[发明专利]一种针对远距离高速运动目标的智能跟踪拍摄系统

权利要求书

1.一种针对远距离高速运动目标的智能跟踪拍摄系统，其特征在于：包括光学系统、稳定平台系统和显控系统；

所述光学系统包括全景跟踪相机以及专业级特写摄像机；光学系统固定于稳定平台系统上；光学系统用于在大范围全景中捕获和跟踪要拍摄的目标，并拍摄较远目标的特写画面；

所述稳定平台系统包括二维稳定转台以及配合控制稳定平台的转台控制器模块；二维稳定转台用于负载所述光学系统；转台控制器模块用于驱动二维稳定平台进行旋转，以便光学系统完成跟踪拍摄的功能；

所述显控系统包括：图像采集卡、软件控制系统和显示系统；

所述图像采集卡用于采集全景跟踪相机和专业级特写摄像机的实时图像数据；

所述软件控制系统用于处理图像采集卡所采集的实时图像数据，并实现目标检测、目标跟踪、实时视频流智能切换功能；

所述软件控制系统包括用于搭载上位机程序的中央控制单元、实现目标检测跟踪的视频跟踪器模块和电源模块；

所述软件控制系统通过中央控制单元发送指令，实现系统电源开关、目标手动与自动检测转换、特写摄像机镜头焦距和光圈的调节、稳定平台二维转向、图像处理、目标跟踪、路径规划拍摄、图像显示和画面录制；所述图像处理包括对全景跟踪相机和专业级特写摄像机画面的显示参数调节和参数字符嵌入；所述路径规划拍摄是指在全局跟踪画面中预设N个像素点形成一条轨迹，使得二维稳定平台依照该轨迹进行循迹拍摄；所述目标跟踪是指通过中央控制单元在全景跟踪相机画面中划定检测区域，通过按钮进行手动目标选择模式和自动目标检测模式的转换，采用目标检测跟踪方法进行目标检测、跟踪，可使稳定平台跟随目标转动，保持目标一直呈现在专业级特写摄像机的特写画面中，随后，对特写画面中目标采用自适应检测跟踪算法进行二次检测跟踪，微调跟踪目标在特写画面中的位置和特写摄像机的焦距、光圈，可以使目标处于画面的最佳位置；

所述显示系统用于显示全景跟踪相机以及较远目标的特写画面，同时也用于显示二维稳定转台和光学系统的信息；

所述光学系统与显控系统中的视频跟踪器模块进行连接，稳定平台系统与显控系统进行连接。

2.如权利要求1所述的一种针对远距离高速运动目标的智能跟踪拍摄系统，其特征在于：还包括一个光学系统和稳定平台系统，称为二级采集系统；所述二级采集系统采集到的图像经过图像采集卡，经软件控制系统进行图像处理，同样采用目标检测跟踪方法对目标进行检测跟踪，随后，对特写画面中目标采用自适应检测跟踪算法进行二次检测跟踪，微调跟踪目标在特写画面中的位置和特写摄像机的焦距、光圈，使目标处于画面的最佳位置；通过实时视频流智能切换方法对多路视频流进行评价、自动切换，通过显示系统实时输出观感较好的视频画面。

3.如权利要求2所述一种针对远距离高速运动目标的智能跟踪拍摄系统，其特征在于：所述实时视频流智能切换方法能够对多路视频流进行评价、自动切换，步骤如下：

实时视频流智能切换方法步骤一、构建数据库，所述数据库由LIVE数据库和新采集到的高清视频，以及视频对应的视频平均主观值构成；对数据库中的视频进行分类，分类准则为将平均主观值在区间的视频记为类型VT_j，j＝0，1，2，…，N；从数据库中随机抽取样本组建实验样本集；

实时视频流智能切换方法步骤二、构建深度卷积神经网络模型，所述深度卷积神经网络模型包括预分类网络和视频平均主观值回归预测网络；所述预分类网络用于预测视频类型VT_j，即预测视频平均主观值所处的分值区间；所述视频平均主观值回归预测网络用于预测视频平均主观值y；

实时视频流智能切换方法步骤三、训练深度卷积神经网络模型，初始化后，将步骤一的实验样本集输入步骤二中构建的深度卷积神经网络模型进行训练；采用随机梯度下降法对步骤二中构建的深度卷积神经网络模型进行迭代优化，每次迭代之后，计算深度卷积网络的损失函数和梯度，对深度卷积神经网络的权重和偏置项进行优化，以寻求本次训练最优的深度卷积神经网络模型；

实时视频流智能切换方法步骤四、实时切换视频流信号，判断多路视频中是否包含所跟踪目标，当视频中包含跟踪目标且跟踪目标的可视面积大于设定阈值d时，将该视频输入步骤三训练好的回归预测网络，对多路视频信号的数据进行视频可视质量实时预测，选择可视质量最高的视频流ID，并将该视频流信号输出到显示系统的屏幕中。