[發明專利]基于KCF的無人機跟蹤方法

在審

• 申請號: 201911381598.2
• 申請日: 2019-12-27
• 公開（公告）號: CN111179313A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 楊松;韓明華;韓乃軍;唐良勇
• 申請（專利權）人: 湖南華諾星空電子技術有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/73;G06T7/90
• 代理公司: 湖南兆弘專利事務所(普通合伙) 43008
• 代理人: 周長清

1.基于KCF的無人機跟蹤方法，其特征在于，包括：

步驟S1：輸入圖像序列；

步驟S2：利用coarse to fine搜索策略在輸入的圖像序列中提取m個相似度最大的image patch；

步驟S3：對m個image patch分別提取FHOG、灰度和CN特征，記為feature map；對m個feature map分別用PCA-熵權法進行降維；

步驟S4：對m個image patch對應的降維后的feature map根據背景感知的KCF算法找到最大值對應的image patch，記為FindImage；

步驟S5：對FindImage根據KCF算法，進行精細搜索，找到目標準確的位置。

2.根據權利要求1所述的基于KCF的無人機跟蹤方法，其特征在于，所述步驟S2包括：

步驟S201：在上一幀目標的中心位置，在n_t個方向上提取N個image patch；

步驟S202：分別提取這N個image patch的顏色直方圖，并提取上一幀目標中心位置處的顏色直方圖；

步驟S203：分別計算N個顏色直方圖與上一幀目標中心位置的顏色直方圖的巴氏距離，根據巴氏距離選擇m個相似度最大的image patch。

3.根據權利要求1所述的基于KCF的無人機跟蹤方法，其特征在于，在所述步驟S3中，所述PCA-熵權法進行降維的具體步驟為：

步驟S301：根據PCA算法提取特征值大于1的前k個主成分F₁,F₂,...,F_k；

步驟S302：通過數據平移來進行非負化處理，然后計算第j項指標下第i個樣本指標值的比重：

步驟S303：計算第j項指標的熵值e和信息效用值d：

d_j＝1-e_j

步驟S304：計算第j項指標的權數wj：

步驟S305：PCA和熵權法相結合得到的最終特征：

S_i＝w_i*F_i。

4.根據權利要求1或2或3所述的基于KCF的無人機跟蹤方法，其特征在于，在所述步驟S4中，對m個image patch對應的降維后的feature map根據背景感知的KCF算法計算其response，并求其最大值記為MaxValue；對得到的m個MaxValue進行排序，找到最大值；根據找到的最大值找到對應的image patch，記為FindImage。

5.根據權利要求1或2或3所述的基于KCF的無人機跟蹤方法，其特征在于，還包含步驟S6：對基于背景感知的KCF算法模型進行更新；然后，在接下來的跟蹤過程中，用更新的KCF算法模型進行檢測。