[发明专利]一种基于无人机平台的目标自动跟踪方法及系统

说明书

本发明实施例提供的基于无人机平台的目标自动跟踪方法及系统，包括在当前视频数据中，按照采集时间逐帧搜索目标，对当前帧目标初始化标志位进行赋值；获取所述目标在当前帧图像的初始化信息；在下一帧图像中，根据目标的深度特征在初始位置附近搜索与初始图像块相似的图像块，并对当前帧目标跟踪标志位进行赋值；获取所述目标在下一帧图像中的位置信息和图像块；迭代执行上述直至完成目标的跟踪。本实施例提供的方法及系统，通过在当前帧图像定位目标的初始化信息，并在下一帧图像中自动搜索并定位目标，可以迅速准确检测重新进入传感器视野的目标，能稳定跟踪地面车辆目标，可用于实际移动端目标跟踪。

技术领域

本发明实施例涉及计算机视觉目标跟踪技术领域，尤其涉及一种基于无人机平台的目标自动跟踪方法及系统。

背景技术

无人驾驶飞行器简称无人机，能通过地面站远程或机载任务板程序的操控实现飞行功能。随着计算机视觉、自主定位和自动控制等技术的不断成熟，无人机的应用和发展得到了民众的大力追捧和资本注入。为满足无人机智能感知环境状态和评估自身状态以实现无人机自主的飞行，对无人机视觉导航、目标检测、识别和跟踪的技术提出了更高要求。具有强鲁棒性的跟踪地面移动车辆目标是指即使车辆目标在行驶过程中发生非刚体形变、快速移动以及受到光线变化、障碍物遮挡等背景干扰，无人机仍能保持一定精度和成功率的跟踪目标，为无人机跟踪锁定目标、精确打击等应用提供重要支撑。

目标跟踪方法按照建立目标模型的方式不同可以分为生成类方法和判别类方法。其中，生成类目标跟踪方法是指按照一定规则生成目标模型，在待跟踪图像中搜索与目标模型最相似的区域为目标区域。该类算法核心在于刻画目标特征而忽略背景干扰，但当目标发生形变、光照变化或运动模糊时容易跟丢目标。典型的生成式目标跟踪算法有粒子滤波、Mean-Shift以及基于稀疏表示的目标跟踪算法等。

判别类目标跟踪方法包括建立区分图像目标和背景信息的判别模型，在待跟踪图像中判别搜索区域是目标或背景信息而跟踪目标。该类算法致力于建立背景信息与目标之间的判别模型。判别类目标跟踪方法主要包括相关滤波和深度学习方法。其中，基于相关滤波器的目标跟踪算法是指通过构造相关滤波器，在候选区域内搜索与目标相关性最大的响应区域为下一帧图像的目标区域，其典型代表是KCF。KCF跟踪算法在实际应用中存在如下缺陷：由于在跟踪时需要逐帧更新估计目标位置的滤波器，造成当目标被遮挡严重时，容易丢失目标；随着目标景深和形状的变化，目标框容易漂移，跟踪鲁棒性较差。

有鉴于此，亟需提供一种鲁棒性更强的目标自动跟踪方法和系统，以克服现有技术中的不足。

发明内容

本发明实施例提供一种基于无人机平台的目标自动跟踪方法及系统，用于克服或部分解决现有技术在基于无人机平台的目标自动跟踪中存在的运算效率低、分配不合理等缺陷。

第一方面，本发明实施例提供一种基于无人机平台的目标自动跟踪方法，主要包括以下步骤：

S1，获取由无人机嵌入式平台采集的当前视频数据；

S2，在当前视频数据中，按照采集时间逐帧搜索目标，并根据搜索结果对当前帧目标初始化标志位进行赋值；若目标初始化标志位为1，则获取目标在所述当前帧图像的初始化信息；该初始化信息包括：目标的初始位置信息以及目标所对应的初始图像块；

S3，在下一帧图像中，根据目标的深度特征在目标的初始位置附近搜索与初始图像块相似的图像块，并根据搜索结果对当前帧目标跟踪标志位进行赋值；若当前帧目标跟踪标志位的赋值为1，则获取目标在下一帧图像中的位置信息和图像块；

S4，以目标在下一帧图像中的位置信息和图像块作为初始化信息；

S5，迭代执行上述步骤S3-S4，继续在下一帧图像中进行目标的搜索，直至完成目标的跟踪。