一种低信噪比运动小目标的跟踪与识别的方法

摘要

本发明公开了一种低信噪比运动小目标的跟踪与识别的方法，包括：给出从视频序列的单帧图像中提取目标的方法，减弱或消除背景与噪声的影响；给出弱小目标运动信息提取和状态预测建模；建立两帧间图像运动小目标的关联矩阵；基于多帧图像叠加的信息融合，利用模糊下推自动机链弹栈递归运算提出了网络环境下大规模图像与视频图像运动小目标的跟踪算法与识别方法。本发明有助于目标识别与图像处理人员了解检测目标运动规律、活跃程度及其对其他目标的影响，从而给出相应的决策，寻求抑制或消除不良因素对其或其他重要目标的影响都是非常必要的，对军事、民事、公安系统、道路交通所有基于视频系统的目标识别与跟踪的发展起到重要借鉴和参考作用。

主权项

一种低信噪比运动小目标的跟踪与识别的方法，其特征在于，该低信噪比运动小目标的跟踪与识别的方法以一种分阶段、按目标分别给出不同的实施方法，对视频图像中运动小目标容易被复杂背景中的其他物体或噪声遮挡或淹没的情况，提出了开闭变换的消除或减弱背景与噪声的算法；对小目标的弱小特性，提出了在线学习的自适应神经网络竞争模型，利用竞争的活动单元提取弱小目标的多维特征参数；对于视频中小目标的运动特性，利用灰度的突变，给出了小目标运动状态模型和预测模型；对运动小目标实时检测与跟踪，采用了模糊下推自动机链进行轨迹识别与跟踪，以模糊下推自动机链深度为阈值进行轨迹判决；具体包括以下步骤：步骤一，给出从视频序列的单帧图像中提取目标的方法，减弱或消除背景与噪声的影响；步骤二，给出弱小目标运动信息提取和状态预测建模；步骤三，建立两帧间图像运动小目标的关联矩阵；步骤四，基于多帧图像叠加的信息融合，利用模糊下推自动机链弹栈递归运算提出了网络环境下大规模图像与视频图像运动小目标的跟踪算法与识别方法。