基于声呐图像的水下多目标跟踪算法研究.pdf

基于声呐图像的水下多目标跟踪算法研究

摘要

前视声呐在海域保护、鱼群捕捞、深海勘探等方面应用广泛，经常用于军事和民事

领域的水下目标探测、识别与跟踪中。针对实际应用中容易发生漏检、漏跟、错跟，并

且跟踪精度低的问题，论文对基于声呐图像的水下多目标检测与跟踪技术进行研究，围

绕图像预处理、多目标检测、二维多目标跟踪以及三维多目标跟踪四部分具体开展，实

现对水下多目标的二维和三维稳定跟踪。

首先，采用插值算法对声呐图像进行降采样。通过空域和频域增强，提高声呐图像

对比度，减少漏检测。由于水下噪声和旁瓣影响，导致检测后的虚警率过高，利用滤波

算法实现降噪，对波束进行归一化抑制旁瓣。在声呐图像预处理完成后，选用K-means

和CA-CFAR算法在水池和外场实验中对多目标进行检测。针对检测后虚假目标过多的

问题，根据转动角度去除每一帧检测结果的水池池壁，通过面积特征去除杂波。CA-CFAR

算法检测效果依赖调参，且K-means算法的漏检率和虚警率较低，相对来说更胜一筹。

其次，根据检测结果，PHD滤波算法被用来进行多目标跟踪，并提出平均OSPA距

离、轨迹断裂次数、漏跟踪率三个跟踪指标，衡量跟踪效果。2D-SMC-PHD比2D-GM-PHD

算法的应用范围更广，跟踪结果更稳定。针对连续帧的漏检导致轨迹断裂、跟踪精度低

的问题，基于2D-SMC-PHD提出一种加阈值的2D-SMC-PHD(2D-TH-SMC-PHD)算法。

通过连续丢失帧数阈值的设置，漏跟踪率被降低，轨迹断裂次数被减少；通过应用最小

方差(MSV)重采样方法，OSPA距离被降低，跟踪精度提高。将其分别在检测概率不同

的仿真实验、检测效果不同的水池实验和外场实验中进行验证，2D-TH-SMC-PHD算法

均实现了对目标轨迹无断裂、高精度、无漏跟的跟踪结果。

继而，将二维多目标跟踪算法进行改进，得到三维多目标跟踪算法。对于三维多目

标跟踪，需要根据检测结果中目标的二维信息和俯仰角，计算得到三维量测信息。通过

在仿真实验中设置不同的检测概率，3D-TH-SMC-PHD算法也实现了对目标轨迹无断裂、

高精度、无漏跟的跟踪结果，但比2D-TH-SMC-PHD算法的跟踪精度低。

最后，对论文进行了总结，并对未来实际的三维水下多目标跟踪应用进行展望，将

从三维检测方向进行创新，降低三维水下量测信息的误差。

关键词：声呐图像；K-means聚类；CA-CFAR检测；二维与三维多目标跟踪；

TH-SMC-PHD；MSV粒子重采样

I

基于声呐图像的水下多目标跟踪算法研究

ABSTRACT

Forward-lookingsonariswidelyusedinseaprotection,fisheryanddeep-seaexploration,

andisoftenusedforunderwatertargetdetection,identificationandtrackinginmilitaryand

civilfields.Toaddresstheproblemsofmisseddetection,missedtracking,wrongtrackingand

lowtrackingaccuracyinpracticalapplications,thepaperinvestigatesunderwatermultitarget

detectionandtrackingtechnologybasedonsonarimages,focusingonfourspecificparts:

imagepreprocessing,multitargetdetection,two-dimensional(2D)andthree-dimensional(3D)

multi-targettracking,tocomplete2Dand3Dstabletrackingofmul