角的8×8矩陣以保留圖像的低頻信息:

5)計(jì)算DCT系數(shù)矩陣的灰度平均值:

6)在系數(shù)矩陣中設(shè)置哈希值(小于灰度平均值設(shè)為"0",其余設(shè)為"1"),構(gòu)成選定區(qū)域的一個(gè)64位哈希值。

(2)以當(dāng)前幀的響應(yīng)峰值點(diǎn)為中心截取出與目標(biāo)框大小相同的圖像塊,計(jì)算其哈希值并與前一幀目標(biāo)區(qū)域哈希值對(duì)比:若64位哈希值中不同數(shù)據(jù)位數(shù)不超過5個(gè),則以該響應(yīng)值作為當(dāng)前幀目標(biāo)區(qū)域中心,否則進(jìn)行步驟(3)。

(3)選取當(dāng)前幀的響應(yīng)峰值的5個(gè)最大點(diǎn),分別以相應(yīng)最大點(diǎn)為中心截取出與目標(biāo)框大小相同的圖像塊,計(jì)算其哈希值并與前一幀目標(biāo)區(qū)域哈希值對(duì)比,選取哈希距離最小值對(duì)應(yīng)的圖像塊作為當(dāng)前幀目標(biāo)區(qū)域。

(4)若哈希距離最小值不止一個(gè),則以全部最小值對(duì)應(yīng)相應(yīng)點(diǎn)的位置坐標(biāo)均值作為當(dāng)前幀的目標(biāo)區(qū)域中心點(diǎn)。

1.2幀間學(xué)習(xí)率自適應(yīng)更新

在STC算法中,其固定學(xué)習(xí)率的方法雖然在一定程度上降低了算法復(fù)雜度,但該方法在當(dāng)前幀目標(biāo)丟失時(shí)會(huì)致使后續(xù)幀錯(cuò)誤模型快速累加,進(jìn)而導(dǎo)致STC算法跟蹤失敗。

為應(yīng)對(duì)跟蹤過程中目標(biāo)及背景信息的不斷變化,采用幀間學(xué)習(xí)率自適應(yīng)更新方法,根據(jù)跟蹤器的響應(yīng)結(jié)果和新舊目標(biāo)的哈希距離為學(xué)習(xí)率賦值。采用核相關(guān)濾波器中的PsR量化相關(guān)峰的銳利程度以衡量跟蹤結(jié)果匹配度:

式中,參數(shù)μ和a分別表示目標(biāo)區(qū)域的置信值均值和方差。

上下文學(xué)習(xí)率設(shè)為:

式中,參數(shù)t為幀數(shù):h為目標(biāo)區(qū)域上一幀目標(biāo)區(qū)域間的哈希距離:入=0.1為實(shí)驗(yàn)值。

2實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證所提算法在遙感影像數(shù)據(jù)中的有效性,使用現(xiàn)有實(shí)驗(yàn)平臺(tái)(1nte1i73.60GHzCPU/8GBRAM||MATLAB2016a)對(duì)遙感視頻進(jìn)行實(shí)驗(yàn)分析,四組分辨率不同的實(shí)驗(yàn)視頻序列均包含光照變化、背景雜亂和影像晃動(dòng)等干擾情況。選用跟蹤目標(biāo)的中心位置與手工標(biāo)定的準(zhǔn)確位置之間的平均歐式距離作為實(shí)驗(yàn)的評(píng)估標(biāo)準(zhǔn),同時(shí),選用邊界框成功率作為另一評(píng)估標(biāo)準(zhǔn),其定義為:

式中,跟蹤算法邊界框?yàn)镽t;手工標(biāo)注邊界框?yàn)镽a。

當(dāng)重疊率大于50%時(shí)視當(dāng)前幀為成功幀,成功幀數(shù)在總幀數(shù)中所占百分比為成功率。

圖1對(duì)比了本文算法和STC算法"舊金山"視頻序列中飛行器進(jìn)行目標(biāo)跟蹤實(shí)驗(yàn)結(jié)果,其中白色細(xì)框?yàn)镾TC算法跟蹤結(jié)果,黑色粗框?yàn)楸疚乃惴ǜ櫧Y(jié)果??梢钥闯?測(cè)試視頻序列中背景與目標(biāo)的圖像特性相似度極高,人眼已難以從背景中提取出目標(biāo),跟蹤難度極大。在目標(biāo)經(jīng)過跑道背景中的白塊時(shí),由于背景信息對(duì)目標(biāo)造成的極大干擾,STC算法在尋找目標(biāo)時(shí)出現(xiàn)錯(cuò)誤,真實(shí)目標(biāo)的響應(yīng)峰值并不是其最大值,進(jìn)而導(dǎo)致跟蹤失敗。

3結(jié)語(yǔ)

針對(duì)STC目標(biāo)跟蹤算法在高分辨率視頻衛(wèi)星影像中目標(biāo)經(jīng)過復(fù)雜背景時(shí)跟蹤準(zhǔn)確度過低問題,本文提出了適用于視頻衛(wèi)星影像的改進(jìn)時(shí)空上下文目標(biāo)實(shí)時(shí)跟蹤算法。該算法使用感知哈希算法、幀間學(xué)習(xí)率自適應(yīng)更新方法和固定目標(biāo)尺度方法分別提升STC算法的目標(biāo)定位精度、算法準(zhǔn)確度和算法速度。仿真實(shí)驗(yàn)結(jié)果表明,所提算法在保證實(shí)時(shí)跟蹤的同時(shí)克服了視頻衛(wèi)星影像中復(fù)雜背景對(duì)目標(biāo)跟蹤算法的干擾,實(shí)現(xiàn)了針對(duì)高分辨率視頻衛(wèi)星影像實(shí)時(shí)的精準(zhǔn)目標(biāo)跟蹤。

本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

倫敦2024年8月29日 /美通社/ -- 英國(guó)汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對(duì)日本游戲市場(chǎng)的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開幕式在貴陽(yáng)舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語(yǔ)權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對(duì)環(huán)境變化,經(jīng)營(yíng)業(yè)績(jī)穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤(rùn)率延續(xù)升勢(shì) 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長(zhǎng) 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競(jìng)爭(zhēng)力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)...

關(guān)鍵字: 通信 BSP 電信運(yùn)營(yíng)商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國(guó)電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場(chǎng) NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡(jiǎn)稱"軟通動(dòng)力")與長(zhǎng)三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉