[發明專利]一種多遮擋環境下無人機視頻目標智能伴飛方法

在審

• 申請號: 202210096456.7
• 申請日: 2022-01-26
• 公開（公告）號: CN114463301A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 陳鯤;江城;馮濤;陳爽
• 申請（專利權）人: 中國船舶重工集團公司第七0九研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/246;G06T7/70;G06T5/40;G06N20/10;G06N3/08;G06N3/04
• 代理公司: 武漢華之喻知識產權代理有限公司 42267
• 代理人: 石夢雅;張彩錦

1.一種多遮擋環境下無人機視頻目標智能伴飛方法，其特征在于，該方法包括如下步驟：

S1根據無人機回傳的圖像確定是否存在完整的伴飛目標，若是，則對伴飛目標的下一幀目標位置進行預測并進入步驟S3，若否，則進入步驟S2；

S2根據無人機回傳的圖像生成伴飛目標量化直方圖，然后利用MeanShift算法根據所述伴飛目標量化直方圖預測下一幀目標位置并計算遮擋因子，若遮擋因子小于閾值，則將下一幀目標位置代入步驟S3中，若遮擋因子大于或等于閾值則利用最小二乘支持向量機預測下一幀目標位置，并將其代入步驟S3中；

S3根據步驟S1或S2獲得的下一幀目標位置獲得伴飛目標定位數據，根據無人機當前定位數據以及伴飛目標定位數據，計算無人機與伴飛目標的距離，并判斷其是否大于預設距離，若是，則下發無人機飛行控制指令，然后返回步驟S1，若否，則保持懸停并返回步驟S1；

S4重復步驟S1～S3以進行無人機視頻目標智能伴飛，若連續預設幀數的圖像均利用最小二乘支持向量機進行預測，則認定跟蹤失敗。

2.如權利要求1所述的多遮擋環境下無人機視頻目標智能伴飛方法，其特征在于，步驟S1包括如下子步驟：

S11收集無人機回傳的圖像并進行圖像預處理；

S12通過卷積神經網絡模型進行特征提取，判定是否存在伴飛目標，若是，則進入步驟S13，若否，則進入步驟S2；

S13利用目標檢測器對預處理后的圖像進行檢測，以預測下一幀目標位置并進入步驟S3。

3.如權利要求2所述的多遮擋環境下無人機視頻目標智能伴飛方法，其特征在于步驟S11中，無人機回傳的圖像包括RGB圖像和紅外圖像，通過灰度化和均值濾波法實現圖像預處理。

4.如權利要求2所述的多遮擋環境下無人機視頻目標智能伴飛方法，其特征在于步驟S13中，通過KCF算法訓練目標檢測器。

5.如權利要求2所述的多遮擋環境下無人機視頻目標智能伴飛方法，其特征在于步驟S13中，根據下一幀目標位置的預測結果對目標檢測器進行反向優化。

6.如權利要求1所述的多遮擋環境下無人機視頻目標智能伴飛方法，其特征在于步驟S2中閾值為0～1。

7.如權利要求1所述的多遮擋環境下無人機視頻目標智能伴飛方法，其特征在于，步驟S2包括如下子步驟：

S21根據無人機回傳的圖像計算伴飛目標的量化直方圖并進行Kalman參數初始化；

S22輸入步驟S21獲得的量化直方圖，利用MeanShift算法計算跟蹤窗口的位置和大小并將其作為Kalman濾波器的測量值，以對所述Kalman濾波器進行更新，然后利用更新后的Kalman濾波器預測伴飛目標位置；

S23將步驟S22獲得的伴飛目標位置輸出給軌跡預報程序，與跟蹤程序并行預測下一幀目標位置；

S24根據下式計算遮擋因子，

式中，u為量化直方圖中的特征值，m為量化直方圖中特征值的數量，q_u為計算伴飛目標量化直方圖得到的目標概率密度函數，y₀為當前目標位置，p_u(y₀)為在中心位置為y₀的侯選區域中得到侯選目標概率密度函數；

S25判定遮擋因子是否小于閾值，若是，則將步驟S23獲得的下一幀目標位置代入步驟S3，若否，則進入步驟S26；

S26Kalman濾波器停止工作，轉換為基于最小二乘支持向量機的軌跡預報，根據上一時間間隔內MeanShift收斂點的位置，利用最小二乘支持向量機預測下一幀目標位置。

8.如權利要求1～7任一項所述的多遮擋環境下無人機視頻目標智能伴飛方法，其特征在于，步驟S3中，將預設距離設置為無人機視頻畫面真實寬度W，并利用下式進行計算：

W＝n×H/r

式中，n為云臺相機的鏡頭畫幅寬度，H為無人機的飛行高度，r為云臺相機的焦距。

9.如權利要求1～8任一項所述的多遮擋環境下無人機視頻目標智能伴飛方法，其特征在于，步驟S3中，無人機飛行控制指令包括飛行距離S和飛行航向θ，分別利用下式進行計算：

式中，(x₁,y₁)為伴飛目標定位數據，(x₀,y₀)為無人機當前定位數據。