[发明专利]一种基于旋翼无人机平台的目标跟踪方法

摘要

本发明公开了一种基于旋翼无人机平台的目标跟踪方法。本发明目标跟踪方法通过多尺度的样本采集并结合实时更新的分类器，有效实现了旋翼无人机平台对移动目标的快速准确地在线实时跟踪；本发明在跟踪过程中，根据当前帧的最大分类器响应值以及其相比前一帧的最大分类器响应值的变化情况，并结合前一帧的跟踪性能判定结果，来判定当前帧的跟踪性能是否稳定，当跟踪性能不稳定时，及时对分类器的分类结果进行修正，可有效防止目标跟踪过程中由于遮挡而导致的跟踪目标丢失。相比现有技术，本发明有效实现了旋翼无人机平台对移动目标的快速准确地在线实时跟踪，且具备多尺度跟踪特性，跟踪性能更好，算法复杂度更低，实时性更好，对硬件资源的要求较低。

主权项

1.一种基于旋翼无人机平台的目标跟踪方法，其特征在于，包括以下步骤：S1、对旋翼无人机平台所拍摄的视频的每一帧进行自动目标识别，以初次识别出目标的视频帧作为目标跟踪的初始帧，并在初始帧中目标周围划定矩形的初始目标跟踪框；S2、以初始目标跟踪框为基准，在初始帧中采集一组与初始目标跟踪框同尺度的正、负样本，提取所述样本的尺度不变特征对分类器进行训练，并以初始目标跟踪框中的图像作为正样本模板；S3、在当前帧中，以前一帧的目标跟踪框位置为中心的一定区域内采集一组不同尺度的矩形区域作为检测样本，并在每个检测样本上叠加均值为0的高斯白噪声；提取叠加噪声后的各检测样本的尺度不变特征并分别作为所述分类器的输入，得到各检测样本的分类器响应值；S4、判断当前帧的跟踪性能是否稳定，如性能不稳定，则转至S5，否则，转至S8；如以下条件之一得到满足，则当前帧的跟踪性能不稳定：(1)当前帧检测样本的最大分类器响应值小于0；(2)当前帧检测样本的最大分类器响应值大于等于0，同时当前帧检测样本的最大分类器响应值小于前一帧检测样本的最大分类器响应值，且前一帧的跟踪性能不稳定；(3)当前帧检测样本的最大分类器响应值在0和一个预设的大于0的阈值之间，同时当前帧检测样本的最大分类器响应值小于前一帧检测样本的最大分类器响应值，且前一帧的跟踪性能稳定；S5、计算当前帧各检测样本与正样本模板之间的归一化相似度，并以归一化相似度作为修正系数对当前帧相应检测样本的分类器响应值进行修正；以修正后的分类器响应值最大的检测样本所对应的矩形区域作为当前帧的目标跟踪框；S6、判断连续跟踪不稳定的帧数是否达到预设上限值，如是，则将所述高斯白噪声的标准差增大后转S10；否则，转至S7；S7、以当前帧的目标跟踪框为基准，在当前帧中采集一组与当前帧的目标跟踪框同尺度的正、负样本，从所有正样本中选出与正样本模板之间相似度最大的一部分；然后提取所选出的正样本以及负样本的尺度不变特征并对分类器进行重新训练后转至S10；S8、以分类器响应值最大的检测样本所对应的矩形区域作为当前帧的目标跟踪框，并用前一帧正样本模板与初始帧正样本模板的加权和来更新正样本模板；S9、以当前帧的目标跟踪框为基准，在当前帧中采集一组与当前帧的目标跟踪框同尺度的正、负样本，提取所述正、负样本的尺度不变特征并对分类器进行重新训练；S10、如视频已结束，则退出目标跟踪；否则，以下一帧作为当前帧，转至S3。