用于目标航迹检测/航向预测的方法和装置 【技术领域】
本发明轨迹检测技术领域，尤其涉及一种目标航迹检测的方法和装置，以及一种目标航向预测的方法和装置。
背景技术
水面舰船目标的检测与运动方向判断，在许多领域都有着广泛的应用。对于运输船只的状态的监控和港口管理以及国土安全等方面都有着很重大的意义。
目前，对于船只检测，主要的研究都集中在了雷达信号处理领域。这主要是由于海面目标检测自身的复杂性决定的。海水由于光照和风浪的原因，会有非常复杂的背景。在复杂背景下，船只本身难以清楚辨认以及识别。因此，基于图像的船只检测就有很大的技术难度。但是，由于雷达信号处理的方法有自身的一些缺陷，例如：设备昂贵，重量较大，不适宜机载或卫星搭载等等。
【发明内容】
有鉴于此，本发明所要解决的技术问题是提供一种目标航向预测方法。
在一些实施例中，所述目标航向预测方法包括：采集图像；去除所述图像中的背景部分，获得包括目标及其航行尾迹的连通域；计算所述连通域的横向夹角；在所述连通域的两端各取一个区域，计算每个区域的像素均值；其中，像素均值较低的区域为所述连通域的前端，像素均值较高的区域为所述连通域的末端；确定在所述横向夹角的方向上，以所述连通域的末端向前端的延伸作为目标的行进轨迹。
采用该实施例所述的方法预测船只的航迹时，主要利用的是图像处理技术，而并未利用雷达信号处理技术。该方法基于不同海水的颜色，对不同的图像分辨率具有一定的抗干扰能力，完全可以自适应地进行船只预测。该方法的核心部分是利用运行中船只的航行尾迹的相关特性，使原来难以检测的船只问题转变为符合一定特性的波浪检测。基于图像的航迹检测预测方法具有自身便携以及代价低廉的优势。
本发明要解决的另一个技术问题是提供一种目标航迹检测方法。在一些实施例中，所述目标航迹检测方法包括：采集图像；去除所述图像中的背景部分，获得包括目标及其航行尾迹的连通域；在所述连通域的两端各取一个区域，计算每个区域的像素均值；其中，像素均值较低的区域为所述连通域的前端，像素均值较高的区域为所述连通域的末端；确定从所述连通域的末端到前端的运行轨迹为目标的航迹。
本发明要解决的另一个技术问题是提供一种目标航向预测装置。在一些实施例中，所述目标航向预测装置包括：图像采集单元，用于采集图像；背景去除单元，用于去除所述图像中的背景部分，获得包括目标及其航行尾迹的连通域；方向检测单元，用于计算所述连通域的纵向跨度和横向跨度的比值，并比较所述连通域两端的横坐标、纵坐标，以确定目标行进的横向夹角；第一计算单元，用于在所述连通域的两端各取一个区域，计算每个区域的像素均值；其中，像素均值较低的区域为所述连通域的前端，像素均值较高的区域为所述连通域的末端；和，航向预测单元，用于确定在所述横向夹角的方向上，以所述连通域的末端向前端的延伸作为目标的行进轨迹。
本发明要解决的另一个技术问题是提供一种目标航迹检测装置。在一些实施例中，所述目标航迹检测装置包括：图像采集单元，用于采集图像；背景去除单元，用于去除所述图像中的背景部分，获得包括目标及其航行尾迹的连通域；第一计算单元，用于在所述连通域的两端各取一个区域，计算每个区域的像素均值；其中，像素均值较低的区域为所述连通域的前端，像素均值较高的区域为所述连通域的末端；和，航迹检测单元，用于确定从所述连通域的末端到前端的运行轨迹为目标的航迹，并输出目标的航迹。
【附图说明】
图1是目标航向预测的一个方法实施例流程图；
图2是目标航迹检测的一个方法实施例流程图；
图3是目标航向预测的一个装置实施例示意图；
图4是目标航迹检测的一个装置实施例示意图。
【具体实施方式】
下面以预测海面船只的航迹为例，对本发明提供的目标航向预测方法进行说明。
图1示出了用于目标航向预测的一个实施例流程。
步骤11，采集图像。
在采集到的图像中，不仅包括目标船只、目标船只在海面航行所留下的尾迹，还包括目标船只所在的海域、所述海域中的岛屿以及与所述海域连接的陆地。
图像中的目标船只及其航行尾迹是被检测的主体，图像中的其余部分都作为背景部分处理。图像的背景部分又可以分为简单背景和复杂背景，简单背景是目标船只所在的海域部分，海域部分主要由海水组成，目标船只和岛屿在海域部分所占的比例很小。复杂背景包括陆地部分，还包括陆地与海域的连接部分，即海岸线。
步骤12，去除图像中的背景部分。
这一步的主要目的就是去除可能会对目标检测产生干扰的因素。
在图像中，陆地部分包括的色彩信息比较丰富，可能会有接近船只目标的部分，也可能有接近海水或是波浪的部分，这个特性对于阈值分割来说会产生很大的干扰。因此，在进行目标检测之前，可以将陆地部分从图像中去除，以达到提高检测效率和精度的目的。陆地部分色彩分布较为分散而海域则高度集中，为能够将海域部分和陆地部分进行分割，可以用海水的特征作为分割阈值，利用分割阈值将海域部分和陆地部分进行分割。
本步骤主要包括三个处理流程：
a1、确定用于图像分割的阈值。
a2、将图像的背景部分分割为简单背景和复杂背景。
a2、将复杂背景和简单背景中所有像素的红、绿、蓝分量都设置为零，以去除所述图像中的背景部分。
为能够确定分割阈值，首先要对图像进行分块处理，每个块对应一个索引，以便后续的操作。分块的大小由每幅图像的分辨率决定，分块的原则是保证当某一块中包含完整船只的时候，该船只所占的比例应该小于一个较小的设定值。
分块完成后，如果某个图像块属于陆地部分或者主要部分为陆地，那么该图像块的直方图分布会比较分散，不会有明显的峰值。相反，海域部分的图像块，由于其中海水所占的比例很大，因此其直方图会集中分布在一个灰度区间。可以根据这种分布特性，预先设定一个判断条件。然后，依次或随机地选取图像块，当某一图像块的直方图分布情况满足设定的条件时，即可认为该图像块属于海域部分，并将该图像块中红、绿、蓝这三个分量集中的区域中心作为本幅图像的分割阈值，即海水的阈值。
得到海水阈值后，对每一个图像块进行分析。
在一个图像块中，如果某一点像素的红、绿、蓝三个分量都处于以海水阈值为中心的某个区间，则认为该点像素为海水的像素。
在一个图像块中，如果海水所占的比例小于一个上限值，例如：海水所占的比例小于80％，则对该图像块的四个边界的像素进行判断。如果该图像块有一个以上边界的像素都不是海水像素，则可以确定该图像块属于陆地部分。将属于陆地部分的图像块标记为0。
在一个图像块中，如果海水所占的比例大于或等于所述上限值，例如：海水所占的比例大于或等于80％，则可以确定该图像块属于海域部分。或者，对于被判断属于陆地部分，但其相邻块中属于陆地部分的图像块少于2块的图像块，认为该图像块是包含目标船只的假陆地，重新确定该图像块属于海域部分。将属于海域部分的图像块标记为1。
在一个图像块中，如果某一图像块被判断为属于海域部分，但其相邻块中有属于陆地部分的图像块，则可以认为该图像块属于陆地与海域的连接部分。将属于陆地与海域的连接部分的图像块标记为2。
将一幅图像中的所有图像块都进行标记后，也就完成了对整幅图像的分割。标记为1的区域为海域部分，标记为0的区域为陆地部分，标记为2的区域为海岸线。
将标记为0和标记为2的图像块中所有像素的红、绿、蓝分量都设置为零，从而将复杂背景从图像中去除。
将标记为1的图像块中海水部分的所有像素的红、绿、蓝分量都设置为零，从而将简单背景从图像中去除。
步骤13，获得包括目标船只及其航行尾迹的连通域。
将复杂背景和简单背景从图像中去除后，图像中剩余的部分就是一个个独立的连通域。这些连通域中主要包括：目标船只及其航行尾迹、没有去除干净的小块陆地以及岛屿。其中，目标船只的航行尾迹主要是目标船只在海面航行留下的波痕，白色的浪花与深色海水所形成的鲜明对比。
对于体积很小的船只，如果不感兴趣，不希望将体积很小的船只作为航迹检测预测的对象，可以配置一个下限值。当连通域的大小小于配置的下限值时，认为该连通域不是目标，而将该连通域去除，这样就可以将那些极小的船只、岛屿和陆地部分排除，而只将满足条件的连通域作为目标，记录下索引，以进行下一步操作。
如果一幅图像中有多个满足条件的目标船只，则对各个目标船只的航迹检测预测处理都是一致的。
步骤14、计算连通域的横向夹角。连通域的横向夹角可以被认为是目标船只行进的横向夹角。
一种可选的方式是，首先计算连通域的纵向跨度和横向跨度的比值，然后比较连通域两端的横坐标、纵坐标，获得连通域的横向夹角。
步骤15，在连通域的两端各取一个区域，计算每个区域的像素均值。
对于运行中的船只，尾迹部分由亮度很高的白色波浪组成，所以像素均值较低的是目标船只的船头，由此可以确定出目标船只的行进方向。
像素均值较低的区域将被认为是连通域的前端，像素均值较高的区域将被认为是连通域的末端。其中，连通域的前端就是目标船只的前端，连通域的末端就是目标船只航行尾迹的末端。
确定了目标船只行进的横向夹角，以及目标船只的前端和其航行尾迹的末端后，即可预测出目标船只的前进方向。
步骤16，在横向夹角的方向上，以连通域的末端向前端的延伸作为目标的行进轨迹。
此外，目标船只所在的连通域具有对称性，可以将目标船只的行进方向标注在连通域的对称轴上。从目标船只的船头开始，沿对称轴向后伸展取一个理论船长，可以得到目标船只所在位置的大概区域。
其中，理论船长与图像采集的高度相关，即在图像分辨率下最大船长对应的长度，是作为函数参数配置的。
可以看出，采用本实施例所述的方法预测船只的航迹时，主要利用的是图像处理技术，而并未利用雷达信号处理技术。该方法基于海水和波浪的不同颜色，对不同的图像分辨率具有一定的抗干扰能力，完全可以自适应地进行船只检测。该方法的核心部分是利用运行中船只的航行尾迹的相关特性，使原来难以检测的船只问题转变为符合一定特性的波浪的检测。基于图像的航迹检测预测方法具有自身便携以及代价低廉的优势。
图2示出了用于目标航迹检测的一个实施例流程。
步骤21，采集图像。
步骤22，去除图像中的背景部分。
步骤23，获得包括目标及其航行尾迹的连通域。
步骤24，在连通域的两端各取一个区域，计算每个区域的像素均值。
像素均值较低的区域将被认为是连通域的前端，像素均值较高的区域将被认为是连通域的末端。其中，连通域的前端就是目标船只的前端，连通域的末端就是目标船只航行尾迹的末端。
步骤25，以连通域的末端到前端的运行轨迹作为目标的航迹。
采用上述实施例所述的方法，可以检测出目标船只的航迹。检测到目标船只的航迹后，再进一步地计算出所述连通域的横向夹角，即可确定在所述横向夹角的方向上，以所述连通域的末端向前端的延伸作为目标船只的行进轨迹，从而完成对目标船只的航向预测。
可以通过计算
![]()
获得所述连通域的横向夹角α。其中，x
2、y
2分别是所述连通域前端的横、纵坐标，x
1、y
1分别是所述连通域末端的横、纵坐标。
可以看出，采用本实施例所述的方法检测/预测船只的航迹时，主要利用的仍然是图像处理技术。该方法的核心部分是利用运行中船只的航行尾迹的相关特性，使原来难以检测的船只问题转变为符合一定特性的波浪的检测。基于图像的航迹检测预测方法具有自身便携以及代价低廉的优势。
图3示出了一个用于目标航向预测的装置，该装置300包括：图像采集单元S31、背景去除单元S32、方向检测单元S33、第一计算单元S34和航向预测单元S35。
图像采集单元S31用于采集图像。在采集到的图像中，不仅包括目标船只、目标船只在海面航行所留下的尾迹，还包括目标船只所在的海域、所述海域中的岛屿以及与所述海域连接的陆地。
图像中的目标船只及其航行尾迹是被检测的主体，图像中的其余部分都作为背景部分处理。图像的背景部分又可以分为简单背景和复杂背景，简单背景是目标船只所在的海域部分，海域部分主要由海水组成，目标船只和岛屿在海域部分所占的比例很小。复杂背景包括陆地部分，还包括陆地与海域的连接部分，即海岸线。
采集到图像后，背景去除单元S32将去除图像中的背景部分，获得包括目标及其航行尾迹的连通域。
背景去除单元S32的主要作用就是去除可能会对目标检测产生干扰的因素。
在图像中，陆地部分包括的色彩信息比较丰富，可能会有接近船只目标的部分，也可能有接近海水或是波浪的部分，这个特性对于阈值分割来说会产生很大的干扰。因此，在进行目标检测之前，可以将陆地部分从图像中去除，以达到提高检测效率和精度的目的。陆地部分色彩分布较为分散而海域则高度集中，为能够将海域部分和陆地部分进行分割，可以用海水的特征作为分割阈值，利用分割阈值将海域部分和陆地部分进行分割。
背景去除单元S32包括：确定用于图像分割的阈值的第一单元，将图像的背景部分分割为简单背景和复杂背景的第二单元，和第三单元，用于将所述复杂背景和简单背景中所有像素的红、绿、蓝分量都设置为零，以去除所述图像中的背景部分。
第一单元包括：对图像分块的图像分块单元，查找直方图分布的集中度能够满足预设条件的图像块的查找单元；和阈值确定单元，用于将查找到的图像块中红、绿、蓝分量集中的区域的中心作为所述阈值。
图像分块单元首先要对图像进行分块处理，每个块对应一个索引，以便后续的操作。分块的大小由每幅图像的分辨率决定，分块的原则是保证当某一块中包含完整船只的时候，该船只所占的比例应该小于一个较小的设定值。
图像分块单元分块完成后，如果某个图像块属于陆地部分或者主要部分为陆地，那么该图像块的直方图分布会比较分散，不会有明显的峰值。相反，海域部分的图像块，由于其中海水所占的比例很大，因此其直方图会集中分布在一个灰度区间。可以根据这种分布特性，预先设定一个判断条件。然后，查找单元依次或随机地选取图像块，当某一图像块的直方图分布情况满足设定的条件时，即可认为该图像块属于海域部分；阈值确定单元将该图像块中红、绿、蓝这三个分量集中的区域中心作为本幅图像的分割阈值，即海水的阈值。
第一单元得到海水阈值后，第二单元对每一个图像块进行分析。
在一个图像块中，如果某一点像素的红、绿、蓝三个分量都处于以海水阈值为中心的某个区间，则认为该点像素为海水的像素。
在一个图像块中，如果海水所占的比例小于一个上限值，例如：海水所占的比例小于80％，则对该图像块的四个边界的像素进行判断。如果该图像块有一个以上边界的像素都不是海水像素，则可以确定该图像块属于陆地部分。将属于陆地部分的图像块标记为0。
在一个图像块中，如果海水所占的比例大于或等于所述上限值，例如：海水所占的比例大于或等于80％，则可以确定该图像块属于海域部分。或者，对于被判断属于陆地部分，但其相邻块中属于陆地部分的图像块少于2块的图像块，认为该图像块是包含目标船只的假陆地，重新确定该图像块属于海域部分。将属于海域部分的图像块标记为1。
在一个图像块中，如果某一图像块被判断为属于海域部分，但其相邻块中有属于陆地部分的图像块，则可以认为该图像块属于陆地与海域的连接部分。将属于陆地与海域的连接部分的图像块标记为2。
第二单元将一幅图像中的所有图像块都进行标记后，也就完成了对整幅图像的分割。标记为1的区域为海域部分，标记为0的区域为陆地部分，标记为2的区域为海岸线。
第三单元将标记为0和标记为2的图像块中所有像素的红、绿、蓝分量都设置为零，从而将复杂背景从图像中去除。
将标记为1的图像块中海水部分的所有像素的红、绿、蓝分量都设置为零，从而将简单背景从图像中去除。
将复杂背景和简单背景从图像中去除后，图像中剩余的部分就是一个个独立的连通域。这些连通域中主要包括：目标船只及其航行尾迹、没有去除干净的小块陆地以及岛屿。其中，目标船只的航行尾迹主要是目标船只在海面航行留下的波痕，白色的浪花与深色海水所形成的鲜明对比。
对于体积很小的船只，如果不感兴趣，不希望将体积很小的船只作为航迹检测预测的对象，可以配置一个下限值。当连通域的大小小于配置的下限值时，认为该连通域不是目标，而将该连通域去除，这样就可以将那些极小的船只、岛屿和陆地部分排除，而只将满足条件的连通域作为目标，记录下索引，以进行下一步操作。在这种情况下，装置300中还应该增加一个连通域去除单元，用于将面积小于所述下限值的连通域的所有像素的红、绿、蓝分量都设置为零，从而将该连通域从图像中去除。
获得连通域后，方向检测单元S33计算连通域的横向夹角。连通域的横向夹角可以被认为是目标船只行进的横向夹角。
一种可选的方式是，方向检测单元S33首先计算连通域的纵向跨度和横向跨度的比值，然后比较连通域两端的横坐标、纵坐标，获得连通域的横向夹角。
第一计算单元S34在连通域的两端各取一个区域，计算每个区域的像素均值。对于运行中的船只，尾迹部分由亮度很高的白色波浪组成，所以像素均值较低的是目标船只的船头，由此可以确定出目标船只的行进方向。
像素均值较低的区域将被认为是连通域的前端，像素均值较高的区域将被认为是连通域的末端。其中，连通域的前端就是目标船只的前端，连通域的末端就是目标船只航行尾迹的末端。
确定了目标船只行进的横向夹角，以及目标船只的前端和其航行尾迹的末端后，航向预测单元S35即可预测出目标船只的前进方向。在所述横向夹角的方向上，以所述连通域的末端向前端的延伸作为目标的行进轨迹，航向预测单元S35将目标的行进轨迹输出。
此外，目标船只所在的连通域具有对称性，可以将目标船只的行进方向标注在连通域的对称轴上。从目标船只的船头开始，沿对称轴向后伸展取一个理论船长，可以得到目标船只所在位置的大概区域。为能过对目标船只进行定位，可以增加一个目标定位单元，用于确定所述连通域中从前端开始向后伸展特定长度的区域为目标所在的位置，并输出目标所在的位置。
其中，理论船长与图像采集的高度相关，即在图像分辨率下最大船长对应的长度，是作为函数参数配置的。
图4示出了一个用于目标航迹检测的装置，该装置400包括图像采集单元S31、背景去除单元S32、第一计算单元S34和航迹检测单元S41。
图像采集单元S31用于采集图像，背景去除单元S32用于去除所述图像中的背景部分，获得包括目标及其航行尾迹的连通域。第一计算单元S34用于在所述连通域的两端各取一个区域，计算每个区域的像素均值。其中，像素均值较低的区域为所述连通域的前端，像素均值较高的区域为所述连通域的末端。航迹检测单元S41，用于确定从所述连通域的末端到前端的运行轨迹为目标的航迹，并输出目标的航迹。
采用图4所示的装置400，可以检测出目标船只的航迹。检测到目标船只的航迹后，再进一步地计算出所述连通域的横向夹角，即可确定在所述横向夹角的方向上，以所述连通域的末端向前端的延伸作为目标船只的行进轨迹，从而完成对目标船只的航向预测。在这种情况下，装置400中应该增加一个用于计算连通域的横向夹角的第二计算单元，和一个航向预测单元S35。
一种可选的方式是，第二计算单元通过计算
![]()
获得所述连通域的横向夹角α。其中，x
2、y
2分别是所述连通域前端的横、纵坐标，x
1、y
1分别是所述连通域末端的横、纵坐标。
在上述各实施例中，虽然检测、预测的目标都是海面上的船只，但是完全可以将上述各实施例应用到更广泛的水面目标检测中，例如可以对湖面、河面上的船只进行航迹检测或航向预测。
本领域技术人员可以明白，这里结合所公开的实施例描述的各种示例性的方法步骤和装置单元均可以电子硬件、软件或二者的结合来实现。为了清楚地示出硬件和软件之间的可交换性，以上对各种示例性的步骤和单元均以其功能性的形式进行总体上的描述。这种功能性是以硬件实现还是以软件实现依赖于特定的应用和整个系统所实现的设计约束。本领域技术人员能够针对每个特定的应用，以多种方式来实现所描述的功能性，但是这种实现的结果不应解释为倒是背离本发明的范围。
利用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程的逻辑器件、分立门或者晶体管逻辑、分立硬件组件或者他们之中的任意组合，可以实现或执行结合这里公开的实施例描述的各种示例性的单元。通用处理器可能是微处理器，但是在另一种情况中，该处理器可能是任何常规的处理器、控制器、微控制器或者状态机。处理器也可能被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或者更多结合DSP核心的微处理器或者任何其他此种结构。
结合上述公开的实施例所描述的方法的步骤可直接体现为硬件、由处理器执行的软件模块或者这二者的组合。软件模块可能存在于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD‑ROM或者本领域熟知的任何其他形式的存储媒质中。一种典型存储媒质与处理器耦合，从而使得处理器能够从该存储媒质中读信息，且可向该存储媒质写信息。在替换实例中，存储媒质是处理器的组成部分。处理器和存储媒质可能存在于一个ASIC中。该ASIC可能存在于一个用户站中。在一个替换实例中，处理器和存储媒质可以作为用户站中的分立组件存在。
根据所述公开的实施例，可以使得本领域技术人员能够实现或者使用本发明。对于本领域技术人员来说，这些实施例的各种修改是显而易见的，并且这里定义的总体原理也可以在不脱离本发明的范围和主旨的基础上应用于其他实施例。以上所述的实施例仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。