技術(shù)特征：

1.一種基于可見光和紅外圖像的全天候目標(biāo)實(shí)時跟蹤方法，其特征在于，包括以下步驟：

步驟1，對可見光圖像和紅外圖像分別進(jìn)行圖像預(yù)處理，去除圖像噪聲和盲元；

步驟2，使用Harris角點(diǎn)檢測法提取可見光圖像和紅外圖像中的角點(diǎn)，使用光流法來跟蹤檢測出來的角點(diǎn)，并使用RANSAC算法分別對可見光圖像和紅外圖像進(jìn)行配準(zhǔn)；

步驟3，使用MHI方法對經(jīng)過配準(zhǔn)處理的圖像進(jìn)行目標(biāo)檢測，然后使用腐蝕膨脹方法對檢測出的目標(biāo)進(jìn)行形態(tài)學(xué)處理；

步驟4，使用Kalman濾波器對檢測出的目標(biāo)進(jìn)行跟蹤并框出目標(biāo)，然后基于目標(biāo)特征對目標(biāo)進(jìn)行航跡關(guān)聯(lián)，實(shí)現(xiàn)對目標(biāo)的實(shí)時監(jiān)控。

2.如權(quán)利1所述基于可見光和紅外圖像的全天候目標(biāo)實(shí)時跟蹤方法，特征在于，使用平均中值濾波方法對可見光圖像和紅外圖像進(jìn)行圖像預(yù)處理。

3.如權(quán)利1所述基于可見光和紅外圖像的全天候目標(biāo)實(shí)時跟蹤方法，特征在于，在步驟3所述的MHI方法中，閾值T為自適應(yīng)變化的閾值，在檢測前一時刻的前向MHI圖像中的目標(biāo)輪廓像素值時，通過相鄰幀累計根據(jù)目標(biāo)輪廓像素值的變化不斷調(diào)整閾值T；同時，將前向MHI圖像和后向MHI圖像中像素值較小者作為最終檢測的目標(biāo)圖像。

4.如權(quán)利3所述基于可見光和紅外圖像的全天候目標(biāo)實(shí)時跟蹤方法，特征在于，步驟4中，Kalman濾波器的觀測向量Z(k)如式(1)所示：

Z(k)＝{x_k,y_k,I(k)} (1)

式(1)中，k是目標(biāo)的運(yùn)動矢量，(x_k,y_k)是目標(biāo)的位置，I(k)是目標(biāo)在單幀檢測過程中潛在目標(biāo)的平均灰度值；

進(jìn)行航跡關(guān)聯(lián)時，對于產(chǎn)生關(guān)聯(lián)的航跡i和目標(biāo)j采用如式(2)所示方法計算各部分的濾波殘差

${\tilde{Z}}_{ij}\left(k\right)=\{{\mathrm{\Δx}}_{k,ij},{\mathrm{\Δy}}_{k,ij},{\mathrm{\ΔI}}_{ij}\left(k\right)\}---\left(2\right)$

式(2)中，Δx_k,ij,Δy_k,ij是經(jīng)過Kalman濾波處理得到的殘差，ΔI_ij(k)是量測目標(biāo)j灰度的預(yù)測誤差，是濾波殘差；

對于Kalman濾波殘差的距離和灰度殘差采用如式(3)、(4)、(5)所示的方法計算：

${d^x}_{ij}\left(k\right)=|x_j\left(k\right)-{\hat{x}}_i\left(k\right)|---\left(3\right)$

${d^y}_{ij}\left(k\right)=|y_j\left(k\right)-{\hat{y}}_i\left(k\right)|---\left(4\right)$

${\mathrm{\ΔI}}_{ij}\left(k\right)=|I_j\left(k\right)-{\hat{I}}_i\left(k\right)|---\left(5\right)$

式(3)、(4)、(5)中，x_j(k)、y_j(k)和I_j(k)分別是量測目標(biāo)j的水平坐標(biāo)、垂直坐標(biāo)和灰度值，和是航跡i預(yù)測目標(biāo)的水平坐標(biāo)、垂直坐標(biāo)和灰度值；和為經(jīng)過Kalman濾波處理后的預(yù)測值。