[发明专利]一种小型低飞目标视觉检测跟踪系统及其方法

说明书

本发明公开了一种小型低飞目标视觉检测跟踪系统及其方法，系统包括：视频数据输入单元、视频预处理单元、训练数据构建单元、检测模型训练单元、目标比对筛选单元、检测校正单元、基准帧初始化单元、样本库动态构建单元、在线学习单元、位置精修单元、决策控制单元和跟踪结果输出单元。方法包括：目标检测网络构建，目标比对筛选；目标跟踪在线学习；动态构建分类器训练样本库，目标跟踪位置精修；本发明的优点是：能够有效缓解跟踪目标由于遮挡、尺度变化、光照等因素造成的跟踪漂移状况的发生，可以实现鲁棒的目标跟踪。具备根据目标变化及时更新基准帧特征的能力，同时引入特征点匹配算法又可以避免由于更新基准帧特征带来的错误跟踪。

技术领域

本发明涉及飞行目标跟踪技术领域，特别涉及一种基于神经网络和在线学习的小型低飞目标检测与跟踪系统及其检测与跟踪方法。

背景技术

目前已经存在一些联合检测与跟踪的相关方法和一些适用于低慢小目标的跟踪方法。现有方法通过相关滤波类方法实现短时目标跟踪，在跟踪失败时采用基于神经网络的目标检测方法实现重定位目标的功能。相关专利和研究技术如下：

中国发明专利，名称为：一种基于相关滤波与目标检测的鲁棒性长期跟踪方法，申请号：CN201910306616.4；该发明通过相关滤波方法实现目标跟踪，使用一阶段目标检测器YOLO进行目标检测，得到检测结果后使用SURF特征点匹配方法选定匹配点数最高的候选框作为重新初始化跟踪器的目标包围框，最终达到长期跟踪的效果。然而这种方法没有考虑到检测器中目标与背景极端不平衡的问题，而且无法适用于小目标长期跟踪场景中。

中国发明专利，名称为：一种结合相关滤波与视觉显著性的低空慢速无人机跟踪方法，申请号：201910117155.6；它在较小搜索区域使用相关滤波类方法得到预测响应图以确定预测目标的中心位置，在较大搜索区域使用显著性检测方法来确定预测目标的尺度，实现了一种适应于低空慢速无人机的跟踪方法。然而该方法在目标跟踪失败后没有做出进一步处理，精度有待进一步提高。

综合上述现有技术，它们都没有解决单目标检测跟踪中出现的目标背景极端不平衡的问题，网络性能还没有达到最优，针对小目标的跟踪精度还有进一步提高的空间。

发明内容

本发明针对现有技术的缺陷，提供了一种小型低飞目标视觉检测跟踪系统及其方法，解决了现有技术中存在的缺陷。

为了实现以上发明目的，本发明采取的技术方案如下：

一种小型低飞目标检测跟踪系统，其包括：视频数据输入单元、视频预处理单元、训练数据构建单元、检测模型训练单元、目标比对筛选单元、检测校正单元、基准帧初始化单元、样本库动态构建单元、在线学习单元、位置精修单元、决策控制单元和跟踪结果输出单元。

所述视频数据输入单元用于：输入包含目标的若干视频序列，并随机分成两部分，一部分用于训练目标检测模型，一部分用于目标跟踪模型的在线测试。

所述视频预处理单元用于：根据目标检测和跟踪单元的需要完成前期视频预处理工作，具体包含删减掉长时间没有目标的视频片段，剔除明显不符合低空空域以缓慢时速飞行的小型目标特点的视频片段等。

所述训练数据构建单元用于：保证训练数据的完备性和丰富性，采取等间隔抽取视频帧的方式构建训练集和验证集，并进行数据的标注，即确定图像中目标的中心位置、宽和高信息，用于有监督的训练目标检测模型。

所述检测模型训练单元用于：创建金字塔结构的目标检测网络，并使用焦点损失来缓解目标背景不平衡的问题。观测训练损失函数趋于稳定后停止训练过程，保存验证过程中性能最优的模型文件，用于在目标跟踪失败时提供重置框信息。

所述目标比对筛选单元用于：使用SURF特征匹配算法对所跟踪视频第一帧真值框和检测结果进行比对，剔除明显不是低慢小目标的虚警，进一步保障长时稳定跟踪的鲁棒性。