[发明专利]一种无人机侦察目标的高速跟踪方法

权利要求书

1.一种无人机侦察目标的高速跟踪方法，其特征在于，

获取目标粗略位置区域后，通过目标精确包络提取模块获取目标精确包络区或目标显著特征区；

根据所述目标精确包络区或目标显著特征区初始化高速目标跟踪模块和尺度变化检测模块，持续运行所述高速目标跟踪模块，获取目标在后续视频序列中的位置；

获取每帧图像中目标位置后，通过所述尺度变化检测模块获取当前帧图像中目标精确尺度，基于所述目标精确尺度修正所述高速目标跟踪模块，以实现对目标的鲁棒跟踪，降低由于目标尺寸变化导致的跟踪器退化漂移的问题。

2.根据权利要求1所述一种无人机侦察目标的高速跟踪方法，其特征在于，所述方法具体为：

Step1:通过人工操作或其他常规算法得到目标粗略位置区域；

Step2:运行目标精确包络提取模块，获取目标精确包络区或目标显著特征区；

Step3:根据所述目标精确包络区或目标显著特征区初始化高速目标跟踪模块和尺度变化检测模块；

Step4:运行所述高速目标跟踪模块，获取目标在当前帧中的区域；

Step5:运行所述尺度变化检测模块，获取目标精确尺度；

Step6:根据所述目标精确尺度缩放检测区域，更新所述所述高速目标跟踪模块，以及更新所述尺度变化检测模块的参数；

Step7:重复Step4-Step6，直到视频结束。

3.根据权利要求1或2所述一种无人机侦察目标的高速跟踪方法，其特征在于，所述目标精确包络提取模块，在所述粗略目标位置附近，进行显著性区域检测，获取目标精确包络区或目标显著特征区，所述高速目标跟踪模块以该目标精确包络区或目标显著特征区代表目标精确位置进行跟踪，最大限度的减少背景对所述高速目标跟踪模块带来的影响，且能够用于表征目标区域，所述目标精确包络提取模块采用频谱残差法SR进行显著性区域检测。

4.根据权利要求1或2所述一种无人机侦察目标的高速跟踪方法，其特征在于，所述高速目标跟踪模块采用改进的CSK算法进行跟踪，所述改进的CSK跟踪算法，通过提取最显著颜色特征和灰度特征融合，能够在保证实时性的基础上，增加跟踪器工作鲁棒性。

5.根据权利要求4所述一种无人机侦察目标的高速跟踪方法，其特征在于，所述改进的CSK跟踪算法包括对分类器特征的改进和对更新策略的改进；

对分类器的改进方法为：在原有灰度特征基础上引入显著颜色通道特征，获得用于实际训练所述高速目标跟踪模块所使用的特征；

对更新策略的改进方法为：只有当所述高速目标跟踪模块获取检测结果符合一定条件时更新所述高速目标跟踪模块，否则不更新。

6.根据权利要求5所述一种无人机侦察目标的高速跟踪方法，其特征在于，所述显著颜色通道特征的获取具体为：首先获取待检测区域对应的显著颜色通道，并对该显著颜色通道归一化处理得到所述显著颜色通道特征；

其中，所述显著颜色通道的获取方法为：

(1)在所述高速目标跟踪模块初始化前，将目标区域图像红绿蓝三通道分离，获取每个通道单独的矩阵；

(2)分别求取每个通道的矩阵均值，判断三个均值中的最大值记为所述显著颜色通道。

7.根据权利要求1或2所述一种无人机侦察目标的高速跟踪方法，其特征在于，所述尺度检测模块采用DSST算法中的尺度检测模块，且所述尺度检测模块基于在线SVM分类器设计，初始时采用当前目标周围各尺度图像作为训练样本输入训练分类器，实际使用时在跟踪器获取目标位置后，以当前目标位置为中心检测当前目标周围各尺度图像的置信度，获取准确的目标尺度信息，最后根据检测到的所述目标尺度信息修正所述高速目标跟踪模块，以保证所述高速目标跟踪模块的准确性。

8.根据权利要求7所述一种无人机侦察目标的高速跟踪方法，其特征在于，通过所述尺度变化检测模块修正所述高速目标跟踪模块的方法具体为：

所述尺度变化检测模块每次检测时有N个候选的尺度，对于每一个候选尺度s∈S，S为缩放系数，缩放系数S如下式所示：

其中，a表示具体缩放步频，n表示缩放倍率，N表示候选尺度数目；

以估计中心点为中心得到一个图像块J_s，将所有图像块J_s缩放至P×Q大小，P和Q分别为图像的宽和高，提取相应的FHOG特征，计算每一个图像块的响应值进而得到最佳尺寸大小：

其中，表示获取的最佳尺寸大小，表示取各图像块响应值的最大值对应的尺度作为最佳尺寸大小；

在确定最佳尺寸大小后，根据其对应的缩放系数s，对原始图像进行缩放，并以缩放后的区域更新高速跟踪器，达到对高速跟踪器修正的目的。