[发明专利]一种基于无人机的数据关联行人跟踪算法

说明书

目前，无人机具有良好的飞行优势和广阔的飞行范围，能够轻松地完成航拍、搜救、地形勘测、监控侦察等任务，在诸多领域有着越来越广泛的应用。但目前,针对无人机视频图像中行人跟踪的相关研究还较少，而且对于目标的跟踪的准确度还有待提高。本发明提出一种基于无人机的数据关联行人跟踪算法，主要有以下步骤：通过端到端的跟踪模型在深度学习框架中生成融合特征提取和响应，并联合目标行人和其在不同帧之间的相关性,对目标行人进行数据关联跟踪。一种基于无人机的数据关联行人跟踪算法实现了无人机对行人进行拍摄时能够自动的按照输入图片的特征来对行人进行定位并达到跟踪的效果，在现有行人的识别和跟踪，算法速度上有明显的提升。

技术领域

本发明涉及深度学习、无人机飞控和行人跟踪领域，具体涉及到一种基于无人机的数据关联行人跟踪算法。

背景技术

目前，无人机具有良好的飞行优势和广阔的飞行范围，能够轻松地完成航拍、搜救、地形勘测、监控侦察等任务，在诸多领域有着越来越广泛的应用。但目前,针对无人机视频图像中行人跟踪的相关研究还较少，而且对于目标的跟踪的准确度还有待提高。并且对于数据关联行人跟踪方面对于现如今市场的各行业都有广泛的需求。

静态背景下的运动目标研究已经相对成熟,并广泛的应用于社会的各个领域,而动态背景下的目标运动相对复杂,理论与实际应用方面还有很多问题需要解决。特别是在不同的光照和不同的情境下往往会得出错误的结果，在视频中人有可能被其他物体遮挡导致跟丢目标，无人机在拍摄行人时由于角度的不同拍摄出的效果也不一样，这也是目前解决的一大难题。所以，本发明主要解决对行人跟踪效果和提高算法速度。

没有考虑到外观的多个抽象级别。因此,当必须跟踪外观相似的对象时,尤其是在遮挡情况下,基于外观模型的技术往往很吃力。线性和非线性模型都不能很好地处理长帧间对象的遮挡。

发明内容

为解决现有技术中的缺点和不足，本发明提出了一种基于无人机的数据关联行人跟踪算法，通过端到端的跟踪模型在深度学习框架中生成融合特征提取和响应，并联合目标行人和其在不同帧之间的相关性,对目标行人进行数据关联跟踪。同时使用DAN网络在任意两帧内对抽取的检测过的目标的特征进行配对，来推断对象的相关性。若目标行人在视频帧之间消失又出现，DAN也可以对其关联。我们利用生成的高效关联计算将当前帧中的目标行人深入到前面的帧中进行关联。最后根据此DAN网络，进行视频帧的相关性计算，将视频帧中的目标行人与以前多个帧中的目标行人相关联,使用匈牙利算法生成可靠的轨迹。

本发明的技术方案为：

a.获取无人机拍摄的视频流。无人机拍摄的视频流传送给地面端后，地面端对视频流的数据进行解码。

b.获取目标行人参数。获取人脸识别确定出的行人当前帧的参数。

c.基于前后帧的准确性，利用最小成本流算法建立全局最优map轨迹关联并且构建显式遮挡模型(EOM)。在得出的结果与预期效果不符时，通过轨迹预测推断出目标位置，用匈牙利算法(或IOU等方法)使前后帧数据关联，对行人跟踪的准确性再次进行比较，以便使结果与预期效果更为接近。

本发明的有益效果：

(1)由于目标所处的运动场景十分复杂、目标数目的不确定性、目标间的相互遮挡以及采集图像时伴随着噪声的加入，给目标检测和跟踪的实现带来了极大的困难。在连续帧的短时间间隔内，目标的位置、大小以及其他特征变化是极为微小的，因此在严格的目标关联条件下可以形成较为准确的轨迹片段。而轨迹片段中蕴藏着目标更多的信息,其中包括运动的高阶信息和特征的统计信息，它们都利于提升目标跟踪的性能。本方法通过紧密结合目标跟踪过程中现存的问题和发展趋势，针对目标跟踪中的关键技术进行研究，以改善现有技术的不足，提高跟踪的准确度与稳定性。本发明的核心算法不仅可以为智能监控系统提供技术支持，还可以应用于交通监测、视频分析等领域,因此其有着重要的研究意义和实际应用价值；