[发明专利]攻击车云台准确跟踪方法

说明书

本发明公开了一种攻击车云台准确跟踪方法，用于解决现有无人车跟踪方法跟踪精度差的技术问题。技术方案是在攻击车云台上加装摄像头，采用相关滤波器的分类尺度空间跟踪器(DSST，discriminative scale space tracker)，即将传统的KCF算法整合到粒子滤波框架中，运动目标的运动状态采用实时预测的方法，对于只能跟踪固定的尺度运动目标的KCF算法，将DSST算法融入其中，进行尺度估计。在对变尺度目标进行精确跟踪的同时，目标的检测与识别算法的硬件基于SDP和FPGA。本发明利用DSST算法改进KCF算法，可以对变尺度的物体进行跟踪，有效地提升了攻击车的跟踪目标能力，跟踪精度好。

技术领域

本发明涉及一种无人车跟踪方法，特别涉及一种攻击车云台准确跟踪方法。

背景技术

攻击车云台是攻击车实现目标跟踪，目标识别，目标攻击和控制攻击车行动的重要装置。在狭小空间和多目标攻击的情况下，实现目标的精确跟踪需要先进的算法支持，能够快速有效地目标跟踪是攻击车性能好坏的关键和攻击车云台的主要工作功能。

文献“贺萌,《基于机器视觉的无人车跟踪算法研究》[D].北京交通大学,2017.”对云台摄像机的视觉伺服控制算法进行研究，设计了一种基于图像坐标偏移反馈的云台运动控制算法。该算法使云台可根据目标相对位置驱动摄像机转动追踪标靶，从而保证目标标靶质心始终处于图像中央位置，有效解决了无人车跟踪过程中传统固定摄像机视野受限、目标跟踪丢失的问题。但实际中，攻击车云台要求对于对象的变尺度能够精确跟踪，本方法无法实现。

发明内容

为了克服现有无人车跟踪方法跟踪精度差的不足，本发明提供一种攻击车云台准确跟踪方法。该方法在攻击车云台上加装摄像头，采用相关滤波器的分类尺度空间跟踪器(DSST，discriminative scale space tracker)，即将传统的KCF算法整合到粒子滤波框架中，运动目标的运动状态采用实时预测的方法，对于只能跟踪固定的尺度运动目标的KCF算法，将DSST算法融入其中，进行尺度估计。在对变尺度目标进行精确跟踪的同时，目标的检测与识别算法的硬件基于SDP和FPGA。本发明利用DSST算法改进KCF算法，可以对变尺度的物体进行跟踪，有效地提升了攻击车的跟踪目标能力，跟踪精度好。

本发明解决其技术问题所采用的技术方案：一种攻击车云台准确跟踪方法，其特点是包括以下步骤：

第一步、由红外探测器送来的摄像机图像及行、场使能和复位信号首先进入FPGA；

第二步、对摄像机图像进行处理后送给双口RAM；

第三步、从主DSP在接收到FPGA发来的信号和图像之后，开始处理信号和图像数据，两片双口RAM采用乒乓存储的工作方式，即当一片双口RAM在接收预处理器发送的图像数据时，另一片双口RAM为跟踪图像跟踪模块提供图像处理的数据。跟踪模块和预处理模块之间通过多通道缓冲串口进行握手，图像跟踪模块使用大容量SDRAM作为主DSP的主扩展存储器，存储图像处理过程中的各种中间数据；

第四步、在主DSP中包括处理摄像机图像的算法，对于KCF算法快速跟踪目标，采用基于贝叶斯理论和蒙特卡洛方法的求解后验概率的实用性滤波器，粒子滤波器，对KCF算法进行改进进而对目标进行跟踪，先初始化粒子、KCF和DSST参数，每次判断粒子的循环条件，运用KCF进行跟踪判断，保持粒子状态，找到最优的粒子值，在最优的粒子值的基础上运用DSST算法更新目标尺度，再对粒子群、KCF算法和DSST算法进行更新，判断是否完成跟踪。循环第四步直到满足跟踪要求；

第五步、将处理的结果发送指令到设备的执行部件。