[发明专利]无人机载视频中特定建筑匹配跟踪方法

说明书

本发明实施例公开一种无人机载视频中特定建筑匹配跟踪方法，能实现对目标的稳定跟踪，且跟踪精度高。方法包括：S1、获取特定建筑的模板图像，并利用所述模板图像对当前待匹配的目标图像进行直方图规定化，得到规定化后的直方图；S2、根据上一帧已匹配的目标图像的最佳仿射变换参数设置所述当前待匹配的目标图像的仿射变换参数范围，根据所述仿射变换参数范围构建仿射变换参数网络，根据所述仿射变换参数网络生成仿射变换矩阵，利用所述仿射变换矩阵和规定化后的直方图确定出最佳仿射变换；S3、利用所述最佳仿射变换确定出所述模板图像在所述目标图像中的位置，并将所述模板图像在所述目标图像中的位置作为匹配跟踪结果。

技术领域

本发明实施例涉及遥感视频目标跟踪领域，具体涉及一种无人机载视频中特定建筑匹配跟踪方法。

背景技术

机载平台目前已经逐渐成为军民用领域的重要数据获取手段之一，随着遥感技术的发展及其应用领域的逐步扩大，具有重大意义，其中，机载遥感视频处理中的目标跟踪是关键技术之一。

作为众多的遥感具体应用中的一个重要方面，机载遥感视频中指定建筑区跟踪技术，在军事领域及民用领域都有着广泛的应用和发展前景。其军事领域的主要应用有：实时监察军备调动、打击效果等战场状态；制导武器自动引导，保证远程打击的精确制导以及对来袭导弹的准确预警。在民用方面的主要应用包括：城市规划及银行、机场等重要场所的安全监控等。

机载遥感视频中的背景很复杂且指定建筑目标可能所占的面积很小，往往使得跟踪实时性不高。因此在特定条件下，如何在复杂地面场景中对感兴趣的、有价值的指定建筑区进行稳定实时跟踪是关键问题。

现在常用的跟踪方法有基于核相关滤波器的目标跟踪方法，如J.Henriques等人在CSK基础上利用HOG特征，提出了核相关滤波器(Kernelized Correlation Filters，KCF)跟踪算法，使跟踪结果更加鲁棒。但是此类算法对于快速移动和形状变化大的目标，跟踪效果不好。另基于深度学习的跟踪方法也在日渐强大，如Kaihua Zhang提出了基于压缩感知的目标跟踪算法。但是由于训练数据缺失，且需依赖硬件条件，目前效果优势还没有发挥出来。还有基于模板匹配的目标跟踪算法，但常用的模板匹配，当模板需要进行平移、旋转、缩放等仿射变换时会带来计算量爆炸增长问题。Simon Korman等人在2013年提出的Fast-Match算法，解决了仿射变换时计算量增长的问题，该算法采用目标自身信息估计目标的运动状态，可实现对目标的稳定跟踪，并且对旋转、缩放及视角等都有很好的鲁棒性，亦无须训练数据。但其对光照变化比较敏感、算法网络参数较多计算量较大，实时性不高、容易引入冗余的背景信息。

发明内容

针对现有技术存在的不足和缺陷，本发明实施例提供一种无人机载视频中特定建筑匹配跟踪方法。

本发明实施例提出一种无人机载视频中特定建筑匹配跟踪方法，包括：

S1、获取特定建筑的模板图像，并利用所述模板图像对当前待匹配的目标图像进行直方图规定化，得到规定化后的直方图；

S2、根据上一帧已匹配的目标图像的最佳仿射变换参数设置所述当前待匹配的目标图像的仿射变换参数范围，根据所述仿射变换参数范围构建仿射变换参数网络，根据所述仿射变换参数网络生成仿射变换矩阵，利用所述仿射变换矩阵和规定化后的直方图确定出最佳仿射变换；

S3、利用所述最佳仿射变换确定出所述模板图像在所述目标图像中的位置，并将所述模板图像在所述目标图像中的位置作为匹配跟踪结果。