[发明专利]无人机目标跟踪方法、装置、无人机及存储介质

权利要求书

1.一种无人机目标跟踪方法，其特征在于，所述方法包括以下步骤：

获取第一图像帧；其中，所述第一图像帧具有目标标注框；

提取所述目标标注框的HOG特征和CN特征，并根据所述HOG特征和所述CN特征，分别训练获得第一滤波器和第二滤波器；

在接收到第二图像帧时，提取所述第二图像帧的HOG特征和CN特征，利用所述第一滤波器和所述第二滤波器对所述第二图像帧的HOG特征和CN特征执行相关操作，获得第二图像帧的第一响应图像和第二响应图像；

根据所述第一响应图像和所述第二响应图像关于所述HOG特征和所述CN特征的置信度，将所述第一响应图像和所述第二响应图像互补融合，获得最终响应图像；

根据所述最终响应图像的最大值对应的坐标，获得目标跟踪结果。

2.如权利要求1所述的无人机目标跟踪方法，其特征在于，所述根据所述第一响应图像和所述第二响应图像关于所述HOG特征和所述CN特征的置信度，将所述第一响应图像和所述第二响应图像互补融合，获得最终响应图像步骤之前，所述方法还包括：

根据目标状态评估指标和置信度评估函数，对所述第一响应图像和所述第二响应图像进行质量评价，获得所述HOG特征和所述CN特征的置信度。

3.如权利要求2所述的无人机目标跟踪方法，其特征在于，所述目标状态评估指标的表达式为：

其中，M_i,j代表大小为W*H的响应图像在(i,j)处的响应值，T为预设的响应强度，指示函数1[M_i,jT]在M_i,jT的情况下等于1，否则等于0；

所述置信度评估函数的表达式为：

其中，υ_i代表第i个特征的特征向量的占比，ξ和θ为超参数。

4.如权利要求3所述的无人机目标跟踪方法，其特征在于，所述将所述第一响应图像和所述第二响应图像互补融合的表达式为：

其中，f_i和f_t分别代表第i个特征的特征向量和最终的融合特征。

5.如权利要求4所述的无人机目标跟踪方法，其特征在于，所述根据所述最终响应图像，获得目标跟踪结果步骤之后，所述方法还包括：

根据所述置信度，获得所述HOG特征和所述CN特征的学习率；

基于所述学习率，更新所述HOG特征和CN特征，并利用更新后的所述HOG特征和所述CN特征，训练第一滤波器和第二滤波器；

返回执行在接收到第二图像帧时，提取所述第二图像帧的HOG特征和CN特征，利用所述第一滤波器和所述第二滤波器对所述第二图像帧的HOG特征和CN特征执行相关操作，获得第一响应图像和第二响应图像步骤。

6.如权利要求5所述的无人机目标跟踪方法，其特征在于，所述更新所述HOG特征和CN特征的表达式为：

式中，^代表对信号进行DFT变换，和分别代表第k帧第i个特征对应的模板向量和当前视频图像搜索区域的特征向量，η_ik为第k帧第i个特征对应的学习率，η_i为每帧对应特征的学习率，η₀为基础学习率值。

7.如权利要求1所述的无人机目标跟踪方法，其特征在于，所述训练第一滤波器和第二滤波器步骤，具体包括：

基于目标中心的约束以及相邻两帧图像的第一响应图之间和第二响应图之间的约束项，构建目标函数；

对所述目标函数进行迭代求解，获得训练后的第一滤波器和所述第二滤波器。