本發(fā)明屬于計算機視覺技術(shù)領(lǐng)域，更具體地，涉及一種魯棒的實時紅外成像地面運動目標(biāo)跟蹤方法和系統(tǒng)。

背景技術(shù)：

紅外成像地面場景運動目標(biāo)的跟蹤在目標(biāo)識別與跟蹤、紅外成像制導(dǎo)等軍事和視頻監(jiān)控領(lǐng)域中應(yīng)用十分廣泛。

常見的運動目標(biāo)跟蹤算法大致可以分為兩類，即“基于目標(biāo)建模、定位”的跟蹤方式和基于“濾波、數(shù)據(jù)關(guān)聯(lián)”的跟蹤方式。“基于目標(biāo)建模、定位”的跟蹤方式在對目標(biāo)進行跟蹤的過程中，對圖像中目標(biāo)的各種假設(shè)的位置進行評估，根據(jù)某個準(zhǔn)測評估出目標(biāo)的位置。此方法一般用于距離不遠、目標(biāo)非點狀目標(biāo)、圖像幀間抖動較大的場合?；凇盀V波、數(shù)據(jù)關(guān)聯(lián)”的跟蹤方式常常使用離散狀態(tài)方程對運動目標(biāo)的各種位置進行預(yù)測，所以描述目標(biāo)運動狀態(tài)的轉(zhuǎn)移狀態(tài)方程的建立對于實現(xiàn)跟蹤過程的穩(wěn)定、精確十分重要。此方法一般用于跟蹤距離較遠、運動呈現(xiàn)一定規(guī)律特性的目標(biāo)。

在許多現(xiàn)實應(yīng)用的情況下目標(biāo)灰度與背景相差較小，目標(biāo)輪廓較為模糊，目標(biāo)的大小無法預(yù)估，目標(biāo)有可能是面狀目標(biāo)、點狀目標(biāo)、線條狀目標(biāo)等，由于地面目標(biāo)的復(fù)雜性和目標(biāo)運動狀態(tài)的不確定性，目標(biāo)在運動的過程中可能出現(xiàn)遮擋、尺寸變化、形態(tài)變化等情況，采用傳統(tǒng)的運動目標(biāo)跟蹤方法在這種情況下容易發(fā)生目標(biāo)失跟的現(xiàn)象。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)的以上缺陷或改進需求，本發(fā)明提供了一種魯棒的實時紅外成像地面運動目標(biāo)跟蹤方法，其目的在于計算當(dāng)前目標(biāo)幀模板與匹配模板的灰度直方圖的相似度，以相似度的大小判斷是否更新匹配模板，縮放當(dāng)前幀目標(biāo)模板尺寸，分別計算其和匹配模板灰度直方圖的卡方相似度，選取最大卡方相似度更新匹配模板，在根據(jù)目標(biāo)運動狀態(tài)，采用卡爾曼濾波器預(yù)估下一幀紅外圖像中目標(biāo)的位置，以此位置為中心，在搜索區(qū)域內(nèi)進行模板匹配，以確定目標(biāo)的位置，由此解決目標(biāo)被遮擋、目標(biāo)尺寸變化或目標(biāo)先驗信息未知造成的跟蹤失敗問題的技術(shù)問題。

為實現(xiàn)上述目的，按照本發(fā)明的一個方面，提供了一種魯棒的實時紅外成像地面運動目標(biāo)跟蹤方法，該方法包括以下步驟：

(1)匹配模板自適應(yīng)更新步驟：先計算當(dāng)前幀目標(biāo)模板灰度直方圖與匹配模板灰度直方圖的巴氏距離，如巴氏距離在模板更新范圍內(nèi)，則計算當(dāng)前幀目標(biāo)模板和匹配模板灰度直方圖卡方相似度，如卡方相似度大于模板更新閾值，則計算當(dāng)前幀目標(biāo)模板尺寸縮小、不變和放大之后的灰度直方圖與匹配模板灰度直方圖的卡方相似度，選取最大卡方相似度為更新參數(shù)更新匹配模板；

(2)目標(biāo)位置估計步驟：根據(jù)目標(biāo)運動狀態(tài)，采用卡爾曼濾波器預(yù)估下一幀紅外圖像中目標(biāo)子圖的位置，以此位置為搜索區(qū)域的中心位置；在搜索區(qū)域內(nèi)移動匹配模板，計算不同區(qū)域的匹配模板和目標(biāo)子圖的相似度，相似度最大且大于匹配閾值的匹配模板位置為目標(biāo)位置，如相似度都小于匹配閾值則以卡爾曼濾波器預(yù)估位置為目標(biāo)位置。

進一步的，所述匹配模板自適應(yīng)更新步驟包含以下子步驟：

(11)分別計算當(dāng)前幀目標(biāo)模板與匹配模板的灰度直方圖，將灰度直方圖歸一化之后計算它們的巴氏距離；

數(shù)字圖像的直方圖是離散函數(shù)

h(r_i)＝n_i，

其中r_i是第i級灰度，n_i是圖像灰度級為r_i的像素個數(shù)，一個歸一化直方圖由下式給出：

$P\left(r_i\right)=\frac{n_i}{n},$

n為圖像中的像素總數(shù)，P(r_i)給出了灰度級為r_i發(fā)生的概率估計值；

巴氏距離

$\mathrm{\λ}=\sqrt{1-\frac{1}{\sqrt{N^2\stackrel{\‾}{H_1}\stackrel{\‾}{H_2}}}\underset{i}{\Σ}\sqrt{H_1\left(i\right)H_2\left(i\right)}},$

式中

$\stackrel{\‾}{H_k}=\frac{1}{N}\underset{i}{\Σ}{H}_k\left(i\right),0\≤i\≤N,k=1,2,$

其中，i是歸一化直方圖分段號，N表示歸一化直方圖中bin的數(shù)目，k表示圖像的代號，H₁(i)、H₂(i)分別表示當(dāng)前幀目標(biāo)模板與匹配模板的歸一化灰度直方圖對應(yīng)區(qū)間的數(shù)值；

(12)判斷巴氏距離λ是否在模板更新范圍內(nèi)，即λ₂＜λ＜λ₁是否成立，是則進行步驟(13)，否則不更新匹配模板，根據(jù)實際經(jīng)驗，0＜λ₁＜10＜λ₂＜1，優(yōu)選λ₁＝0.98、λ₂＝0.88；

(13)計算當(dāng)前幀目標(biāo)模板與匹配模板的歸一化灰度直方圖的卡方相似度ρ

$\mathrm{\ρ}=\underset{i}{\Σ}\frac{{\left(H_1\right(i)-H_2(i\left)\right)}^2}{H_1\left(i\right)+H_2\left(i\right)},$

式中其中，i是歸一化直方圖分段號，H₁(i)、H₂(i)分別表示當(dāng)前幀目標(biāo)模板與匹配模板的歸一化灰度直方圖對應(yīng)區(qū)間的數(shù)值；

判斷是否卡方相似度是否大于更新模板閾值，即ρ＞λ₃是否成立，根據(jù)實際經(jīng)驗0＜λ₃＜1，優(yōu)選λ₃＝0.46；是則更新匹配模板，否則不更新匹配模板；匹配模板更新方式如下

T_new＝βTcur+(1-β)T_old，

其中，T_new、T_cur、T_old分別表示更新后的匹配模板、當(dāng)前圖像幀目標(biāo)模板、匹配模板；β為最大直方圖相似度

β＝max{ρ_a,ρ,ρ_b}，

其中，ρ_a、ρ和ρ_b分別表示當(dāng)前幀目標(biāo)模板尺寸縮小a倍、當(dāng)前幀目標(biāo)模板和當(dāng)前幀目標(biāo)模板尺寸擴大b倍后的灰度直方圖與匹配模板灰度直方圖的卡方相似度,根據(jù)實際經(jīng)驗0.5＜a＜1、1＜b＜1.5，優(yōu)選a＝0.9、b＝1.1。

進一步的，所述目標(biāo)位置估計步驟分為以下子步驟：

(21)根據(jù)當(dāng)前幀目標(biāo)位置和上一幀跟蹤目標(biāo)位置，采用卡爾曼濾波器預(yù)估下一幀紅外圖像中目標(biāo)子圖的位置；

(22)以卡爾曼濾波器預(yù)測的目標(biāo)子圖位置為搜索區(qū)域的中心位置，在搜索區(qū)域內(nèi)移動匹配模板，計算目標(biāo)子圖與匹配模板的相似度，判斷是否至少存在一個匹配模板使得他們的相似度大于匹配閾值th，根據(jù)實際經(jīng)驗0＜th＜1，優(yōu)選th＝0.88，是則以相似度取得最大值時的匹配模板位置為估計的目標(biāo)位置，否則以卡爾曼濾波器預(yù)測的目標(biāo)子圖位置為估計的目標(biāo)位置，相似度計算公式：

$NC(i,j)=\frac{\underset{m=0}{\overset{M}{\Σ}}\underset{n=0}{\overset{N}{\Σ}}T(m,n)S^{ij}(m,n)}{\sqrt{\underset{m=0}{\overset{M}{\Σ}}\underset{n=0}{\overset{N}{\Σ}}{T}^2(m,n)}\sqrt{\underset{m=0}{\overset{M}{\Σ}}\underset{n=0}{\overset{N}{\Σ}}{\left(S^{ij}\right(m,n\left)\right)}^2}}\×e^{-\frac{Dis}{{\mathrm{Dis}}_{max}}},$

其中i、j是目標(biāo)子圖左上角在被搜索區(qū)域上的坐標(biāo)，T(m,n)表示匹配模板圖像中第m行第n列的像素灰度值，S^ij(m,n)表示目標(biāo)子圖中第m行第n列的像素灰度值

S^ij(m,n)＝S(i+m,j+n)，

Dis表示當(dāng)前匹配點(i,j)到卡爾曼濾波器預(yù)估的目標(biāo)子圖位置的距離

$Dis=|i-\hat{x}|+|y-\hat{y}|,$

式中分別是濾波器預(yù)估的目標(biāo)子圖位置的橫縱坐標(biāo)值，Dis_max表示Dis的最大值。

按照本發(fā)明的另一方面，提供了一種魯棒的實時紅外成像地面運動目標(biāo)跟蹤系統(tǒng)，該系統(tǒng)包括以下模塊：

匹配模板自適應(yīng)更新模塊：先計算當(dāng)前幀目標(biāo)模板灰度直方圖與匹配模板灰度直方圖的巴氏距離，如巴氏距離在模板更新范圍內(nèi)，則計算當(dāng)前幀目標(biāo)模板和匹配模板灰度直方圖卡方相似度，如卡方相似度大于模板更新閾值，則計算當(dāng)前幀目標(biāo)模板尺寸縮小、不變和放大之后的灰度直方圖與匹配模板灰度直方圖的卡方相似度，選取最大卡方相似度為更新參數(shù)更新匹配模板；

目標(biāo)位置估計模塊：根據(jù)目標(biāo)運動狀態(tài)，采用卡爾曼濾波器預(yù)估下一幀紅外圖像中目標(biāo)子圖的位置，以此位置為搜索區(qū)域的中心位置；在搜索區(qū)域內(nèi)移動匹配模板，計算不同區(qū)域的匹配模板和目標(biāo)子圖的相似度，相似度最大且大于匹配閾值的匹配模板位置為目標(biāo)位置，如相似度都小于匹配閾值則以卡爾曼濾波器預(yù)估位置為目標(biāo)位置。

進一步的，所述匹配模板自適應(yīng)更新模塊包含以下子模塊：

巴氏距離計算子模塊，用于分別計算當(dāng)前幀目標(biāo)模板與匹配模板的灰度直方圖，將灰度直方圖歸一化之后計算它們的巴氏距離；

數(shù)字圖像的直方圖是離散函數(shù)

h(r_i)＝n_i，

其中r_i是第i級灰度，n_i是圖像灰度級為r_i的像素個數(shù)，一個歸一化直方圖由下式給出：

$P\left(r_i\right)=\frac{n_i}{n},$

n為圖像中的像素總數(shù)，P(r_i)給出了灰度級為r_i發(fā)生的概率估計值；

巴氏距離

$\mathrm{\λ}=\sqrt{-\frac{1}{\sqrt{N^2\stackrel{\‾}{H_1}\stackrel{\‾}{H_2}}}\underset{i}{\Σ}\sqrt{H_1\left(i\right)H_2\left(i\right)}},$

式中

$\stackrel{\‾}{H_k}=\frac{1}{N}\underset{i}{\Σ}{H}_k\left(i\right),0\≤i\≤N,k=1,2,$

其中，i是歸一化直方圖分段號，N表示歸一化直方圖中bin的數(shù)目，k表示圖像的代號，H₁(i)、H₂(i)分別表示當(dāng)前幀目標(biāo)模板與匹配模板的歸一化灰度直方圖對應(yīng)區(qū)間的數(shù)值；

巴氏距離判斷子模塊，用于判斷巴氏距離λ是否在模板更新范圍內(nèi)，即λ₂＜λ＜λ₁是否成立，是則進行步驟(13)，否則不更新匹配模板，根據(jù)實際經(jīng)驗，0＜λ₁＜1，0＜λ₂＜1，優(yōu)選λ₁＝0.98、λ₂＝0.88；

匹配模板更新子模塊，用于計算當(dāng)前幀目標(biāo)模板與匹配模板的歸一化灰度直方圖的卡方相似度ρ

$\mathrm{\ρ}=\underset{i}{\Σ}\frac{{\left(H_1\right(i)-H_2(i\left)\right)}^2}{H_1\left(i\right)+H_2\left(i\right)},$

式中其中，i是歸一化直方圖分段號，H₁(i)、H₂(i)分別表示當(dāng)前幀目標(biāo)模板與匹配模板的歸一化灰度直方圖對應(yīng)區(qū)間的數(shù)值；

判斷是否卡方相似度是否大于更新模板閾值，即ρ＞λ₃是否成立，根據(jù)實際經(jīng)驗0＜λ₃＜1，優(yōu)選λ₃＝0.46；是則更新匹配模板，否則不更新匹配模板；匹配模板更新方式如下

T_new＝βTcur+(1-β)T_old，

其中，T_new、T_cur、T_old分別表示更新后的匹配模板、當(dāng)前圖像幀目標(biāo)模板、匹配模板；β為最大直方圖相似度

β＝max{ρ_a,ρ,ρ_b}，

其中，ρ_a、ρ和ρ_b分別表示當(dāng)前幀目標(biāo)模板尺寸縮小a倍、當(dāng)前幀目標(biāo)模板和當(dāng)前幀目標(biāo)模板尺寸擴大b倍后的灰度直方圖與匹配模板灰度直方圖的卡方相似度,根據(jù)實際經(jīng)驗0.5＜a＜1、1＜b＜1.5，優(yōu)選a＝0.9、b＝1.1。

進一步的，所述目標(biāo)位置估計模塊分為以下子模塊：

卡爾曼濾波器預(yù)估子模塊，用于根據(jù)當(dāng)前幀目標(biāo)位置和上一幀跟蹤目標(biāo)位置，采用卡爾曼濾波器預(yù)估下一幀紅外圖像中目標(biāo)子圖的位置；

相似度匹配目標(biāo)位置子模塊，用于以卡爾曼濾波器預(yù)測的目標(biāo)子圖位置為搜索區(qū)域的中心位置，在搜索區(qū)域內(nèi)移動匹配模板，計算目標(biāo)子圖與匹配模板的相似度，判斷是否至少存在一個匹配模板使得他們的相似度大于匹配閾值th，根據(jù)實際經(jīng)驗0＜th＜1，優(yōu)選th＝0.88，是則以相似度取得最大值時的匹配模板位置為估計的目標(biāo)位置，否則以卡爾曼濾波器預(yù)測的目標(biāo)子圖位置為估計的目標(biāo)位置，相似度計算公式：

$NC(i,j)=\frac{\underset{m=0}{\overset{M}{\Σ}}\underset{n=0}{\overset{N}{\Σ}}T(m,n)S^{ij}(m,n)}{\sqrt{\underset{m=0}{\overset{M}{\Σ}}\underset{n=0}{\overset{N}{\Σ}}{T}^2(m,n)}\sqrt{\underset{m=0}{\overset{M}{\Σ}}\underset{n=0}{\overset{N}{\Σ}}\left(S^{ij}(m,n)\right)}}\×e^{-\frac{Dis}{{\mathrm{Dis}}_{max}}},$

其中i、j是目標(biāo)子圖左上角在被搜索區(qū)域上的坐標(biāo)，T(m,n)表示匹配模板圖像中第m行第n列的像素灰度值，S^ij(m,n)表示目標(biāo)子圖中第m行第n列的像素灰度值

S^ij(m,n)＝S(i+m,j+n)，

Dis表示當(dāng)前匹配點(i,j)到卡爾曼濾波器預(yù)估的目標(biāo)子圖位置的距離

$Dis=|i-\hat{x}|+|y-\hat{y}|,$

式中分別是濾波器預(yù)估的目標(biāo)子圖位置的橫縱坐標(biāo)值，Dis_max表示Dis的最大值。

總體而言，通過本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)特征及有益效果：

(1)本發(fā)明提出的基于模板匹配與卡爾曼濾波的紅外成像地面運動目標(biāo)跟蹤方法能夠有效地解決紅外圖像中地面背景下運動目標(biāo)跟蹤過程中被遮擋而造成的跟蹤失敗問題；

(2)本發(fā)明提出的基于模板匹配與卡爾曼濾波的紅外成像地面運動目標(biāo)跟蹤方法能夠有效地解決紅外圖像中地面背景下運動目標(biāo)跟蹤過程中由于目標(biāo)與成像器相對運動和姿態(tài)變化而造成目標(biāo)尺寸大小變化時的跟蹤失敗問題

(3)本發(fā)明提出的基于模板匹配與卡爾曼濾波的紅外成像地面運動目標(biāo)跟蹤方法能夠有效地解決紅外圖像中地面背景下運動目標(biāo)跟蹤過程中由于目標(biāo)距離、尺寸等先驗信息未知造成的跟蹤失敗問題；

附圖說明

圖1是本發(fā)明的方法流程圖；

圖2是本發(fā)明的匹配模板自適應(yīng)更新步驟流程圖；

圖3是本發(fā)明的目標(biāo)位置估計步驟流程圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。

如圖1一種魯棒的實時紅外成像地面運動目標(biāo)跟蹤方法的流程圖，其中包含以下步驟：

(1)匹配模板自適應(yīng)更新步驟：先計算當(dāng)前幀目標(biāo)模板灰度直方圖與匹配模板灰度直方圖的巴氏距離，如巴氏距離在模板更新范圍內(nèi)，則計算當(dāng)前幀目標(biāo)模板和匹配模板灰度直方圖卡方相似度，如卡方相似度大于模板更新閾值，則計算當(dāng)前幀目標(biāo)模板尺寸縮小、不變和放大之后的灰度直方圖與匹配模板灰度直方圖的卡方相似度，選取最大卡方相似度為更新參數(shù)更新匹配模板；

(2)目標(biāo)位置估計步驟：根據(jù)目標(biāo)運動狀態(tài)，采用卡爾曼濾波器預(yù)估下一幀紅外圖像中目標(biāo)子圖的位置，以此位置為搜索區(qū)域的中心位置；在搜索區(qū)域內(nèi)移動匹配模板，計算不同區(qū)域的匹配模板和目標(biāo)子圖的相似度，相似度最大且大于匹配閾值的匹配模板位置為目標(biāo)位置，如相似度都小于匹配閾值則以卡爾曼濾波器預(yù)估位置為目標(biāo)位置。

如圖2匹配模板自適應(yīng)更新步驟包含以下子步驟：

(11)分別計算當(dāng)前幀目標(biāo)模板與匹配模板的灰度直方圖，將灰度直方圖歸一化之后計算它們的巴氏距離；

數(shù)字圖像的直方圖是離散函數(shù)

h(r_i)＝n_i，

其中r_i是第i級灰度，n_i是圖像灰度級為r_i的像素個數(shù)，一個歸一化直方圖由下式給出：

$P\left(r_i\right)=\frac{n_i}{n},$

n為圖像中的像素總數(shù)，P(r_i)給出了灰度級為r_i發(fā)生的概率估計值；

巴氏距離

$\mathrm{\λ}=\sqrt{1-\frac{1}{\sqrt{N^2\stackrel{\‾}{H_1}\stackrel{\‾}{H_2}}}\underset{i}{\Σ}\sqrt{H_1\left(i\right)H_2\left(i\right)}},$

式中

$\stackrel{\‾}{H_k}=\frac{1}{N}\underset{i}{\Σ}{H}_k\left(i\right),0\≤i\≤N,k=1,2,$

其中，i是歸一化直方圖分段號，N表示歸一化直方圖中bin的數(shù)目，k表示圖像的代號，H₁(i)、H₂(i)分別表示當(dāng)前幀目標(biāo)模板與匹配模板的歸一化灰度直方圖對應(yīng)區(qū)間的數(shù)值；

(12)判斷巴氏距離λ是否在模板更新范圍內(nèi)，即λ₂＜λ＜λ₁是否成立，是則進行步驟(13)，否則不更新匹配模板，根據(jù)實際經(jīng)驗0＜λ₁＜1，0＜λ₂＜1，優(yōu)選λ₁＝0.98、λ₂＝0.88；

(13)計算當(dāng)前幀目標(biāo)模板與匹配模板的歸一化灰度直方圖的卡方相似度ρ

$\mathrm{\ρ}=\underset{i}{\Σ}\frac{{\left(H_1\right(i)-H_2(i\left)\right)}^2}{H_1\left(i\right)+H_2\left(i\right)},$

式中其中，i是歸一化直方圖分段號，H₁(i)、H₂(i)分別表示當(dāng)前幀目標(biāo)模板與匹配模板的歸一化灰度直方圖對應(yīng)區(qū)間的數(shù)值；

判斷是否卡方相似度是否大于更新模板閾值，即ρ＞λ₃是否成立，其中λ₃的范圍是0＜λ₃＜1，優(yōu)選λ₃＝0.46；是則更新匹配模板，否則不更新匹配模板；匹配模板更新方式如下

T_new＝βTcur+(1-β)T_old，

其中，T_new、T_cur、T_old分別表示更新后的匹配模板、當(dāng)前圖像幀目標(biāo)模板、匹配模板；β為最大直方圖相似度

β＝max{ρ_a,ρ,ρ_b}，

其中，ρ_a、ρ和ρ_b分別表示當(dāng)前幀目標(biāo)模板尺寸縮小a倍、當(dāng)前幀目標(biāo)模板和當(dāng)前幀目標(biāo)模板尺寸擴大b倍后的灰度直方圖與匹配模板灰度直方圖的卡方相似度,根據(jù)實際經(jīng)驗0.5＜a＜1、1＜b＜1.5，優(yōu)選a＝0.9、b＝1.1。

如圖3目標(biāo)位置估計步驟分為以下子步驟：

(21)根據(jù)當(dāng)前幀目標(biāo)位置和上一幀跟蹤目標(biāo)位置，采用卡爾曼濾波器預(yù)估下一幀紅外圖像中目標(biāo)子圖的位置；

(22)以卡爾曼濾波器預(yù)測的目標(biāo)子圖位置為搜索區(qū)域的中心位置，在搜索區(qū)域內(nèi)移動匹配模板，計算目標(biāo)子圖與匹配模板的相似度，判斷是否至少存在一個匹配模板使得他們的相似度大于匹配閾值th，根據(jù)實際經(jīng)驗0＜th＜1，優(yōu)選th＝0.88；是則以相似度取得最大值時的匹配模板位置為估計的目標(biāo)位置，否則以卡爾曼濾波器預(yù)測的目標(biāo)子圖位置為估計的目標(biāo)位置，相似度計算公式：

$NC(i,j)=\frac{\underset{m=0}{\overset{M}{\Σ}}\underset{n=0}{\overset{N}{\Σ}}T(m,n)S^{ij}(m,n)}{\sqrt{\underset{m=0}{\overset{M}{\Σ}}\underset{n=0}{\overset{N}{\Σ}}{T}^2(m,n)}\sqrt{\underset{m=0}{\overset{M}{\Σ}}\underset{n=0}{\overset{N}{\Σ}}{\left(S^{ij}\right(m,n\left)\right)}^2}}\×e^{-\frac{Dis}{{\mathrm{Dis}}_{max}}},$

其中i、j是目標(biāo)子圖左上角在被搜索區(qū)域上的坐標(biāo)，T(m,n)表示匹配模板圖像中第m行第n列的像素灰度值，S^ij(m,n)表示目標(biāo)子圖中第m行第n列的像素灰度值

S^ij(m,n)＝S(i+m,j+n)，

Dis表示當(dāng)前匹配點(i,j)到卡爾曼濾波器預(yù)估的目標(biāo)子圖位置的距離

$Dis=|i-\hat{x}|+|y-\hat{y}|,$

式中分別是濾波器預(yù)估的目標(biāo)子圖位置的橫縱坐標(biāo)值，Dis_max表示Dis的最大值。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。