[发明专利]一种基于运动估计的无人机识别跟踪方法

说明书

本发明一种基于运动估计的无人机识别跟踪方法属于动态目标识别跟踪领域，涉及一种通过单摄像机采集序列图像并实时处理的无人机探测与识别方法。该方法针对基于视频图像的低空无人机实时探测识别，在干扰因素较多且目标成像特征不明显情况下，克服了传统特征匹配或深度学习等识别方法难以凑效的弱点，采用图像序列帧差算法实现视场范围内移动目标的探测，并辅以图像分块计算提高计算效率，实现动态目标的快速探测；通过构建动态目标图像分块的时间序列，采用动态目标运动估计及序列长度判定实现对可疑无人机目标的初筛；最后采用SIFT目标匹配算法进行精确定位跟踪，实现无人机目标的精确识别跟踪。

技术领域

本发明一种基于运动估计的无人机识别跟踪方法属于动态目标识别跟踪领域，涉及一种通过单摄像机采集序列图像并实时处理的无人机探测与识别方法。

背景技术

近年来，动力三角翼、轻型直升机、无人机、航空模型等“低慢小”飞行器在消费娱乐、公共安保、航空测绘等领域获得广泛应用，同时，由于此类飞行器成本低廉、操作方便、容易获取，“黑飞”现象较为普遍，对军、民航空中秩序及国家安全造成不小的影响和损失。为了能够更好地实现对无人机的有效管控，除了制定完善细致的政策法规，利用技术手段对无人机进行探测、监控及跟踪，为后续对非合作无人机的干扰、控制、摧毁等提供必要的引导操作，也成为了保障区域安全的重要措施。

当前，主要采用雷达、无线电、视觉侦测等主动探测技术，对非合作“低慢小”无人机进行探测跟踪。其中雷达探测手段主要用来监测高空中速度较快、金属成分较高和雷达散射截面积较大的飞行目标，在人口密集、建筑物较多的环境下，利用雷达探测“低慢小”无人机目标时，信号干扰较大。此外，“低慢小”目标的制作材料中金属含量低、散射截面积小，不易被雷达设备发现与识别(“雷达低慢小目标检测技术综述”，2018，现代防御技术，46(1)：148-155)。无线电探测手段要求被探测目标具有配合性，对于有意隐藏的保持无线电静默的目标则受到限制(“基于无线信号的无人机探测与干扰方法研究”，2018，浙江大学硕士学位论文)。视觉探测由于成本低廉、部署灵活、抗干扰强等优点，越来越受到青睐，通常包括可见光、红外等成像方式(“无人机光电探测距离分析”，2018，激光与红外，48(9)：1123-1227)，在复杂城市环境下对“低慢小”无人机目标的搜索发现中具有广泛的应用前景。

然而，基于视觉图像的“低慢小”识别若要实现精确探测，容易受到环境、噪声、干扰物的影响，尤其是在以单摄像机为核心传感器的无人机识别系统中，由于目标在视觉传感器的成像大小与探测距离有关，而传统基于目标特征匹配的探测方法或基于深度学习的目标识别方法，只有在成像质量高、目标特征清晰、干扰因素较少的情况下才能保证识别精度。而实际情况下，飞鸟、风筝等干扰因素较多且目标成像特征不明显等情况，无论是基于目标特征匹配的探测方法或基于深度学习的目标识别方法适用性较弱。针对以上情况，提出了一种基于运动估计的无人机识别跟踪方法，该方法基于不同目标的运动特性，将干扰因素祛除，对识别物在图像上呈现特征的精细化程度要求不高，解决了基于特征匹配及深度学习方法面临的局限性，在无人机探测及跟踪应用方面有广泛应用前景。

发明内容

本发明所要解决的技术问题为：在以单摄像机为核心传感器的无人机识别系统中，由于目标在视觉传感器的成像大小与探测距离有关，而传统基于目标特征匹配的探测方法或基于深度学习的目标识别方法，只有在成像质量高、目标特征清晰、干扰因素较少的情况下才能保证识别精度。而实际情况下，飞鸟、风筝等干扰因素较多且目标成像特征不明显等情况，无论是基于目标特征匹配的探测方法或基于深度学习的目标识别方法适用性较弱。

本发明采取的技术方案为：一种基于运动估计的无人机识别跟踪方法，针对视觉传感器在低空无人机探测识别技术中的应用，首先，采用图像序列帧差算法实现视场范围内移动目标的探测，并辅以图像分块计算提高效率，实现动态目标的快速探测；其次，构建动态目标图像分块的时间序列，通过动态目标运动估计及序列长度判定对可疑无人机目标进行筛选，实现无人机目标的鉴定；最后，采用SIFT目标匹配算法进行精确定位跟踪，实现无人机目标的精确识别跟踪。