[發明專利]無人機平臺單目標跟蹤方法

在審

• 申請號: 202110225620.5
• 申請日: 2021-03-01
• 公開（公告）號: CN112819862A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 王斌;龍真真;金帥
• 申請（專利權）人: 深圳中灣智能科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62
• 代理公司: 北京眾元弘策知識產權代理事務所(普通合伙) 11462
• 代理人: 李超

本發明公開了一種無人機平臺單目標跟蹤方法，構建模型網絡結構，選擇跟蹤目標圖像并確定搜索區域，提取特征后進行分類和回歸，采用成對的相關操作來得到最后的輸出；生成模型損失函數，沿用損失函數，分類損失為交叉熵損失，采用歸一化坐標的損失進行回歸；對模型裁剪量化壓縮，將卷積濾波的所有參數看作被裁減對象的整體。本發明打破空間不變性的限制，用跨層特征聚合結構來聚合多尺度的特征圖，使用深度分離互相關結構來減少參數個數，穩定訓練過程，鼓勵模型產生不同語義相關的多種相似圖，克服了以淺層網絡提取特征帶來的弊端，提升了跟蹤的精確度。

技術領域

本發明屬于無人機目標檢測技術領域。涉及一種基于無人機平臺的單目標算法方案，尤其涉及一種無人機平臺單目標跟蹤方法、裝置、存儲介質以及計算機程序產品。

背景技術

由于無人機移動平臺的超高機動性和環境的復雜性，航拍圖像信噪比較低，目前通用的視頻采集方案實現目標檢測識別較為困難，主要原因包括：

圖像質量低。受相機質量、惡劣環境、運動抖動等因素影響，航拍圖像數據質量往往不夠理想

目標易遮擋形變。目標對象之間相互遮擋，拍攝視角會隨無人機飛行姿態而改變。

多尺度目標識別困難。待識別目標物理大小尺寸各異，并隨著無人機飛行高度和相機視角而變化，小目標與背景難以分割、定位和分類。

對象的多樣性。自然物體種類繁多，有限的模型網絡資源難以應對眾多目標種類的識別任務。

無人機體積小、供電能力弱、運行環境復雜、而目標檢測算法對算力要求高，通常無法實現實時計算，而是把圖像帶回地面控制站統一處理。

發明內容

針對現有技術中的缺陷，本發明提出了一種無人機平臺單目標跟蹤方法，包括：

步驟一、構建模型網絡結構，選擇跟蹤目標圖像并確定搜索區域，提取特征后將不同尺度的特征圖分別送入SiamRPN網絡，由合并的SiamRPN輸出包含分類分支和回歸分支，采用成對的相關操作來得到最后的輸出；

步驟二、生成模型損失函數，沿用損失函數，分類損失為交叉熵損失，采用歸一化坐標的損失進行回歸；

步驟三、對模型裁剪量化壓縮，聯合L2范式和泰勒一階展開的卷積濾波方法進行結構化剪枝處理，將卷積濾波的所有參數看作被裁減對象的整體，每次裁剪時會裁剪整個卷積濾波的所有參數。

優選的，上述步驟一對選定的跟蹤目標，搜索下一幀圖片區域。

優選的，上述步驟一經過中間的孿生網絡提取特征，將不同尺度的特征圖分別送入SiamRPN網絡，直接對其輸出采用加權和，由合并的SiamRPN輸出分類分支和回歸分支。

優選的，上述步驟二沿用Faster RCNN算法中的損失函數，分類損失為交叉熵損失，采用歸一化坐標的smooth L1損失進行回歸。

優選的，上述步驟二是損失函數按照如下流程生成：

A_x、A_y、A_w、A_h表示anchors的中心點和形狀，T_x、T_y、T_w、T_h表示groundtruth的中心點和形狀，則標準化距離為：

經過smooth L1的損失函數為：

loss＝L_cls+λL_reg