[发明专利]一种结合均值移动与粒子滤波的无人机目标跟踪方法

权利要求书

1.一种结合均值移动与粒子滤波的无人机目标跟踪方法，其特征在于，包括以下步骤:

在均值移动跟踪过程中，根据带宽矩阵构建基于所述带宽矩阵的均值移动跟踪算法，以在跟踪过程中自适应更新目标尺度窗口；

根据所述均值移动跟踪算法和粒子滤波算法的检测结果建立加权和数据融合目标定位方法；

根据所述加权和数据融合目标定位方法确定所述无人机目标位置；

根据目标重收敛方法对所述粒子滤波算法中的粒子进行采样以生成基于所述目标重收敛的粒子滤波算法；以及

根据所述目标重收敛的粒子滤波算法得到目标扩展搜索策略，并根据所述目标扩展搜索策略对目标进行跟踪。

2.根据权利要求1所述的结合均值移动与粒子滤波的无人机目标跟踪方法，其特征在于，根据带宽矩阵构建基于所述带宽矩阵的均值移动跟踪算法，进一步包括：

根据基于颜色特征的加权概率密度分布函数描述目标模型与候选模型，其中，所述目标模型与所述候选模型的特征空间为32*32+10的一维HSV颜色空间向量；

利用椭圆区域表示所述目标，根据人机交互的目标初始化方式选择矩形作为所述目标，并计算所述矩形的内接椭圆，其中，所述每个内接椭圆表示所述目标的中心位置在图像中的水平坐标和垂直坐标、所述椭圆的长半轴和短半轴、所述椭圆的主轴与所述图像的水平坐标正方向的夹角。

根据所述带宽矩阵在所述跟踪过程中计算最优核函数窗宽。

3.根据权利要求1所述的结合均值移动与粒子滤波的无人机目标跟踪方法，其特征在于，根据所述加权和数据融合目标定位方法确定所述无人机目标位置，进一步包括：

基于所述带宽矩阵的均值移动跟踪算法得到所述目标的第一中心位置；

根据所述粒子预测得到所述目标的第二中心位置；

根据所述第一中心位置、所述第二中心位置和带宽矩阵参数建立数据融合策略，确定所述目标的中心位置。

4.根据权利要求1所述的结合均值移动与粒子滤波的无人机目标跟踪方法，其特征在于，生成基于所述目标重收敛的粒子滤波算法，进一步包括：

在所述均值移动跟踪算法得到的跟踪目标椭圆区域内采样N个粒子；

以每个粒子为中心，将二阶自回归模型作为所述粒子的状态转移方程；

如果状态转移后所有粒子所在的区域均为同一候选区域，则计算所有粒子的HSV颜色特征向量，且所述特征向量大小为(10*10+10)；

计算每个候选区域与目标模型的相似度，取所述粒子的权重与相似度成正比的粒子进行滤波；

对滤波后的所有粒子进行加权求和，并获取由粒子滤波算法预测得到的目标位置；

在所述粒子重采样过程中，根据所述加权和数据融合目标定位方法确定所述目标的中心位置，并以所述中心位置为参考点，在第一区域内均匀采样N个粒子。

5.根据权利要求1所述的结合均值移动与粒子滤波的无人机目标跟踪方法，其特征在于，根据所述目标扩展搜索策略对目标进行跟踪，进一步包括：

根据所述目标的运动轨迹进行一步预测；

对所述目标进行局部目标搜索；

对所述目标地进行全局目标搜索。

6.根据权利要求2所述的结合均值移动与粒子滤波的无人机目标跟踪方法，其特征在于，

所述带宽矩阵为正定对称矩阵，且所述带宽矩阵与所述目标椭圆之间存在数量关系；

对概率密度函数寻优，计算得到最优带宽矩阵；

将所述最优带宽矩阵应用于均值漂移跟踪算法，以实现对目标尺度的自适应跟踪。

7.根据权利要求5所述的结合均值移动与粒子滤波的无人机目标跟踪方法，其特征在于，所述目标扩展搜索策略包括：

使用一步预测目标搜索方法搜索目标；

若所述一步预测目标搜索方法搜索失败后，使用局部目标搜索方法搜索所述目标；

若所述局部目标搜索方法失败后，则使用全局目标搜索方法进行搜索。