[发明专利]一种基于视觉特征的无人机

权利要求书

1.一种基于视觉特征的无人机，包括无人机和安装在无人机上的监测装置，监测装置用于对无人机附近的活动进行视频图像监测，其特征是，监测装置包括预处理模块、检测跟踪模块、识别输出模块；

(1)预处理模块,用于对接收到的图像进行预处理，具体包括图像转化子模块、图像滤波子模块和图像增强子模块：

图像转化子模块,用于将彩色图像转化为灰度图像:

H(x,y)=max(R(x,y),G(x,y),B(x,y))+min(R(x,y),G(x,y),B(x,y))2+2(max(R(x,y),G(x,y),B(x,y))-min(R(x,y),G(x,y),B(x,y)))]]>

其中，R(x,y)、G(x,y)、B(x,y)分别代表像素(x,y)处的红绿蓝强度值，H(x,y)代表坐标(x,y)处的像素灰度值；图像大小为m×n；

图像滤波子模块，用于对灰度图像进行滤波：

采用维纳滤波来进行一级滤除后，定义svlm图像，记为M_svlm(x，y)，具体定义公式为：M_svlm(x，y)＝a₁J₁(x，y)+a₂J₂(x，y)+a₃J₃(x，y)+a₄J₄(x，y)，其中a₁、a₂、a₃、a₄为可变权值，i＝1，2，3，4；J(x，y)为经滤波后的图像；

图像增强子模块：

当|128-m|>|ω-50|3]]>时，L(x,y)=255×(H(x,y)255)ψ(x,y),]]>其中，L(x,y)为增强后的灰度值；ψ(x，y)是包含有局部信息的伽马校正系数，此时α是范围为0到1的可变参数，ω为模板尺度大小参量，尺度越大则模板中包含的邻域像素信息就越多，输入图像经过不同尺度ω_i的模板，得到的图像J_i将会包含不同范围的邻域信息；

当|128-m|≤|ω-50|3]]>且ω＞50时，L(x,y)=255×(H(x,y)255)ψ(x,y)×(1-ω-50ω2),]]>其中ψ(x，y)＝ψ_α(M_svlm(x，y))，m_H是图像中灰度值高于128的所有像素的均值，m_L是灰度值低于128的所有像素的均值，且此时m＝min(m_H，m_L)，在α值已知的情况下，计算出256个ψ校正系数作为查找表，记为其中i为索引值，利用M_svlm(x，y)的灰度值作为索引，根据ψ(x，y)＝ψ_α(M_svlm(x，y))快速获得图像中每个像素的伽马校正系数为模板修正系数；

(2)检测跟踪模块，具体包括构建子模块、丢失判别子模块和更新子模块：

构建子模块，用于视觉字典的构建：

在初始帧获取跟踪目标的位置和尺度，在其周围选取正负样本训练跟踪器，将跟踪结果作为训练集X＝{x₁，x₂，......x_N}^T；并对训练集中的每幅目标图像提取128维的SIFT特征其中S_t表示训练集中第t幅目标图像中SIFT特征的个数；跟踪N帧以后，通过聚类算法将这些特征划分为K个簇，每个簇的中心构成特征单词，记为能够提取到的特征总量其中K＜＜F_N，且视觉字典构建好以后，每幅训练图像表示为特征包的形式，用于表示视觉字典中特征单词出现的频率，用直方图h(x_t)表示，h(x_t)通过以下方式获取：将一幅训练图像X_t中的每一个特征f_s^(t)向视觉字典投影，用投影距离最短的特征单词表示该特征，对所有特征投影完毕后，统计每个特征单词的出现频率，并归一化得到训练图像X_t的特征直方图h(x_t)；

丢失判别子模块，用于判别目标的丢失与否：

当新一帧图像到来时，从K个直方图柱中随机选取Z<K个直方图柱，且Z＝4，形成新的大小为Z的子直方图h^(z)(x_t)，子直方图的个数最多为个；计算候选目标区域和训练集中某个目标区域对应子直方图的相似性Ф_{t_z}，其中t＝1，2，...，N，z＝1，2，...，N_s，然后计算总体相似性Ф_t＝1-Π_z(1-Ф_{t_z})；候选目标区域与目标的相似性用Ф＝max{Ф_t，t}表示，则目标丢失判断式为：u=sign(Φ)=1Φ≥gs0Φ<gs,]]>其中gs为人为设定的判失阀值；当u＝1时目标被稳定跟踪，当u＝0时，目标丢失；当目标丢失时，定义仿射变换模型：xtyt=s.cos(μ1×θ)s.sin(μ1×θ)-s.sin(μ1×θ)s.cos(μ1×θ)xt-1yt-1+μ2ef,]]>其中(x_t，y_t)和(x_t-1，y_t-1)分别为当前帧目标中某个SITF特征点的位置坐标和前一个帧目标中对应匹配特征点的位置坐标，两者均为已知量；s为尺度系数，θ为旋转系数，e和f代表了平移系数，μ1=1-|T-T0|1000T0T≥T01+|T-T0|1000T0T<T0]]>为温度旋转修正系数，μ2=1-|T-T0|1000T0T≥T01+|T-T0|1000T0T<T0]]>为温度平移修正系数，μ₁和μ₂用于修正因为环境温度偏差造成的图像旋转和平移误差，T₀为人为设定的标准温度，设为20度，T为由温度传感器实时监测得到的温度值；采用Ransac估计算法求取仿射变换模型的参数，最后在新的尺度s和旋转系数θ下采集正负样本，更新分类器；

更新子模块，用于视觉字典的更新：

在每帧图像获得目标位置以后，根据仿射变换参数的计算结果，收集所有满足结果参数的SIFT特征点经过F＝3帧以后，获得新的特征点集其中S_t-F代表了从F帧图像中得到的总特征点数；利用下式对新旧特征点重新进行K聚类：其中表示新的视觉字典，视觉字典的大小保持不变；是遗忘因子，表明了旧字典所占的比重，越小，新特征对目标丢失的判断贡献越多，取

(3)识别输出模块，用于图像的识别和输出：在待识别的图像序列中利用跟踪算法获取目标区域，将目标区域映射到已知训练数据形成的子空间，计算子空间中目标区域与训练数据之间的距离，获得相似性度量，判定目标类别，并输出识别结果。

2.根据权利要求1所述的一种基于视觉特征的无人机，其特征是，采用维纳滤波来进行一级滤除后，此时图像信息还包含有残余的噪音，采用以下的二级滤波器进行二次滤波：

J(x,y)=Σi=-m/2m/2Σj=-n/2n/2H(x,y)Pg(x+i,y+j)]]>

其中，J(x，y)为经过滤波后的图像；P_g(x+i，y+j)代表尺度为m×n的函数，且P_g(x+i，y+j)＝q×exp(-(x²+y²)/ω)，其中q是将函数归一化的系数，即：∫∫q×exp(-(x²+y²)/ω)dxdy＝1。