[发明专利]无人机智能跟随目标确定方法、无人机和遥控器

说明书

本发明实施例公开了一种无人机智能跟随目标确定方法、无人机和电子设备。所述方法包括：获取无人机传回的图像；根据用户对所述无人机传回的图像的点击获得感兴趣的区域图片；加载深度学习网络模型并将获取的所述区域图片输入所述深度学习网络模型，利用所述深度学习网络模型输出多个框选所述区域图片中目标的候选外接框及所述候选外接框内的目标属于预设类别的概率；依据所述候选外接框及所述候选外接框内的目标属于预设类别的概率判断所述区域图片内是否存在目标图像。本发明实施例通过获取用户感兴趣的图像，从而可以将该用户感兴趣的图像作为基于深度学习算法网络模型的输入，进行目标预测，计算量小、运算时间短、对硬件设备要求低。

技术领域

本发明实施例涉及计算机视觉领域，特别涉及一种无人机智能跟随 目标确定方法、无人机和遥控器。

背景技术

随着无人机技术的发展，无人机在军事及民用领域都得到了广泛的 应用。随着应用的日趋广泛，对无人机的性能也不断提出新的要求，尤 其是在智能化上的要求。基于视觉的无人机智能跟随是智能化无人机的 关键功能之一，在行业中也有着重要的应用。在消费级无人机领域，智 能跟随功能是高端无人机的重要标志之一，为用户带来很多乐趣；在行 业级无人机领域，智能跟随可以用于逃犯追踪、异常目标行为分析等， 对国家安全以及治安维稳有着重要的意义。

在智能跟随技术中，如何对无人机拍摄的目标进行初始化一直是智 能跟随的难题之一，如果目标无法准确框选，接下来的跟踪过程很容易 出现目标丢失的情况。目前，动态目标的框选和识别一般是通过基于深 度学习的目标检测算法来完成，基于深度学习的目标检测算法，可以将 目标识别与定位过程在一个统一的深度学习框架中完成，且定位准确、 可识别种类很多。

实现本发明过程中，发明人发现相关技术中至少存在如下问题：基 于深度学习的目标检测算法计算量大，一次图片预测过程要达到十亿甚 至百亿次浮点运算，如果采用一般的处理器，则会导致运算时间非常长， 很难达到实时性要求，因此，对处理器的要求较高。

发明内容

本发明实施例的目的是提供一种算法计算量小、运算时间短、对硬 件设备要求低的无人机智能跟随目标确定方法、无人机和遥控器。

第一方面，本发明实施例提供了一种无人机智能跟随目标确定方法， 所述方法包括：

所述电子设备获取无人机传回的图像；

所述电子设备根据用户对所述无人机传回的图像的点击获得感兴 趣的区域图片；

所述电子设备加载深度学习网络模型并将获取的所述区域图片输 入所述深度学习网络模型，利用所述深度学习网络模型输出多个框选所 述区域图片中目标的候选外接框及所述候选外接框内的目标属于预设 类别的概率；

依据所述候选外接框及所述候选外接框内的目标属于预设类别的 概率判断所述区域图片内是否存在目标图像；

如果存在目标图像，则发送目标跟随命令给所述无人机。

可选的，所述方法还包括：如果不存在目标图像，所述电子设备提 示用户所述图像内无感兴趣的目标。

可选的，所述方法还包括：如果不存在目标图像，所述电子设备提 示用户重新点击所述图像以重新选择感兴趣目标。

可选的，所述依据所述候选外接框及所述候选外接框内的目标属于 预设类别的概率判断所述区域图片内是否存在目标图像，包括：

S1：针对每一个所述预设类别，获取属于该预设类别概率最大的目 标对应的候选外接框，分别计算其他各个候选外接框与该候选外接框的 重合率，将重合率大于第一预设阀值的候选外接框内的目标属于该预设 类别的概率置为零；

S2：针对其他各个预设类别，重复步骤S1；