[发明专利]基于云台的跟踪目标速度预测方法及存储介质

说明书

本发明公开了一种基于云台的跟踪目标速度预测方法及存储介质，方法包括：获取连续的且速度方向一致的坐标数据，得到历史坐标队列，所述坐标数据包括坐标值和时刻值；对所述历史坐标队列中的坐标数据的坐标值进行卡尔曼滤波；对卡尔曼滤波后的坐标数据的坐标值进行线性拟合，得到跟踪目标在所述历史坐标队列的最后一个坐标数据的时刻值时的速度。本发明通过获取连续的且速度方向一致的坐标数据，并进行卡尔曼滤波，可保证预测结果的准确性，从而可保证较好的跟踪效果。

技术领域

本发明涉及视频目标跟踪技术领域，尤其涉及一种基于云台的跟踪目标速度预测方法及存储介质。

背景技术

随着计算机技术的飞速发展，计算机视觉的研究也越来越热，而视频目标跟踪技术是计算机视觉的重要研究内容之一，它将图像处理、模式识别、自动控制、人工智能等许多计算机领域的技术结合在一起。视频跟踪业务在军用、民用等领域的需求日益增长，尤其在智能监控、医疗诊断、交通管制、机器智能方面有广泛的应用。但视频目标跟踪中，面临背景复杂、实时性要求高的问题。为了获取较好的跟踪效果，需要对运动物体的移动速度进行预测。

基于云台的无人机跟踪通过对识别的无人机在画面中的坐标值进行速度预测，但是其坐标值受环境因素影响较大，且同时云台的转动、缩放都会造成坐标的有较大的波动性，因此无人机的坐标值的波动性使得使用前，必须进行滤波等预处理，使其不会有突变的情况发生，导致预测速度效果不佳。

常见的滤波算法有均值滤波、递推平均滤波、传统卡尔曼滤波、扩展卡尔曼滤波。均值滤波方法简单，且容易实现，但需要大量的样本库，当无人机速度变化较大时，无法获得平滑的输出结果。递推平均滤波对于周期性干扰具有较好的抑制作用，对于偶然的脉冲干扰则表现不佳。传统的卡尔曼滤波是以线性差分方程为基础，仅适用于线性方程。对于非线性的情况需要用到扩展的卡尔曼滤波，但是这种每次采样时刻对估计状态矢量线性化的滤波会导致协方差矩阵产生畸变，容易使系统误差发生发散，尤其在云台跟踪过程，系统误差本身较大，因此需要减少历史数据对预测值的影响来抑制系统误差。

发明内容

本发明所要解决的技术问题是：提供一种基于云台的跟踪目标速度预测方法及存储介质，可得到较为准确的速度预测值。

为了解决上述技术问题，本发明采用的技术方案为：一种基于云台的跟踪目标速度预测方法，包括：

获取连续的且速度方向一致的坐标数据，得到历史坐标队列，所述坐标数据包括坐标值和时刻值；

对所述历史坐标队列中的坐标数据的坐标值进行卡尔曼滤波；

对卡尔曼滤波后的坐标数据的坐标值进行线性拟合，得到跟踪目标在所述历史坐标队列的最后一个坐标数据的时刻值时的速度。

本发明还涉及一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的步骤。

本发明的有益效果在于：通过获取连续的且速度方向一致的坐标数据，保证速度预测的准确性，从而保证较好的跟踪效果；通过对历史坐标队列中的坐标数据进行卡尔曼滤波，可降低由于云台的转动、缩放所造成的坐标数据的波动性，进一步地保证速度预测的准确性。本发明不仅适用于对慢速移动的目标进行速度预测，还适用于对高速移动的目标进行速度预测，通用性强，且保证预测结果的准确性。

附图说明

图1为本发明实施例一的一种基于云台的跟踪目标速度预测方法的流程图；

图2为本发明实施例二的方法流程图。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图详予说明。