[发明专利]用无人机探测器和追踪器融合来增强目标追踪方法及系统

权利要求书

1.一种用无人机探测器和追踪器融合来增强目标追踪的方法，其特征在于，包括：

接收待检测对象的至少一个原始输入图像；

基于对象的至少一个所述原始输入图像，生成所述对象的候选信息；

根据所述对象的候选信息，基于所述探测器和追踪器融合来计算一所述对象在当前时间戳的位置和速度的估值；以及

基于所述当前时间戳的所述对象的所述位置和速度的估值，预测在一未来时间戳的所述对象的所述位置和速度的估值；

其中，所述根据所述对象的候选信息，基于所述探测器和追踪器融合来计算一所述对象在当前时间戳的位置和速度的估值包括：

生成二进制特征画布，所述二进制特征画布记为c_t，所述c_t代表在所述当前时间戳t中的一特征空间里的视觉信息；

基于一注意机制处理所述二进制特征画布，以专注于所述二进制特征画布的相关部分；

从处理过的所述二进制特征画布中提取所述对象的特征；及

计算在所述当前时间戳的所述对象的所述位置和速度的估值；

所述基于一注意机制处理所述二进制特征画布，以专注于所述二进制特征画布的相关部分，包括：

生成一注意隐藏函数M_t(e_t-1)，且将所述注意隐藏函数M_t(e_t-1)分别应用于所述二进制特征画布c_t的每个通道；及

获取一隐藏特征画布，

其中，所述注意隐藏函数M_t(e_t-1)由一融合N×N高斯模型生成。

2.根据权利要求1所述的用无人机探测器和追踪器融合来增强目标追踪的方法，其特征在于，所述接收待检测对象的至少一个原始输入图像，还包括：

通过安装在所述无人机上的单镜头相机，接收所述待检测对象的所述原始输入图像。

3.根据权利要求1所述的用无人机探测器和追踪器融合来增强目标追踪的方法，其特征在于，基于所述对象的至少一个所述原始输入图像，生成所述对象的候选信息，还包括：

根据一预训练的方向梯度直方图算法，生成与所述当前时间戳中的所述对象相对应的边界框bb^{(lx，ly，rx，ry)}，其中，所述边界框的信息包括左上角(lx，ly)的位置和右下角(rx，ry)的位置；

基于Kanade-Lucas-Tomasi方法，根据追踪器特征点集生成每一个时间戳的所述对象的位置信息，及

通过尺度金字塔表征的已学习的判别相关滤波器来生成边界框bb_corr，所述滤波器既用于平移也用于比例估值。

4.根据权利要求1所述的用无人机探测器和追踪器融合来增强目标追踪的方法，其特征在于：

所述二进制特征画布具有与原始输出图像一样的尺寸(h，w)；

所述二进制特征画布具有三个对应于采用独热编码的二进制值的信息{bb，P_KLT，bb_corr}的通道；

其中，当所述通道代表边界框(bb，bb_corr)时，则所述边界框内的像素设为1，边界框外的像素设为0；当所述通道代表所述追踪器特征点时，则将所述二进制特征画布上所述追踪器特征点的位置设为1，并将所述二进制特征画布外的所述追踪器特征点的位置设为0。

5.根据权利要求1所述的用无人机探测器和追踪器融合来增强目标追踪的方法，其特征在于，从处理过的所述二进制特征画布中提取所述对象的特征还包括：

基于卷积神经网络，提取在所述当前时间戳的特征向量x_t。

6.根据权利要求5所述的用无人机探测器和追踪器融合来增强目标追踪的方法，其特征在于，计算在所述当前时间戳的所述对象的所述位置和速度的估值，还包括：

根据时钟驱动递归神经网络来计算在所述当前时间戳中所述对象的所述位置和速度的估值，具有等效因式分解的概率序列如下列等式表示：

其中，e_t表示在所述当前时间戳t处所述对象的所述位置和速度的估值。