[发明专利]一种无人机航拍视频运动小目标实时检测与跟踪方法

说明书

本发明公开了一种无人机航拍视频运动小目标实时检测与跟踪方法，通过单高斯背景模型建模，获取当前背景模型，在得到单高斯背景模型后，分辨像素点是前景还是背景，从而得到前景图像，对获得的前景图像进行稀疏光流分析，获取跟踪点集合；对跟踪点进行层次聚类，获取跟踪目标的外边框，将每帧前景图像检测得到的跟踪目标的外边框中的跟踪目标扣取出来，形成后续待跟踪列表，对每个跟踪目标通过深度神经网络来提取特征向量，对每个跟踪目标采用卡尔曼滤波算法进行预测、采用匈牙利算法匹配，并更新跟踪列表，获取更新的跟踪目标。本发明采用了单高斯模型进行背景的建模，降低了检测的耗时，提高了整体的效率。

技术领域

本发明属于计算机视觉技术领域，尤其涉及目标检测与跟踪技术领域的一种无人机航拍视频运动小目标实时检测与跟踪方法。

背景技术

无人机场景下运动目标检测、跟踪任务与其他普通视频场景下一样面临着遮挡、阴影、易受环境干扰等难题，但是又具有独有的特点。比如，无人机所载重量有限，需要在受限的计算资源条件下，实现近乎实时的检测、跟踪效果。此外，在无人机视频监控场景中，不仅待检测目标是运动的，摄像机也是运动的，容易造成前景与背景的混淆。并且，由于摄像机的运动、天气的变化等因素，光照条件极易发生改变(甚至突变)，这进一步增加了目标检测、跟踪的难度。

在无人机视频监控场景中，当前用于动态背景的运动目标检测方法主要有两类，分别为背景运动补偿和光流法。前者计算背景动态变化耗费大量计算资源，难以在无人机平台上达到实时的效果，且受光照的影响较大；后者容易出现虚景，且稠密光流场需要计算的像素点太多，性能受到很大影响。根据跟踪对象和应用场景的不同，跟踪方法主要有点跟踪、核跟踪、轮廓跟踪以及混合跟踪等。但是目前的跟踪方法的准确率和效率都有待进一步提升，且对目标的遮挡以及光线变换不够鲁棒。

发明内容

本发明的目的在于提供一种无人机航拍视频运动小目标实时检测与跟踪方法，改进传统目标检测和跟踪的算法、引擎和流程，提高无人机场景下运动小目标的检测精度、效率，以及抵抗光照变化等外界环境影响的能力，大幅度提升无人机视频监控的智能化水平。

为了实现上述目的，本发明技术方案如下：

一种无人机航拍视频运动小目标实时检测与跟踪方法，包括：

对无人机航拍的视频图像序列，每间隔一帧抽取一帧图像，逐帧进行实时检测与跟踪；

通过单高斯背景模型建模，获取当前背景模型；

融合前一时刻的单高斯背景模型来对当前时刻的单高斯背景模型进行运动补偿，得到当前时刻的单高斯背景模型；

在得到单高斯背景模型后，通过计算像素点属于单高斯背景模型的概率，分辨此像素点是前景还是背景，从而得到前景图像；

对获得的前景图像进行稀疏光流分析，获取跟踪点集合；

对跟踪点进行层次聚类，获取跟踪目标的外边框；

将每帧前景图像检测得到的跟踪目标的外边框中的跟踪目标扣取出来，形成后续待跟踪列表；

对每个跟踪目标通过深度神经网络来提取特征向量；

对每个跟踪目标采用卡尔曼滤波算法进行预测、采用匈牙利算法匹配，并更新跟踪列表，获取更新的跟踪目标。

进一步地，所述通过单高斯背景模型建模，获取当前背景模型，包括：

将当前帧图像划分为均匀分布的N×N的小块，初始化当前背景模型和备选背景模型；

计算每块图像对应单高斯背景模型的均值和方差，并且每提取一帧图像即将其生命值执行加一操作，根据预设的条件，选择更新当前背景模型或更新备选背景模型；