[发明专利]一种基于颜色直方图相似性的无人机目标跟踪方法及系统

权利要求书

1.一种基于颜色直方图相似性的无人机目标跟踪方法，其特征在于，所述基于颜色直方图相似性的无人机目标跟踪方法包括：

根据第一帧图像中目标的位置坐标，提取待跟踪目标的HOG特征、CNN特征以及CN特征作为特征子集进行位置滤波器初始化，利用提取的HOG特征进行尺度滤波器初始化；并通过翻转和以不同的样本标签训练深度特征两项操作，增加样本数量；

利用位置滤波器和尺度滤波器在下一帧图像中进行目标搜索，得到该帧图像中目标位置和尺度，利用颜色相关性判别模型和主次峰判别模型进行更新判别，当且仅当预测的目标和前一帧图像中目标的颜色直方图相似度高且置信图中主、次峰差距明显时，进行位置滤波器的更新，最后更新尺度滤波器，输出完整的目标位置；

所述基于颜色直方图相似性的无人机目标跟踪方法具体包括以下步骤：

步骤一，根据第一帧图片及标记的跟踪目标训练位置滤波器和尺度滤波器；

步骤二，读入下一帧图片，在搜索区采样不同图像块并提取对应特征图，将特征图通过下述插值公式进行插值转换到连续的空间域，其中b是内插函数，I_d{x}是插值后的特征层，x表示样本，N_d为第d维特征的分辨率，T是区间大小；

插值公式为：

步骤三，利用稀疏矩阵P从D维特征中选取贡献较大的C维，得到置信函数如下式，使用牛顿法优化置信函数；

S{x}＝Pf*I{x}＝f*P^TI{x}；

步骤四，使用位置滤波器跟踪目标位置，计算目标平移量，更新目标位置；

步骤五，利用尺度滤波器跟踪目标尺度变化，计算目标尺度；

步骤六，更新样本空间模型；

步骤七，判断是否满足模型更新条件，若满足，则更新位置滤波器，否则直接进入步骤八；

步骤八，更新尺度滤波器，输出完整的目标位置；

步骤七中，所述模型更新两个必要条件具体包括：

第一，响应图中主、次峰差值大于预设阈值δ_k，其中，r_i-r_i′是第i帧图片的响应图中主、次峰的差值，k是当前帧，δ_k是当前帧判别更新的阈值；

第二，当前帧所估计的目标与前一帧的目标之间的颜色直方图相似度大于预设阈值0.78，计算颜色直方图相似度时，对彩色图像分为RGB三个通道分别计算相似度，每个通道都以8等分进行像素划分；对灰度图像则只进行灰度值的直方图相似度计算，采用巴氏距离进行直方图相似性的度量，计算公式如下，其中，p(x)为当帧目标的直方图分布，q(x)为前一帧目标的直方图分布；

2.如权利要求1所述基于颜色直方图相似性的无人机目标跟踪方法，其特征在于，步骤一中，所述位置滤波器和尺度滤波器训练方法具体包括：

(1)初始化尺度滤波器；

(2)提取样本；

(3)初始化位置滤波器；

(4)利用高斯-牛顿法优化滤波器和投影矩阵。

3.如权利要求1所述基于颜色直方图相似性的无人机目标跟踪方法，其特征在于，步骤一中，所述根据第一帧图片及标记的跟踪目标训练位置滤波器和尺度滤波器还包括：

采用翻转图片，增加整体的样本数量，即对图片进行上下翻转操作和左右翻转操作后加入训练样本集中；

对深度特征和浅层特征采用不同的高斯标签函数，其中深度特征包括VGG-Net网络第5层提取的CNN特征，浅层特征包括HOG特征、CN特征以及VGG-Net网络第1层提取的CNN特征，深度特征高斯标签函数的标准差为0.25，浅层特征高斯标签函数的标准差为0.125。