多目标跟踪方法综述

© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net 文章编号:1671-637Ⅹ(2004)0320026204多目标跟踪方法综述

刘　钢1,2,　刘　明1,　匡海鹏1,　修吉宏1,　翟林培1(1.中国科学院长春光学精密机械与物理研究所,吉林长春　130022;2.空军长春飞行学院,吉林长春　130022)摘 要:　多目标跟踪问题在军事和民用方面都有着十分广泛的应用,如在军事方面的空中预警、空中攻击(多目标攻击)等,民用方面包括空中交通管制等。多目标跟踪在军事上的应用受到了各国广泛重视。本文对目前国内外部分文献上发表的有关多目标跟踪方法进行了综述。并对各种方法的优缺点进行了比较。基于小波变换的方法与其它几种方法相比其优点更为突出,而基于多传感器数据融合的方法是未来多目标跟踪发展的方向。关　键　词:　多目标跟踪;　军事;　方法综述中图分类号:　V27114;　E96 文献标识码:　ASurveyonmulti2targettrackingmethodLIUGang1,2,　LIUMing1,　KUANGHai2peng1,　XIUJi2hong1,　ZHAILin2pei1(1.ChangchunInstituteofOptics,FineMechanicsandPhysics,ChineseAcademyofScience,Changchun130022,China;2.ChangchunAviationInstituteofAirForce,Changchun130022,China)Abstract:　Multi2targettrackingtechnologyhasfoundwideapplicationinbothmilitaryandcivilareas,suchasairborneearlywarningandmulti2targetattackinginmilitaryactivitiesandairtrafficcontrolincivilaviation.Manycountrieshavepaidmuchattentiontothemilitaryapplicationofthetechnology.Thispaperpresentsasummaryonthemulti2targettrackingmethodsgiveninbothdomesticandforeignpublications.KeyWords:　multi2targettracking;　militaryaffairs;　methodsurvey

0　概述多目标跟踪问题无论在军事还是民用方面都有着十分广泛的应用,如在军事方面的弹道导弹防御、空中预警、空中攻击(多目标攻击)、海洋监视(水面舰只或潜艇)、战场监视(地面坦克或空中飞机),民用方面包括空中交通管制(民航飞机)等等。多目标跟踪在军事上的应用尤其受各国广泛重视。近些年来,由于红外和可见光侦察、监视设备在军事上的大量应用,也推动了多目标跟踪技术的快速发展。通常红外和可见光侦察、监视设备距离目标较远,由于大气对红外和可见光的辐射有衰减作用,系统可视的目标、背景亮度对比度显著下降,多目标跟踪问题就成了强杂波背景下或复杂背景下对弱小目标检测和跟踪的问题。要想从复杂变化的背景中检

收稿日期:2003212224 修定日期:2004206207作者简介:刘钢(19722),男,吉林长春人,博士生,讲师,主要从事自动控制及数字图像处理方面的研究工作。测出目标并进行跟踪并非易事,这涉及到背景杂波的抑制,有效的目标分割,跟踪目标的轨迹,并对目标的轨迹进行预测等一系列问题。1　机动目标的跟踪方法机动目标的跟踪方法主要分为空间跟踪和时间-空间跟踪两种。111　空间跟踪方法空间跟踪是单独对每帧图像信号进行处理,利用目标信号在二维空间中的特征跟踪运动目标。它又分为对比度跟踪和图像相关跟踪两类。1)对比度跟踪是利用目标与背景在对比度上的差异来识别和提取目标信号,实现对目标的自动跟踪。依跟踪参考的不同,又分为:边缘跟踪,形心(矩心、重心)跟踪,峰值跟踪等。2)图像相关跟踪是通过计算目标样板与图像的相关曲线,得出目标的当前位置。空间跟踪方法仅适用于跟踪简单背景中的目标或背景变化缓慢而目标又无明显姿态变化的情况。Vol.11　№.3Aug.2004 电光与控制ELECTRONICSOPTICS&CONTROL 第11卷　第3期2004年8月

© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net112　时间-空间跟踪方法时间-空间跟踪方法除了利用目标信号在空间域的特征外,同时也利用了它在时间域的运动特性。11211　实现时间-空间跟踪的主要方法实现时间-空间跟踪的方法主要有:运动估计方法、基于神经网络的方法、能量积累的方法、基于小波变换的方法、基于数据融合的机动目标跟踪。1)运动估计方法　这类方法一般是在光流约束条件下检测目标运动参数。光流约束条件是指沿运动轨迹上的目标强度不变。运动估计方法主要有:光流估计法、基于块的估计法、贝叶斯法。光流估算法是依据时间-空间图像亮度梯度估算光流场,也即运动目标在像面上的矢量速度场。当图像信号对比度高且目标的空间位置变化频率快时,可以认为目标点的强度不随时间改变。Muralid2haraSubbarao[15]通过把对噪声敏感的空间信息转成相对具鲁棒性的时间信息,即用光流场的一阶时间导数代替二阶空间导数,提出用时间-空间法解决非刚性机动目标的运动估计问题。曹三省[16]提出一种基于区域平滑约束和运动边缘检测的最新算法。该算法结合了局部平滑约束和全局平滑约束,以提取运动局部特征并进行图像分割为基础,在图像分割得到的各个运动区域上,将光流场估计转化为大型稀疏矩阵方程组求解问题。基于块的估计法的思想是:假设图像是由运动的块构成的,通过匹配确定块位移来跟踪目标。主要有相位相关法和块匹配法两种算法。在相位相关法中,需要计算相邻两帧的傅氏变换,根据其相位差确定目标运动参数,其容易产生边界效应、频谱泄露等问题。块匹配法是用“距离准则”搜索下一帧固定大小的最佳匹配块位置。采用的准则有最大互相关、最小误差等。搜索方法主要有三步搜索法、交叉搜索法等。块匹配常采用均方误差(MSE)规则:C(x,y)=1NN∑Ni=1∑Nj=1(Z1(i,j)-Z0(x+i,y+j))2(1)公式(1)中:N×N表示参加匹配运算像素点的个数;(x,y)表示在x、y方向上发生的偏移量;Z1表示当前帧中需进行运动向量估计的块;Z0是参考帧中位于搜索窗口内的一个侯选块。求出Z1、Z0所有对应像素的均方误差C(x,y),求出其中最小的C(x,y),它所对应的(x,y)就是当前帧相对参考帧的运动矢量。运动估计方法需要运算量较大,很难满足实时性要求,且准确性受条件影响很大。2)神经网络方法　由于人工神经网络具有记忆、选择、抽象和识别能力,为跟踪杂波下的机动目标提供了一种具有鲁棒性和自适应性的方法。RothM[17]提出了用基于神经网络的方法去除杂波,跟踪红外图像中的目标。M.Winter[18]提出了基于神经网络的跟踪起始和维持理论,能够进行多目标跟踪。陈小惠[19]用Kohonen神经网络进行目标跟踪。Kohonen神经网络由一个输入层和一个输出层组成,其间由权相连,处理单元(即节点)之间的权值可正也可负,其值表达了知识。Kohonen网络的输出层组成一个立体空间,每个处理单元表达了特征空间中的一个点。因此特征空间选择四维,即位置(x,y),方向(θ),时间(t)。处理单元的输出值表示了这个点包含问题中解的可能性,在递推运算之后,问题的最优解被求得。实际上,使用神经网络解多目标跟踪(MTT)问题就是把真实世界中的目标运动映射到神经网络特征图中来研究。神经网络经过竞争学习只有一个输出单元获胜,它就是目标跟踪的下一个点。神经网络的缺点是要经过大量的训练,而且计算量也较大。3)能量积累的方法　此方法认为杂波是随机变量,目标信号是确定量,沿目标积累的能量要远大于非目标积累的能量。N.C.Mohanty[20]是在能量积累后,利用最大似然检测法确定每帧中的目标区域。这类方法的假设条件是目标图像轨迹的空间坐标连续且平滑,目标能量有一致性特征。这种方法可跟踪被杂波淹没的多个目标。但是由于该方法计算量与跟踪窗口尺寸成倍数关系,与目标轨迹状态量成指数关系,所以,计算量较大。利用连续目标观测点的时间-空间相关性,人们还提出用基于递归高阶相关(RHOC)的方法跟踪低信噪比下的目标。4)基于小波分析的方法　小波变换是当前应用数学中一个迅速发展的领域,是分析和处理非平稳信号的一种有利工具。它是以局部化函数所形成的小波基作为基底而展开的,具有许多的性能和优点。小波分析是在时间-频率域上分析信号,即通过小波变换把信号分割成不同频率上的元素,然后用与各频率相适应的分辨率来对各元素进行研究。对它的研究始于20世纪80年代初,经过十几年的发展,它已在信号处理与分析、地震信号处理、72第3期 刘　钢等:　多目标跟踪方法综述

© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net计算机视觉、语音信号处理、图像处理与分析等领域取得了突破性的进展。小波变换是一种窗口的大小固定不变但其形状可改变的时频局部化分析方法。小波变换在信号的高频部分可以取得较好的时间分辨率;在信号的低频部分可以取得较好的频率分辨率,从而有效地从信号(如语音、图像)中提取信息。二进制小波对信号的分析具有变焦距的作用,假定一开始选择一个放大倍数,它对应为观测信号的某部分内容。如果想进一步观看信号更小的细节,则需要增加放大倍数,可以说小波变换是数学显微镜。1987年,Mallat将计算机视觉领域内多尺度分析的思想引入小波函数的构造上,他还提出了对小波分析起重要作用的快速算法,并用于图像的分解与重构。郭春等[21]提出了一种基于Mallat算法的改进算法,他认为目标信号的状态参量如位置、速度、加速度等相对于测量噪声而言是处于低频段的,那么利用小波变换可对信号进行分层式分解的能力,将观测信号进行多尺度分解,就可获得不同频段的信

号成分,然后把反映噪声的主要高频信号去掉,用剩余的多分辨信号进行小波重构,获得去除了部分噪声的观测信号,将其用于更新目标状态,从而获得更高的跟踪精度。近年来,小波分析理论不断发展。目前,函数空间的小波构造、插值小波、向量小波、高维小波、多进小波、周期小波等都是小波理论的主要研究方向。小波分析由于有良好的时频局部化特征、尺度变化特征、方向性特征,因而在众多学科领域取得了广泛应用,如图像处理、数据压缩、非线性分析等。在目标跟踪领域,小波分析也得到了应用。Jean2PierreLeduc[22]将时间-空间连续小波变换与卡尔曼滤波结合起来跟踪目标,实验结果表明,这种方法对传感器的噪声具有很强的鲁棒性,而且,能够处理由于多条轨迹交叉引起的时间遮挡问题。周杰等[23]提出小波变换的多尺度点目标检测方法。实验结果表明,采用这种方法能够稳定、有效地检测出近似匀速直线运动的点目标。李红艳等[24]提出了一种快速检测序列图像中低信噪比(<2dB)目标的算法,采用小波滤波器对每帧图像滤波,提高目标的信噪比。采用固定长度的假设检验算法,生成起始航迹,有效地避免航迹的漏检;采用截断序贯似然比检验、形成确认航迹。仿真结果表明应用此算法,可快速实现信噪比小于2dB的小目标(2×2)的检测与跟踪。小波应用于形心跟踪的主要内容是目标图像边缘提取及形心计算,徐继友等[25]采用高斯一阶导数为小波函数,用模极大值方法进行计算确定图像边缘及相应的形心位置。用飞机图像为目标在模糊化和叠加不同背景噪声情况下用小波变换处理计算,探讨图像形心位置在各种情况的变动,以展示小波变换用于扩展目标形心跟踪中的效果。小波变换后的模值为M2jf(x,y)=(W12jf(x,y)2+W22jf(x,y)2)1/2(2)小波变换后的幅角为A2jf(x,y)=arctanW22jf(x,y)W12jf(x,y)(3)公式(2)和(3)中W12jf(x,y)和W22jf(x,y)分别是原图像的水平和垂直方向上的二进小波变换,模的极大值对应于图像边缘位置,所以在边缘信息提取时先找出模的极大值,再选择某一域值以除去较小的模极大值;将相邻的具有相近的模极大值和相近的幅角的极大值点连接起来得到边缘链;选一链长域值以滤除噪声点即可得到图像的边缘。JacquesFaolle等[26]通过对小波变换系数极值的研究,认为该极值对应于图像的边缘特性,并把这一结果用于跟踪图像序列中非刚性运动目标。5)基于数据融合的机动目标跟踪　应用多传感器数据融合技术解决目标发现、跟踪和识别问题,可以提高合成信息的质量。在同类传感器情况下,不论是等精度测量,还是非等精度测量,理论与试验均证明,融合求精后的参数测量精度都可以得到显著提高。对于异类传感器数据融合,更能改善数据融合的质量,更容易实现对目标的跟踪与识别。运动目标为飞机时,用脉冲雷达与红外成像传感器同时对其进行观测。雷达能够提供高精度的距离测量,但对目标角度测量却精度不高。与其相反,红外成像传感器能够高精度地确定出目标的角度方向,而无法测出目标的距离。如果将两个传感器观测数据进行融合,将大大减小了误差。显然,其定位精度将高于任一独立传感器。多传感器跟踪系统的应用有许多优点:①应用多个传感器(同质或异质)的合理组合可以实现性能和功能上的互补,从而增加了系统工作的稳定性、可靠性和数据的置信度。82 电光与控制 第11卷