船载视频稳像与目标跟踪技术研究

The project take the shipborne image stabilization and target tracking system as the engineering background, first proposed image motion vector estimation based on ship motion prediction method,solve the traditional video image stabilization method exists time delay problem. avoid creating complex ship motion mechanism model, enhance the accuracy and real-time of image stabilization. Proposed an improved online learning parallel detection and tracking algorithm, solve the deformation occlusion issue. For complex background target has deformation, illumination changes, occlusion and other issues, given a new target position forecasting, tracking algorithm and detection algorithm combines framework, proposed an improved online learning parallel detection and tracking algorithm,through online learning mechanism to continuous learning for locking the target, update tracking module remarkable feature and detection module related parameters, achieve more stable, robust and reliable tracking on moving targets.. The project committed obtained photoelectric imaging system in the complex environment video image stabilization and target tracking new methods, it is designed to better resolve the problem of the practical application of shipborne photoelectric imaging system image stabilization and moving target tracking. Therefore project has important research value of the theory and practical application significance.

项目以复杂背景下舰载视频稳像及目标跟踪为工程背景，将舰船运动姿态智能预报引入舰载视频稳像中，首次提出基于舰船运动姿态预报的图像运动矢量估计方法，解决传统舰载视频稳像方法存在的时间滞后问题，避免建立复杂的舰船运动机理模型，提高稳像算法的实时性，为目标跟踪奠定基础。针对海天复杂背景下被跟踪目标的形变、光照变化、遮挡等问题，给出目标位置预报、跟踪算法及检测算法相结合的全新框架，提出一种改进在线学习并行跟踪检测算法，通过在线学习机制对锁定的目标进行不断的学习，更新跟踪模块的显著特征和检测模块的目标模型及相关参数，从而使跟踪效果更加稳定、鲁棒、可靠。. 项目致力于获得复杂环境下舰载光电成像系统视频稳像和目标跟踪的新方法，突破舰载视频稳像中运动估计及复杂背景下目标模型在线学习等关键技术，旨在更好解决舰载光电成像系统稳像及运动目标跟踪的实际应用问题。因此课题具有重要的理论研究价值和实际应用意义。

项目以复杂背景下舰载视频稳像及目标跟踪为工程背景，将舰船运动姿态智能预报引入舰载视频稳像中，首次提出了基于滚动时间窗最小二乘支持向量机的成像设备载体（舰船）运动智能预报的稳像方法，解决传统舰载稳像运动估计方法存在的时间滞后问题。将预报出的舰船运动矢量变换为图像运动矢量，提前计算出图像补偿矢量，通过双线性插值方法及自适应地选取待补偿帧提高图像序列平滑性，从而提高稳像算法的实时性，避免了传统的视频稳像运动估计方法计算量大、难以精确的求出运动矢量、误差大等缺点。仿真结果表明，稳定后图像序列的PSNR值明显大于稳定前图像序列。将传统跟踪算法只有简单的跟踪过程或者只有检测过程等进行了颠覆，给出目标位置预报、跟踪算法及检测算法相结合的全新框架，使其能够实现长期稳定的跟踪，并有非常好的鲁棒性及目标重新捕获能力。跟踪试验表明，算法在背景与目标颜色相近和尺度缩放等复杂情况下都能对目标进行准确稳定的跟踪，具有良好的实时性和较强的抗干扰能力。.项目致力于获得复杂环境下光电成像系统视频稳像和目标跟踪的新方法，突破舰载视频稳像中运动估计及复杂背景下目标模型在线学习等关键技术，使视觉技术在船载光电目标稳像与跟踪领域中更加有效地发挥自身的作用。