[發(fā)明專利]一種微型固定翼無人機機載地面運動目標識別與跟蹤方法

有效

• 申請?zhí)枺?/td>: 202011481692.8
• 申請日: 2020-12-15
• 公開（公告）號: CN112489089B
• 公開（公告）日: 2022-06-07
• 發(fā)明（設計）人: 周晗;唐鄧清;相曉嘉;常遠;閆超;黃依新;陳紫葉;劉興宇;譚沁
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T5/10;G06T5/20;G06V20/17;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 長沙國科天河知識產(chǎn)權代理有限公司 43225
• 代理人: 趙小龍

1.一種微型固定翼無人機機載地面運動目標識別與跟蹤方法，其特征在于，包括如下步驟：

步驟1，基于機載實時圖像對目標進行識別，得到目標的類別信息與初始位置信息；

步驟2，基于機載實時序列圖像、目標的類別信息與初始位置信息對目標進行跟蹤，得到目標的實時位置信息；

步驟3，基于目標的實時位置信息進行驗證，若驗證通過則輸出目標的類別信息，并將當前的實時位置信息作為最終位置信息輸出，否則返回步驟1；

步驟1中，所述基于機載實時圖像對目標進行識別，具體為：

步驟1.1，基于譜殘差顯著性檢測算法構建顯著圖金字塔模型，并基于顯著圖金字塔模型提取機載實時圖像中不同尺度的低分辨率目標候選區(qū)域；

步驟1.2，結合機載實時圖像，根據(jù)低分辨率目標候選區(qū)域，提取對應的高分辨率目標候選區(qū)域；

步驟1.3，對高分辨目標候選區(qū)域進行逐個分類，獲取目標區(qū)域，進而得到目標的類別信息與初始位置信息；

步驟1.1中，所述基于顯著圖金字塔模型提取機載實時圖像中不同尺度的低分辨率目標候選區(qū)域，具體為：

以機載實時圖像為原圖建立分辨率依次遞減的圖像金字塔；

基于譜殘差顯著性檢測算法得到圖像金字塔中的所有圖像的初始顯著性圖；

并將所有的初始顯著性圖統(tǒng)一至原圖I的分辨率，并以加權的方式進行求和疊加，生成最終的顯著圖，即機載實時圖像中不同尺度的低分辨率目標候選區(qū)域；

所述基于譜殘差顯著性檢測算法得到圖像金字塔中的所有圖像的初始顯著性圖，具體為:

首先，獲取圖像I的振幅譜A(I)和相位譜P(I)，并對振幅譜取對獲得log譜L(I)：

L(I)＝log(A(I))

隨后，構建如下均值濾波器h_n(I)：

式中，n為圖像log譜L(I)的行數(shù)或列數(shù)；

再計算譜殘差R(I)：

R(I)＝L(I)-h_n(I)L(I)

最后，進行指數(shù)變換和傅里葉反變換，并進行一次高斯模糊濾波處理輸出最終的顯著性圖S(I)：

S(I)＝g(·)F^-1[exp(R(I)+P(I))]²

式中，g(·)表示高斯濾波器；

步驟1.3中，采用淺層神經(jīng)網(wǎng)絡對高分辨目標候選區(qū)域進行逐個分類

步驟3中，所述基于目標的實時位置信息進行驗證，具體為：

基于直方圖對比方法，對目標的實時位置信息對應的跟蹤結果進行高頻驗證；

利用分類器，對目標的實時位置信息對應跟蹤結果進行低頻驗證；

若高頻驗證與低頻驗證均通過，則判定為驗證通過，否則判定為驗證不通過；

所述基于直方圖對比方法，對目標的實時位置信息對應的跟蹤結果進行高頻驗證，具體為：

設當前為i時刻，機載實時序列圖像中第i幀圖像的跟蹤結果為首先，分別計算關鍵幀和跟蹤結果的直方圖，其中，關鍵幀為上一個驗證通過的跟蹤結果

隨后，估計關鍵幀和跟蹤結果的直方圖之間的歐式距離，并通過該歐式距離高于閾值η則判定通過高頻驗證，并將跟蹤結果更新至關鍵幀，否則判定不通過。

2.根據(jù)權利要求1所述微型固定翼無人機機載地面運動目標識別與跟蹤方法，其特征在于，步驟2中，所述基于機載實時序列圖像、目標的類別信息與初始位置信息對目標進行跟蹤，具體為：

步驟2.1，獲取步驟1中的識別結果，對未處于跟蹤狀態(tài)的目標進行KCF跟蹤器初始化；

步驟2.2，對于處于跟蹤狀態(tài)的目標，根據(jù)實時序列圖像，采用KCF算法進行目標圖像跟蹤。

3.根據(jù)權利要求1所述微型固定翼無人機機載地面運動目標識別與跟蹤方法，其特征在于，考慮到目標離圖像邊界越近，脫離視野概率越大的狀況，設置動態(tài)閾值η，為：

式中，bound(I_i)表示機載實時序列圖像中第i幀圖像I_i的邊界，表示中心與圖像I_i邊界的最小圖像距離，η_max和η_min則分別為η的下界和上界，c_x為圖像I_i的中心橫坐標。