[发明专利]一种基于运动估计的无人机识别跟踪方法

权利要求书

1.一种基于运动估计的无人机识别跟踪方法，其特征在于，包括以下步骤：

(1)以固定频率采集待监控区域的图像，采用图像序列灰度值帧差算法获得连续图像序列的灰度差图像，并通过灰度拉伸处理提升灰度差图像的梯度信息，至此完成对视场范围内所有运动目标的探测；

(2)对灰度差图像均匀地分成多个图像切片，构建每个图像切片的时间序列，设定一个灰度阈值，并根据每个图像切片的平均灰度值是否大于灰度阈值判断该切片是否可疑目标切片，并对所有可疑目标切片进行聚类分析，再通过标记为可疑目标的聚类图像切片序列长度判定是否是无人机目标，列出候选目标，至此完成无人机目标的筛选；

(3)采用SIFT特征提取算法对候选目标的聚类图像切片每一帧分别进行特征提取，对提取的所有特征点图像坐标进行加权求取SIFT特征坐标质心，以该质心为中心通过设定的方框锁定目标，至此完成无人机目标的精确图像跟踪；

其中，步骤(2)具体包括以下步骤：

2.1将步骤(1)中灰度拉伸处理后生成的新图像grayFram_01均匀地切分成M×N个图像切片，记为unit合集；

2.2设定一个灰度阈值gray_threshold，计算unit合集中的每个unit的平均灰度值，其中平均灰度值小于gray_threshold的为无效unit，记为unit_0子集,平均灰度值大于gray_threshold的为可疑unit，记为unit_1子集；

2.3将所有unit_1子集的unit成员进行聚类合并处理，若多个unit成员存在相互毗邻的情况，则将这些unit合并为一个整体矩形像素区域，至此grayFram_01被标记出多个大小不一的矩形像素区域，记为subFram图像切片；

2.4以每个subFram图像切片为第一帧构建图像切片的时间序列，且间隔三帧擦除一次序列的首帧，并实时记录每个subFram图像切片的序列长度num；

2.5设定一个目标序列长度阈值num_threshold，舍弃num小于num_threshold的subFram，并将num大于或等于num_threshold的subFram锁定，列为候选目标，记为subFram_t；

2.6将subFram_t图像切片大小扩充至上下左右2倍长宽像素数，记为subFram_T，完成无人机目标筛选。

2.根据权利要求1所述的基于运动估计的无人机识别跟踪方法，其特征在于，步骤(1)具体包括以下步骤：

1.1根据视觉传感器视场范围和需要进行监控范围的实际情况，固定视觉传感器或通过旋转云台缓慢进行移动，使得视觉传感器监控到所有目标区域，并能实时以固定帧频采集图像；

1.2探测开始，视觉传感器采集一帧图像作为初始图像Img_0，并将采集的图像转换为灰度图，记为grayImg_0；

1.3视觉传感器采集紧随Img_0的后一帧图像Img_1，并将采集的图像转换为灰度图，记为grayImg_1；

1.4将图像grayImg_0与grayImg_1对应像素点的灰度值相减，并根据相减的灰度值矩阵生成新的灰度图像，记为imgFram_01；

1.5设定新的灰度图像imgFram_01像素的最大灰度值为max，将ratio＝255/max作为灰度拉伸比例对新的灰度图像imgFram_01进行灰度值变换，变换后的新图像记为grayFram_01，且grayFram_01＝imgFram_01×ratio，图像帧差预处理完毕。

3.根据权利要求2所述的基于运动估计的无人机识别跟踪方法，其特征在于，步骤(3)具体包括以下步骤：

3.1对步骤2.6中锁定的候选目标区域subFram_T进行SIFT特征提取，设提取到D个SIFT特征点，其图像坐标分别为sift_d(d＝1,2,…,D)；

3.2通过加权质心法求取D个SIFT特征点的有效质心，设质心坐标为[u0,v0]，并以该点为中心，将候选目标区域重新设置锁定框；

3.3通过对连续的图像帧不断重复步骤3.1及3.2中的特征提取、求取质心、目标区域重定义三步操作，实时移动无人机锁定框，完成对无人机目标的实时跟踪。