CN112258549B - 一种基于背景消除的船只目标跟踪方法及装置 - Google Patents
一种基于背景消除的船只目标跟踪方法及装置 Download PDFInfo
- Publication number
- CN112258549B CN112258549B CN202011263209.9A CN202011263209A CN112258549B CN 112258549 B CN112258549 B CN 112258549B CN 202011263209 A CN202011263209 A CN 202011263209A CN 112258549 B CN112258549 B CN 112258549B
- Authority
- CN
- China
- Prior art keywords
- target
- block
- background
- ship
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于背景消除的船只目标跟踪方法及装置,该方法包括:获取采集到的第i帧影像;从所述第i帧影像中确定所要跟踪的船只目标区域;对所述船只目标区域进行分块处理,形成大小相同的多个目标块;从所述船只目标区域四周选取多个采样点,分别以每个所述采样点为中心生成与所述目标块大小相同的背景块,得到多个背景块;计算出具有相似区域的目标块和背景块的组合对;对所述组合对中目标块计算得到的相似区域裁剪和剔除,得到修正后的船只目标区域;利用修正后的船只目标区域作为第i+1帧影像中的船只目标进行跟踪。本发明通过对船只目标区域中相似区域的裁剪剔除,得到船只目标的轮廓区域,从而对船只目标下一帧进行准确的跟踪。
Description
技术领域
本发明涉及目标跟踪领域,具体涉及一种基于背景消除的船只跟踪方法及装置。
背景技术
现有的目标跟踪主要是针对所有跟踪的目标进行识别,从后续视频帧识别出该目标,完成跟踪。目前,也存在去除背景图像的方式来进行目标跟踪,能够提高目标跟踪的准确率。然而,发明人发现,这种跟踪方式,往往只能依据上一帧图像中的跟踪目标的目标框区域,不能完全以跟踪目标的实际轮廓进行跟踪,当出现跟踪目标姿态变化时,将导致目标跟踪出现偏差,导致跟踪识别不准确的问题。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中的船只跟踪识别不准确的问题,从而提供一中基于背景消除的船只目标跟踪方法。
根据第一方面,本发明提供了一种基于背景消除的船只目标跟踪方法,包括以下步骤:获取采集到的第i帧影像;从所述第i帧影像中确定所要跟踪的船只目标区域;对所述船只目标区域进行分块处理,形成大小相同的多个目标块;从所述船只目标区域四周选取多个采样点,分别以每个所述采样点为中心生成与所述目标块大小相同的背景块,得到多个背景块;计算出具有相似区域的目标块和背景块的组合对;对所述组合对中目标块计算得到的相似区域裁剪,并剔除所述相似区域,得到修正后的船只目标区域;利用修正后的船只目标区域作为第i+1帧影像中的船只目标进行跟踪。
本发明实施例提供的基于背景消除的船只目标跟踪方法,通过对影像背景置零处理或构建的神经网络模型确定的船只目标区域进行分块处理,分为多个大小相同的目标块,再根据目标区域四周选取多个采样点以此为中心生成与所述目标块大小相同的多个背景块;再计算出具有相似区域的目标块与背景的组合对,在组合对中计算得到的相似区域进行裁剪并剔除,得到修正后的船只轮廓区域作为船只的目标区域对下一帧影像中的船只目标进行跟踪。通过对组合对中相似区域的裁剪和剔除,使得目标船只的区域的范围精确到了船只的轮廓区域,以经过相似区域剔除修正之后的船只林廓区域为船只目标区域,从而实现了对船只目标的准确跟踪,避免了因船只目标姿态变化等因素造成了船只跟踪出现偏差使得船只目标跟踪识别不准确的问题。
结合第一方面,在第一方面第一实施方式中,所述目标块和所述背景块为大小相同的正方形;所述从所述船只目标区域四周选取多个采样点,分别以每个所述采样点为中心生成与所述目标块大小相同的背景块,得到多个背景块,包括:在距离所述船只目标区域预设距离位置,选取等间距的多个所述采样点,相邻采样点之间相距二倍的预设距离,所述预设距离等于所述正方形边长的一半;以所述采样点为中心,生成与所述船只目标区域外周分布的多个所述背景块。
本发明实施例提供的基于背景消除的船只目标跟踪方法,在选取船只目标区域四周的多个采样点时,设置采样点距离船只目标区域为正方形目标块边长的一半,相邻采样点之间的距离为目标块正方形的边长,这是为了保证背景块与目标块大小相同,设置采样点距离船只目标区域为正方形目标块边长的一半是为了能够对更加准确对计算相似区域避免出现误差,从而保证不会在进行对船只目标区域中相似区域裁剪和剔除的过程中出现裁剪错误和误剔除的情况,进而保证根据船只轮廓作为目标区域对船只目标跟踪的准确性。
结合第一方面,在第一方面第二实施方式中,所述计算出具有相似区域的目标块和背景块的组合对,包括:计算所述目标块与所述背景块之间的相似度;当所述目标块与所述背景块之间的相似度大于预设阈值时,将所述目标块与所述背景块作为一对组合对,然后计算下一个目标块与背景块之间的相似度,直到计算完所有目标块,得到组合对集合。
本发明实施例提供的基于背景消除的船只目标跟踪方法,通过计算目标块与背景块的相似度,设置阈值,但目标块与背景块的相似度大于所设置的阈值使,则对应的目标块与背景块作为一对组合对。在组合对的计算中,所有的目标块都需与背景块进行相似度计算,对船只目标区域划分的目标块进行全面的相似度计算,从而避免出现误差,进而保证了对船只轮廓的准确识别。
结合第一方面第二实施方式,在第一方面第三实施方式中,对所述组合对中目标块计算得到的相似区域裁剪,包括:当所述目标块与所述背景块之间的相似度大于预设阈值时,计算所述目标块与所述背景块之间的相似区域;对所述目标块中的相似区域进行定位,确定所述相似区域在所述目标块中的边界;以所述边界作为裁剪线,对所述目标块进行裁剪。
本发明提供的基于背景消除的船只目标跟踪方法,对上述计算相似度得到的组合对,计算每对组合对中目标块与背景块之间存在的相似区域,然后对目标块中的相似区域进行定位,驱动相似区域在目标块的边界,以此边界作为裁剪线对目标块进行裁剪,从而得到船只目标准确的轮廓区域作为修正后的船只目标区域,从而对船只目标进行准确的跟踪。
结合第一方面第二实施方式,在第一方面第四实施方式中,当所述目标块与所述背景块之间的相似度小于等于所述预设阈值时,确定所述目标块上不存在背景。
本发明实施例提供的基于背景消除的船只目标跟踪方法,在计算所有的目标块与背景块的相似度时,计算得到的相似度结果可能大于阈值也可能小于阈值,当相似度小于或等于预设阈值时,则认为目标块上不存在背景,则对应的目标块与背景块不作为组合对。
结合第一方面,在第一方面第五实施方式中,从所述第i帧影像中确定所要跟踪的船只目标区域,包括:获取海面上海水在影像上的第一像素值区间;获取天空在影像上的第二像素值区间;将所述第i帧影像中第一像素值区间和所述第二像素值区间的像素值置0,得到处理后的影像;从所述处理后的影像中识别符合船只形状的非0像素块,生成所述船只目标区域。
本发明实施例提供的基于背景消除的船只目标跟踪方法,将获取得到的海面上海水在影像上的像素值区间作为第一像素值区间及将获取天空在影像上的像素值区间作为第二像素值区间。在无人机对船只目标进行拍摄时的背景一般为海面或者天空,且是大面积的海面或者天空,因此通过对第一像素值区间和第二像素值区间的像素值进行置0处理,使得无人机拍摄的包含目标船只的大片背景的像素值都变为了,再在被处理后影像中识别船只形状的非0像素块,生成船只目标区域。
结合第一方面,在第一方面第六实施方式中,从所述第i帧影像中确定所要跟踪的船只目标区域,包括:利用预先构建的神经网络模型从所述第i帧影像中确定所要跟踪的船只目标区域。
根据第二方面,本发明提供了一种基于背景消除的船只目标跟踪装置,包括:
第一获取模块,用于获取采集到的第i帧影像;
确定模块,用于确定第i帧影像中所要跟踪的船只目标区域;
第二获取模块,用于获取对船只目标区域进行分块处理形成的大小相同的目标块;
第三获取模块,用于获取根据目标区域周围选取的多个采样点生成的与目标块大小相同的多个背景块;
第一计算模块,用于计算具有相似区域的目标块和背景块的组合对;
第二计算模块,用于计算组合对中目标块中的相似区域;
修正模块,用于对所述组合对中目标块相似区域进行裁剪和剔除;
跟踪模块,用于利用修正后的船只目标区域对第i+1帧中的船只目标进行跟踪。
本发明实施例提供的基于背景消除的船只目标跟踪装置。通过对获取得到的无人机拍摄的含有船只目标的影像的第i帧,对第i帧影像中大面积海面和天空的背景消除得到含有船只目标的目标区域;再对船只目标进行分块处理得到大小相同的正方形目标块;在船只目标区域的周围选取多个采样点,采样点距离船只目标区域的边缘长度为目标块长度的一半,一采样点为中心在船只目标区域的周围生成与目标块大小相同的正方形背景块,计算所有目标块与背景块之间的相似度,确定相似度大于阈值的目标块与背景块组成组合对,再计算组合对中的目标块与背景块的相似区域,以此目标块中的相似区域作为轮廓线对目标块进行裁剪,最后得到目标船只的轮廓,以此船只目标的轮廓区域作为修正后的船只目标区域对下一帧影像中的船只目标进行跟踪,保证船只目标跟踪的准确性。
根据第三方面,本发明实施例提供了一种电子设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或者第一方面的任意一种实施方式中所述的基于背景消除的船只目标跟踪方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的基于背景消除的船只目标跟踪方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1中基于背景消除的船只目标跟踪方法的一个具体示例的流程图;
图2为本发明实施例1中对相似区域进行裁剪的流程图;
图3为本发明实施例1中计算所要跟踪的船只目标区域的流程图;
图4为本发明实施例2中基于背景消除的船只目标跟踪装置的示意图;
图5为本发明实施例3提供的一种电子设备的硬件结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供了一种基于背景消除的船只目标跟踪方法,如图1所示,包括:
S1,获取采集到的第i帧影像;
S2,从所述第i帧影像中确定所要跟踪的船只目标区域;
本发明实施例中,通过第i帧影像上的海面上的海水的像素值区间作为第一像素值区间,天空在影像上的像素值作为第二像素值区间。据此,对无人机拍摄的船只影像的第i帧影像的第一像素值区间和第二像素值区间进行置0处理,经过处理后的影像,存在海水和天空的区域的像素值都为0,那么经过处理后的图像中的非0像素块则明显的显示了处理。但因为无人机拍摄的目标船只的影像可能会存在岛屿或者其他不为海水或天空的物,因此选取经过置0处理后图像中非0像素块中符合船只形状的非0像素块生产初始的船只目标区域。第i帧影像中的船只目标区域还可以是利用预先利用神经网络训练好的船只目标区域模型得到船只目标区域。
S3,对所述船只目标区域进行分块处理,形成大小相同的多个目标块;
S4,从所述船只目标区域四周选取多个采样点,分别以每个所述采样点为中心生成与所述目标块大小相同的背景块,得到多个背景块;
S5,计算出具有相似区域的目标块和背景块的组合对;
S6,对所述组合对中目标块计算得到的相似区域裁剪,并剔除所述相似区域,得到修正后的船只目标区域;
本发明实施例中,在对目标区域进行分块时,根据目标区域的形状和大小进行分块得到多个大小相同的正方形目标块。在船只目标区域的周围选取距离目标区域1/2目标块边长的采样点,采样点之间的距离为目标块的边长,依据此采样点作为中心在船只目标区域的周围生成背景块。计算目标块与背景块之间的相似度,当相似度大于设置的阈值,则将对应的目标块与背景块作为组合对。最后再根据这些组合对计算每一对组合对的相似区域,根据相似区域在目标块中存在的范围作为裁剪轮廓线,对目标块中的相似区域进行裁剪和剔除,得到船只目标的轮廓,作为修正后的船只目标区域。
S7,利用修正后的船只目标区域作为第i+1帧影像中的船只目标进行跟踪。
可选地,所述目标块和所述背景块为大小相同的正方形;所述从所述船只目标区域四周选取多个采样点,分别以每个所述采样点为中心生成与所述目标块大小相同的背景块,得到多个背景块,包括:在距离所述船只目标区域预设距离位置,选取等间距的多个所述采样点,相邻采样点之间相距二倍的预设距离,所述预设距离等于所述正方形边长的一半;以所述采样点为中心,生成与所述船只目标区域外周分布的多个所述背景块。
具体地,在本发明实施例中,目标块和背景块皆为大小相同的正方形,正方形的边长为a。背景块在船只目标区域的周围,背景块依据采样点生成,采样点作为背景块的中心点,与目标区域的距离为a/2,相邻采样点之间相距a。
可选地,所述计算出具有相似区域的目标块和背景块的组合对,包括:计算所述目标块与所述背景块之间的相似度;当所述目标块与所述背景块之间的相似度大于预设阈值时,将所述目标块与所述背景块作为一对组合对,然后计算下一个目标块与背景块之间的相似度,直到计算完所有目标块,得到组合对集合。
具体地,在本发明实施例中,还需要对目标块与背景块进行相似度计算,是为了获得相似度值大于阈值时对应目标块与背景块的组合对。计算所有的目标块与背景块的相似度,经过阈值判断得到一个组合集合。
可选地,如图2所示,对所述组合对中目标块计算得到的相似区域裁剪,包括:
S11,当所述目标块与所述背景块之间的相似度大于预设阈值时,计算所述目标块与所述背景块之间的相似区域;
S12,对所述目标块中的相似区域进行定位,确定所述相似区域在所述目标块中的边界;
S13,以所述边界作为裁剪线,对所述目标块进行裁剪。
可选地,当所述目标块与所述背景块之间的相似度小于等于所述预设阈值时,确定所述目标块上不存在背景。
具体地,在本发明实施例中,当目标块与背景块之间的相似度大于预设阈值时,计算目标块与背景块之间的相似区域,相似区域的计算时可以是利用目标块与背景块中提取的特征点进行一一匹配,得到匹配成功的特征点对,再根据这些特征点对存在的区域范围作为目标块与背景块之间的相似区域。根据相似区域在目标块中存在的范围,以相似区域的边界线作为裁剪线对目标块进行裁剪。对所有的组合对中的目标块进行相似区域的计算和裁剪,组合相似小于预设阈值的目标块,得到目标船只的整体和轮廓线,依次轮廓线为边界得到修正后的船只目标区域,对下一帧的船只目标进行跟踪,提高船只目标跟踪的准确性。
可选地,如图3所示,所述从所述第i帧影像中确定所要跟踪的船只目标区域,包括:
S21,获取海面上海水在影像上的第一像素值区间;
S22,获取天空在影像上的第二像素值区间;
S23,将所述第i帧影像中第一像素值区间和所述第二像素值区间的像素值至0,得到处理后的影像;
S24,从所述处理后的影像中识别符合船只形状的非0像素块,生成所述船只目标区域。
具体地,在本发明实施例中,通过对海面上海水在影像上的第一像素值区间和天空在影像上的第二像素值区间进行置0处理,得到非0像素块,生产船只目标区域。因为在海面上可能存在岛屿等非海水背景或天空背景的物,因此还需要对这些非0像素块进行识别,若这些相邻的非0像素块组合成的形状符合船只的形状,则依据此非0像素块组合成的符合船只形状的区域作为船只目标区域。该过程大面积的消除了海水和天空等背景,确定了船只目标区域。
可选地,所述从所述第i帧影像中确定所要跟踪的船只目标区域,包括:利用预先构建的神经网络模型从所述第i帧影像中确定所要跟踪的船只目标区域。
具体地,在本发明实施例中,在计算船只目标区域时,还可以通过神经网络模型对第i帧影像进行检测得到所要跟踪的船只目标区域。此方案与上述通过置0处理得到船只目标区域的方案为并列方案,目的皆在于获得船只目标区域。
本发明实施例通过对船只目标区域的周围进行背景裁剪,得到船只目标的实际轮廓作为修正后的船只目标区域对船只进行准确的跟踪,以此避免了当船只目标姿态发生变化时导致船只目标跟踪等出现偏差跟踪出现错误的问题。
实施例2
本发明实施例提供了一种基于背景消除的船只目标跟踪装置,如图4所示,包括:
第一获取模块10,用于获取采集到的第i帧影像;
确定模块20,用于确定第i帧影像中所要跟踪的船只目标区域;
具体地,在本发明实施例中,将获取得到的海面上海水在影像上的像素值区间作为第一像素值区间及将获取天空在影像上的像素值区间作为第二像素值区间。在无人机对船只目标进行拍摄时的背景一般为海面或者天空,且是大面积的海面或者天空,因此通过对第一像素值区间和第二像素值区间的像素值进行置0处理,使得无人机拍摄的包含目标船只的大片背景的像素值都变为了,再在被处理后影像中识别船只形状的非0像素块,生成船只目标区域。或者通过神经网络从第i帧影像中确定所要跟踪的船只目标区域。
第二获取模块30,用于获取对船只目标区域进行分块处理形成的大小相同的目标块;
具体地,在本发明实施例中,对船只目标区域进行分块处理的大小相同的目标块为正方形。
第三获取模块40,用于获取根据目标区域周围选取的多个采样点生成的与目标块大小相同的多个背景块;
具体地,在本发明实施例中,采样点与目标区域的距离为目标块正方形边长的1/2,相邻采样点之间的距离与正方形目标块的边长。
第一计算模块50,用于计算具有相似区域的目标块和背景块的组合对;
具体地,在被发明实施例中,所有的目标块和背景块都要进行相似度的计算,再根据预设的阈值,当相似度大于预设阈值时,对应的目标块和背景块组成组合对,判断所有目标块与背景块之间的相似度,得到一个组合对集合。目标块与背景块之间依据存在的相同像素值的区间进行计算,即目标块与背景块之间像素值区间的相同像素值区间在目标块像素值区间的比值与其在背景块像素值区间比值的平均值作为目标块与像素块的相似度。
第二计算模块60,用于计算组合对中目标块中的相似区域;
具体地,在计算组合对目标块中的相似区域时,当目标块与背景块之间的相似度大于预设阈值时,计算目标块与背景块之间的相似区域,相似区域的计算时可以是利用目标块与背景块中提取的特征点进行一一匹配,得到匹配成功的特征点对,再根据这些特征点对存在的区域范围作为目标块与背景块之间的相似区域。
修正模块70,用于对所述组合对中目标块相似区域进行裁剪和剔除;
具体地,在本发明实施例中,根据相似区域在目标块中存在的边界范围,以相似区域的边界线作为裁剪线对目标块进行裁剪。对所有的组合对中的目标块进行相似区域的计算和裁剪,组合相似小于预设阈值的目标块,得到目标船只的整体和轮廓线,依次轮廓线为边界得到修正后的船只目标区域,对下一帧的船只目标进行跟踪,提高船只目标跟踪的准确性。
跟踪模块80,用于利用修正后的船只目标区域对第i+1帧中的船只目标进行跟踪。
在本发明实施例中,通过对获取得到的无人机拍摄的含有船只目标的影像的第i帧,对第i帧影像中大面积海面和天空的背景消除得到含有船只目标的目标区域;再对船只目标进行分块处理得到大小相同的正方形目标块;在船只目标区域的周围选取多个采样点,采样点距离船只目标区域的边缘长度为目标块长度的一半,一采样点为中心在船只目标区域的周围生成与目标块大小相同的正方形背景块,计算所有目标块与背景块之间的相似度,确定相似度大于阈值的目标块与背景块组成组合对,再计算组合对中的目标块与背景块的相似区域,以此目标块中的相似区域作为轮廓线对目标块进行裁剪,最后得到目标船只的轮廓,以此船只目标的轮廓区域作为修正后的船只目标区域对下一帧影像中的船只目标进行跟踪,保证船只目标跟踪的准确性。
实施例3
本发明实施例提供了一种电子设备,如图5所示,该电子设备包括处理器21和存储器22,其中处理器21和存储器22可以通过总线或者其他方式连接,图5中以通过总线连接为例。
处理器21可以为中央处理器(CPU)。处理器21还可以为其它通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器22作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中遥感影像重叠区域计算方法对应的程序指令/模块。处理器21通过运行存储在存储器22中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中基于背景消除的船只目标跟踪方法。
存储器22还可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储处理器21所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或者其他非暂态固态存储器件。在一些实施例中,存储器22可选包括相对于处理器21远程设置的存储器,这些远程存储器可以通过网络连接至处理器21。上述网络的实施例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述存储器22中存储一个或者多个模块,当被所述处理器21执行时,执行如图1-3所示实施实例中的基于背景消除的船只目标方法。
上述电子设备具体细节可以对应参阅图1至图3所示的实施例中对应的相关描述和效果进行理解。此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、块闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (7)
1.一种基于背景消除的船只目标跟踪方法,其特征在于,包括如下步骤:
获取采集到的第i帧影像;
从所述第i帧影像中确定所要跟踪的船只目标区域;
对所述船只目标区域进行分块处理,形成大小相同的多个目标块;
从所述船只目标区域四周选取多个采样点,分别以每个所述采样点为中心生成与所述目标块大小相同的背景块,得到多个背景块;
计算出具有相似区域的目标块和背景块的组合对;
对所述组合对中目标块计算得到的相似区域裁剪,并剔除所述相似区域,得到修正后的船只目标区域;
利用修正后的船只目标区域作为第i+1帧影像中的船只目标进行跟踪;
所述从所述第i帧影像中确定所要跟踪的船只目标区域,包括:
获取海面上海水在影像上的第一像素值区间;获取天空在影像上的第二像素值区间;
将所述第i帧影像中第一像素值区间和所述第二像素值区间的像素值置0,得到处理后的影像;
从所述处理后的影像中识别符合船只形状的非0像素块,生成所述船只目标区域;
所述目标块和所述背景块为大小相同的正方形;所述从所述船只目标区域四周选取多个采样点,分别以每个所述采样点为中心生成与所述目标块大小相同的背景块,得到多个背景块,包括:
在距离所述船只目标区域预设距离位置,选取等间距的多个所述采样点,相邻采样点之间相距二倍的预设距离,所述预设距离等于所述正方形边长的一半;
以所述采样点为中心,生成与所述船只目标区域外周分布的多个所述背景块;
所述计算出具有相似区域的目标块和背景块的组合对,包括:
计算所述目标块与所述背景块之间的相似度;
当所述目标块与所述背景块之间的相似度大于预设阈值时,将所述目标块与所述背景块作为一对组合对,然后计算下一个目标块与背景块之间的相似度,直到计算完所有目标块,得到组合对集合。
2.根据权利要求1所述的方法,其特征在于,所述对所述组合对中目标块计算得到的相似区域裁剪,包括:
当所述目标块与所述背景块之间的相似度大于预设阈值时,计算所述目标块与所述背景块之间的相似区域;
对所述目标块中的相似区域进行定位,确定所述相似区域在所述目标块中的边界;
以所述边界作为裁剪线,对所述目标块进行裁剪。
3.根据权利要求1所述的方法,其特征在于,
当所述目标块与所述背景块之间的相似度小于等于所述预设阈值时,确定所述目标块上不存在背景。
4.根据权利要求1所述的方法,其特征在于,所述从所述第i帧影像中确定所要跟踪的船只目标区域,包括:
利用预先构建的神经网络模型从所述第i帧影像中确定所要跟踪的船只目标区域。
5.一种基于背景消除的船只目标跟踪装置,包括:
第一获取模块,用于获取采集到的第i帧影像;
确定模块,用于确定第i帧影像中所要跟踪的船只目标区域;
第二获取模块,用于获取对船只目标进行分块处理形成的大小相同的目标块;
第三获取模块,用于获取根据目标区域周围选取的多个采样点生成的与目标块大小相同的多个背景块;
第一计算模块,用于计算具有相似区域的目标块和背景块的组合对;
第二计算模块,用于计算组合对中目标块中的相似区域;
修正模块,用于对所述组合对中目标块相似区域进行裁剪和剔除;
跟踪模块,用于利用修正后的船只目标区域对第i+1帧中的船只目标进行跟踪;
其中,所述确定模块具体用于:
获取海面上海水在影像上的第一像素值区间;获取天空在影像上的第二像素值区间;
将所述第i帧影像中第一像素值区间和所述第二像素值区间的像素值置0,得到处理后的影像;
从所述处理后的影像中识别符合船只形状的非0像素块,生成所述船只目标区域;
所述第三获取模块具体用于:
在距离所述船只目标区域预设距离位置,选取等间距的多个所述采样点,相邻采样点之间相距二倍的预设距离,所述预设距离等于所述正方形边长的一半;其中,所述目标块和所述背景块为大小相同的正方形;
以所述采样点为中心,生成与所述船只目标区域外周分布的多个所述背景块;
所述第一计算模块具体用于:
计算所述目标块与所述背景块之间的相似度;
当所述目标块与所述背景块之间的相似度大于预设阈值时,将所述目标块与所述背景块作为一对组合对,然后计算下一个目标块与背景块之间的相似度,直到计算完所有目标块,得到组合对集合。
6.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-4任一项所述的一种基于背景消除的船只目标跟踪方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-4任一项所述的一种基于背景消除的船只目标跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263209.9A CN112258549B (zh) | 2020-11-12 | 2020-11-12 | 一种基于背景消除的船只目标跟踪方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011263209.9A CN112258549B (zh) | 2020-11-12 | 2020-11-12 | 一种基于背景消除的船只目标跟踪方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112258549A CN112258549A (zh) | 2021-01-22 |
CN112258549B true CN112258549B (zh) | 2022-01-04 |
Family
ID=74265804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011263209.9A Active CN112258549B (zh) | 2020-11-12 | 2020-11-12 | 一种基于背景消除的船只目标跟踪方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258549B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553182A (zh) * | 2019-12-26 | 2020-08-18 | 珠海大横琴科技发展有限公司 | 一种船只检索方法、装置及电子设备 |
WO2020216747A1 (fr) * | 2019-04-24 | 2020-10-29 | Safran Electronics & Defense | Procede de detection de cibles |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009205283A (ja) * | 2008-02-26 | 2009-09-10 | Olympus Corp | 画像処理装置、画像処理方法及び画像処理プログラム |
CN103514448A (zh) * | 2013-10-24 | 2014-01-15 | 北京国基科技股份有限公司 | 船形识别方法和*** |
CN103927751A (zh) * | 2014-04-18 | 2014-07-16 | 哈尔滨工程大学 | 基于梯度信息融合的水面光视觉图像目标区域检测方法 |
CN103971381A (zh) * | 2014-05-16 | 2014-08-06 | 江苏新瑞峰信息科技有限公司 | 一种多目标跟踪***及方法 |
CN105095898B (zh) * | 2015-09-06 | 2019-03-08 | 苏州经贸职业技术学院 | 一种面向实时视觉***的目标压缩感知方法 |
CN105357436B (zh) * | 2015-11-03 | 2018-07-03 | 广东欧珀移动通信有限公司 | 用于图像拍摄中的图像裁剪方法和*** |
CN106204648B (zh) * | 2016-07-05 | 2019-02-22 | 西安电子科技大学 | 一种基于背景剔除的目标跟踪方法及装置 |
CN106504205A (zh) * | 2016-10-20 | 2017-03-15 | 凌云光技术集团有限责任公司 | 一种图像去雾方法及终端 |
CN107609601B (zh) * | 2017-09-28 | 2021-01-22 | 北京计算机技术及应用研究所 | 一种基于多层卷积神经网络的舰船目标识别方法 |
CN107818571B (zh) * | 2017-12-11 | 2018-07-20 | 珠海大横琴科技发展有限公司 | 基于深度学习网络和均值漂移的船只自动跟踪方法及*** |
CN107977641A (zh) * | 2017-12-14 | 2018-05-01 | 东软集团股份有限公司 | 一种智能识别地形的方法、装置、车载终端及车辆 |
CN109766830B (zh) * | 2019-01-09 | 2022-12-27 | 深圳市芯鹏智能信息有限公司 | 一种基于人工智能图像处理的舰船目标识别***及方法 |
CN110889843B (zh) * | 2019-11-29 | 2023-04-18 | 西安电子科技大学 | 基于最大稳定极值区域的sar图像舰船目标检测方法 |
CN111611836A (zh) * | 2019-12-27 | 2020-09-01 | 珠海大横琴科技发展有限公司 | 基于背景消除法的船只检测模型训练及船只跟踪方法 |
-
2020
- 2020-11-12 CN CN202011263209.9A patent/CN112258549B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020216747A1 (fr) * | 2019-04-24 | 2020-10-29 | Safran Electronics & Defense | Procede de detection de cibles |
CN111553182A (zh) * | 2019-12-26 | 2020-08-18 | 珠海大横琴科技发展有限公司 | 一种船只检索方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112258549A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190318487A1 (en) | Method and apparatus for detection of false alarm obstacle | |
CN110969145B (zh) | 一种遥感图像匹配优化方法、装置、电子设备及存储介质 | |
JP6466811B2 (ja) | 走行区画線認識装置 | |
CN111275040B (zh) | 定位方法及装置、电子设备、计算机可读存储介质 | |
CN114419165B (zh) | 相机外参校正方法、装置、电子设备和存储介质 | |
CN111080784B (zh) | 一种基于地面图像纹理的地面三维重建方法和装置 | |
CN112991401B (zh) | 车辆运行轨迹追踪方法、装置、电子设备和存储介质 | |
Satzoda et al. | On performance evaluation metrics for lane estimation | |
CN110751836A (zh) | 车辆行驶预警方法及*** | |
CN111222417A (zh) | 一种用于提高基于车载图像车道线提取精度的方法及装置 | |
CN114280582A (zh) | 激光雷达的标定校准方法、装置、存储介质及电子设备 | |
JP6230498B2 (ja) | 対象物認識装置 | |
US11443131B2 (en) | Systems and methods for creating a parking map | |
CN106909935B (zh) | 一种目标跟踪方法及装置 | |
CN109658451B (zh) | 一种深度感知方法,装置和深度感知设备 | |
CN109691185B (zh) | 一种定位方法、装置、终端和可读存储介质 | |
CN112258549B (zh) | 一种基于背景消除的船只目标跟踪方法及装置 | |
CN110414374B (zh) | 一种障碍物位姿的确定方法、装置、设备及介质 | |
CN112651417B (zh) | 车牌识别方法、装置、设备及存储介质 | |
CN111753901A (zh) | 一种数据融合方法、装置、***及计算机设备 | |
CN115249407B (zh) | 指示灯状态识别方法、装置、电子设备、存储介质及产品 | |
CN112949609B (zh) | 一种车道识别方法、装置、介质和电子设备 | |
CN112258395A (zh) | 一种无人机拍摄的影像拼接方法及装置 | |
CN113379923A (zh) | 轨道识别方法、装置、存储介质及设备 | |
CN112163562A (zh) | 一种影像重叠区域计算方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |