[发明专利]一种长时稳定的无人机目标跟踪方法

摘要

本发明提供的一种长时稳定的无人机目标跟踪方法，根据用户交互选择并优化初始化跟踪目标框的方法；根据相关滤波算法计算跟踪目标响应图的方法；根据响应图进行质量评价与空间定位确定跟踪目标位置的方法；根据感知哈系算法对跟踪结果进行跟踪成功/失败判定的方法；根据随机森林分类器对丢失目标进行全局丢失找回的方法。本发明提供的跟踪方法能够在光照变化、尺度变化、动态场景以及局部/全局遮挡情况下对目标进行长时稳定跟踪，同时可以应用与多种不同场景与平台，因此本发明具有稳定性强、实时性好、抗干扰能力强等优点。

主权项

一种长时稳定的无人机目标跟踪方法，其特征在于，包括以下步骤：第一步，通过无人机机载相机连续拍摄地面图像，任意选取一帧作为跟踪起始帧；并在当前帧内选取待跟踪目标，并在待跟踪目标上加载矩形框作为待跟踪目标框R；第二步，通过裁剪算法对待跟踪目标框R进行尺度扩大或缩小的优化处理，得到尺度合适的初始跟踪目标框Ro；第三步，根据第二步中得到的初始跟踪目标框Ro，计算得到初始化感知哈希模板Ho＝Ro；第四步，以第二步中得到的初始跟踪目标框Ro为中心，分别将其宽w和高h扩大2倍得到拓展的目标区域Rp，分别计算目标区域Rp的HOG特征fp和目标区域Rp的随机森林特征RFP；第五步，在当前帧上对上一帧的目标区域Rpo所包含的像素区域通过双线性插值法进行S个不同尺度的尺度变换得到Rs；第六步，通过第四步分别提取第五步中Rs集合中元素的HOG特征，得到多尺度特征集合fs＝{fp0,fp1,...,fps}；第七步，将多尺度特征集合fs中的每个元素fpk,k∈s与第四步中得到的上一帧目标特征fp0进行相关卷积运算，得到了与多尺度特征集合fs一一对应的相关卷积响应图集合Pk；第八步，根据相关卷积响应图集合Pk中所有元素的响应极值rmax，得到rmax所在尺度唯一对应的相关卷积响应图Pmax与对应特征fmax；第九步，计算相关卷积响应图Pmax中的响应均值μp、响应极大值rmax和响应极小值rmin，并根据响应均值μp、响应极大值rmax和响应极小值rmin判断当前帧目标跟踪成功与否，当目标跟踪成功时，执行第十步；当目标跟踪失败时，执行第十一步；第十步，对目标跟踪模型进行更新，并计算输出当前帧上的目标跟踪框相对于上一帧目标跟踪框的偏移量，同时输出当前尺度So；第十一步，进入丢失找回模块进行找回；第十二步，若找回成功，则返回第十步，之后继续进行下一帧图像的处理；若找回失败，则返回第十一步，进行下一帧图像的处理。