[发明专利]基于生物视觉机理的旋翼无人机红外视频跟踪方法

权利要求书

1.基于生物视觉机理的旋翼无人机红外视频跟踪方法，其特征在于，包括：

S1.根据输入的视频帧，提取当前运动信息的粗估计；

S2.根据输入的视频帧提取朝向特征和边缘特征，以朝向特征作为实部，与该朝向特征具有相同尺度的边缘特征作为虚部，获得实数域的目标特征图Fmap(x,y；θ,s)；

S3.根据当前帧的目标特征图，结合前一帧信息，计算特征加权图的粗估计；步骤S3所述的特征加权图的粗估计计算式为：

其中，表示特征加权图的粗估计，⊙是点积操作符，是卷积操作符，OF(θ,s)是目标特征信息，θ表示朝向，s表示尺度，vw_t-1是前一帧计算的速度权重，E_t-1(x,y)是前一帧计算的运动预测信息；

S4.加权融合当前运动信息的粗估计、前一帧的运动预测信息、前一帧的检测窗、当前特征加权图，获得对目标当前位置的粗估计；步骤S4所述加权融合计算式为：

其中，α,β,是融合权重系数，vw_t-1是前一帧计算的速度权重，E_t-1(x,y)是前一帧计算的运动预测信息，W_t-1(x,y)为前一帧检测窗，Gauss(object_size)是尺度为目标尺寸的二维Gauss核函数，表示当前运动信息的粗估计；

步骤S4所述的当前特征加权图Fweight根据步骤S3的特征加权图的粗估计得到，具体过程为：以步骤S3的特征加权图的粗估计响应最强的点为中心，将该点距离五倍目标尺寸外的点置0，将该点距离五倍目标尺寸内的点平滑滤波后进行归一化，得到当前特征加权图；

S5.对目标当前位置的粗估计以其中像素点的最大值减去三倍标准差为门限进行二值化，得到对目标的精细估计；以对目标精细估计中非零像素点的质心位置为中心，检测框容忍系数与目标尺寸值乘积为半径，得到当前帧的检测窗；

S6.根据当前帧目标特征图中对应检测窗位置的信息块，更新目标特征信息；根据当前帧的目标位置和前一帧的目标位置，更新速度相关信息；根据当前速度和目标位置，估计下一帧目标位置，计算当前运动预测信息；运动预测信息在第一帧初始化为0，其他情况根据步骤S6进行更新，具体的更新方式为：

根据当前速度(vx_t,vy_t)和目标位置(p_t,q_t)，估计下一帧目标位置(ex_t,ey_t)：

以下一帧目标位置估计(ex_t,ey_t)为中心，将其距离object_size内的像素置1，距离外的像素置0，得到运动信息的粗估计

再根据得到当前时刻的运动预测信息E_t(x,y)：

其中，Gauss(ξ)是尺度为目标机动力参数ξ的二维Gauss核函数。

2.根据权利要求1所述的基于生物视觉机理的旋翼无人机红外视频跟踪方法，其特征在于，步骤S2所述边缘特征由局部亚区去抑制的双高斯差滤波提取，具体计算方式如下：

其中，Edge(x,y；s)表示边缘特征，f_t(x,y)为当前时刻t的视频帧，(x,y)表示像素点的位置坐标，是卷积操作符，是尺度为的二维高斯核函数，是尺度为的二维高斯核函数，Gauss(s)是尺度为s的二维高斯核函数。