[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

本發明公開了基于KCF的無人機跟蹤方法，其包括：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。本發明具有原理簡單、易實現、實時性好、能夠解決目標快速移動跟蹤丟失問題等優點。

技術領域

本發明主要涉及到無人機檢測技術領域，特指基于KCF的無人機跟蹤方法。

背景技術

無人機是典型的低慢小目標，其特點包括飛行高度低，速度慢，有效探測面積較小，不容易被偵測發現等。無人機的這些特點意味著傳統的空中威脅探測系統已經不再適用，必須針對無人機的這些特點研發相應的反無人機系統從而實現對入侵無人機的威脅探測。

有從業者提出文獻《基于視覺的無人機入侵檢測與跟蹤系統設計與實現》，其是針對無人機運動過快的問題提出利用卡爾曼濾波來進行改進，但當無人機在運動過程中突然轉向時，該方法會發生跟蹤丟失的問題。

另有從業者提出文獻《基于視頻的小型無人機目標檢測與跟蹤方法研究》，其針對無人機運動過快的問題提出利用位置預測的方法進行改進，但該方法認為目標的運動為勻速運動。

而且這兩種方法都沒有考慮無人機在運動過程中可能發生傾斜旋轉的問題，使得在跟蹤過程中容易發生丟失。

另有從業者提出基于背景感知的KCF方法(Kernel ized Correlation Filter核相關跟蹤算法)，其是利用上一幀目標中心位置為基礎在當前幀鐘進行搜索目標，它的搜索過程是以當前幀目標所在的位置為中心，在一定范圍內采樣搜索。如圖1所示，圖中居中的虛線框表示目標區域，居中的實線框表示經過padding擴充后的采樣區域，其他的實線框表示padding循環移位之后對齊目標得到的樣本框。如圖2所示，表示下一幀目標的運動位置及采樣示意圖，當目標運動過快超出padding的采樣范圍時，則無法找到目標，會發生目標丟失。

發明內容

本發明要解決的技術問題就在于：針對現有技術存在的技術問題，本發明提供一種原理簡單、易實現、實時性好、能夠解決目標快速移動跟蹤丟失問題的基于KCF的無人機跟蹤方法。

為解決上述技術問題，本發明采用以下技術方案：

基于KCF的無人機跟蹤方法，其包括：

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。

作為本發明的進一步改進：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；