[发明专利]一种无人机侦察目标的高速跟踪方法

说明书

本发明涉及一种无人机侦察目标的高速跟踪方法，属于图像处理、计算机视觉领域。在操作人员或其他算法获取粗略目标位置后，首先，通过目标精确包络提取模块，获取精确目标框；其次，通过运行高速目标跟踪模块，获取目标在后续视频序列中的位置；最后，通过尺度变化检测模块获取目标尺度变化信息，进而修正高速目标跟踪模块，实现所述跟踪算法对目标的鲁棒跟踪。本发明所述方法解决了无人机视频处理系统目标跟踪的所存在问题：1）目标给定不明确时准确跟踪；2）待跟踪目标像所占素数较小纹理不明显；3）目标尺度变化时跟踪鲁棒性不足；4）现有硬件平台下跟踪实时性差。

技术领域

本发明涉及一种无人机侦察目标的高速跟踪方法，属于图像处理、计算机视觉领域。

背景技术

目标跟踪技术在无人机作战侦察，精确打击领域应用广泛，也为目标定位，检测识别等情报处理技术提供信息支撑。实时鲁棒的目标跟踪算法，可以减少地面监控人员的操作负担，同时是无人机自动化智能化不可缺少的步骤之一。

目前工程运用中，相关跟踪算法应用最为广泛，由于通过频域相乘代替了空域的卷积，大幅度的提升了算法运行速度，同时算法实现简单，方便硬件实现，硬件处理速度较快，但是算法在目标形变和尺度变化时鲁棒性较差易发生跟踪位置漂移。此外一些其他的较为常用的目标跟踪算法有TLD(Tracking-Learning-Detection)算法、CT(CompressiveTracking)算法、CSK(Exploiting the Circulant Structure of Tracking-by-Detectionwith Kernels)算法、DSST(Accurate Scale Estimation for Robust Visual Tracking)算法、KCF(High-Speed Tracking with Kernelized Correlation Filters)算法、ACT(Adaptive Color Attributes for Real-Time Visual Tracking)算法、LCT(Long-termCorrelation Tracking)算法等。

TLD算法通过在线学习的方式，采用PN学习的策略结合中值光流法和在线级联分类器，可实现长时间目标跟踪，但跟踪效率低。320*240分辨率大小的图像在后期的处理速度仅为5fps。CT算法随机生成一个稀疏的投影矩阵，在低维特征空间中，直接应用经过稀疏矩阵投影后的压缩特征对目标进行分类，算法在目标区域纹理丰富时跟踪效果较好，能够达到每秒30帧左右的运行速度；CSK算法应用循环矩阵的性质，并通过傅里叶变换对待检测区域实现高速SVM检测和训练，可以达到每秒300帧左右的跟踪速度，但在目标尺度变化时效果不足。DSST算法提出了一个独立的目标尺度检测模块，该模块方便集成，同时运行速度高。KCF算法和ACT算法是CSK算法的改进，通过引入FHOG特征和ColorName矩阵优化原始CSK算法，算法均有一定的提升，也均能达到实时的跟踪结果。

以上算法在日常监控领域均取得了很好的跟踪效果，但是在无人机侦察处理系统中，由于航拍和作战环境中各种条件的限制无法获得较好的推广和应用。

在无人机视频处理系统中目标跟踪技术主要面临以下问题：

1)目标指定方式，无人机侦察时由于抓取目标应用环境的限制，往往操作时只能点选目标的大概位置，无法给定准确的目标矩形框；

2)无人机航拍视频中，目标所占像素数不足，且在整个画面中比例较小，纹理特征不明显；

3)无人机航拍视频中，由于拍摄图像受载荷及飞机姿态的影响，导致目标角度尺度变化明显。

4)在现有硬件处理基础上，需要保证跟踪实时性。

发明内容