[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

说明书

本发明公开一种基于生物视觉机理的旋翼无人机红外视频跟踪方法，应用于计算机视觉和目标跟踪领域，针对现有技术难以满足旋翼无人机的目标追踪的问题；本发明分别基于运动特征和外观特征对目标进行跟踪，再进行信息整合，获得最终的跟踪结果；本发明的方法良好适应了旋翼无人机在红外视频中信号不稳定、运动自由度多等特点，具有跟踪准确度高、计算实时性强等特点，非常适合于红外视频中旋翼无人机的单目标跟踪。

技术领域

本发明属于计算机视觉和目标跟踪领域，特别涉及一种旋翼无人机在红外视频中的单目标跟踪技术。

背景技术

近年来，旋翼无人机在国内外发展日益蓬勃，被广泛应用于航拍、表演、遥测、巡防、勘探、救援等诸多领域，但也随之产生了一系列严重的安全管控问题：未经许可闯入公共及敏感区域、意外坠落、影响客机正常起降、碰撞高层建筑等事件不断发生。因此，开展针对复杂环境下无人机的智能感知研究，有助于对无人机进行有效探测和监管，具有重要意义。相对可见光信号，红外信号在恶劣天气下鲁棒性强，对光照不敏感，因此更适合用以在复杂环境中监控具有低慢小特征的旋翼无人机目标。

目前，解决对移动目标的跟踪问题有两个主流途径：基于目标运动特征的方法和基于目标外观特征的方法。典型的基于目标运动特征的方法有航迹法，光流法等。航迹法主要利用飞行物的飞行轨迹进行跟踪，在飞行轨迹容易预测的固定翼飞机上应用效果较好，但不适用于具有多个飞行自由度的旋翼无人机。光流法通过利用视频序列在相邻帧之间的像素关系,寻找像素的位移变化来判断目标的运动状态,实现对运动目标的跟踪。应用该类方法需要满足的前提假设是：图像的光照强度保持不变，背景相对目标保持稳定。在红外监控视频中，由于成像器件的限制，往往难以满足该假设。典型的基于目标外观特征的方法有特征匹配法，相关滤波法等。特征匹配法首先提取目标特征,然后根据最相似的特征在后续视频帧中进行目标定位。由于需要处理整张视频帧，因此该类方法通常难以满足实时性的要求。相关滤波法将通信领域衡量两个信号相似程度的思路引入目标跟踪中，根据跟踪过程中的当前帧以及之前帧的信息训练一个分类器，计算新输入帧的相关性，最大输出响应的位置即为当前帧的目标位置。该类方法要求被跟踪物体在形状和尺寸上保持一定的稳定性。然而旋翼无人机由于其飞行原理，机动时在加速方向上存在较大的倾斜角，难以满足应用相关滤波跟踪的前提要求。近年来，基于深度学习的目标跟踪方法正快速发展，但该类方法对训练数据集和计算资源的需要限制了其在实际场景中的大规模应用。

发明内容

为解决上述技术问题，本发明提出一种基于生物视觉机理的旋翼无人机红外视频跟踪方法。

本发明采用的技术方案为：基于生物视觉机理的旋翼无人机红外视频跟踪方法，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；

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；

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。

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W_t(x,y)。

还包括步骤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。

步骤S1的计算式为：