[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

说明书

本发明属于计算机视觉技术领域，公开了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，提取待跟踪目标的HOG、CNN以及CN特征作为特征子集进行位置滤波器初始化等，通过翻转和以不同的样本标签训练深度特征，增加样本数量；利用训练好的滤波器进行目标搜索得到目标位置和尺度；将当前帧图片及跟踪结果加入样本空间并更新样本空间模型；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，在预测的目标和前一帧目标的颜色直方图相关性较高且置信图中主、次峰差距明显时，更新位置滤波器；最后更新尺度滤波器，输出完整的目标位置。本发明能有效应对无人机目标跟踪时出现的目标快速移动、大幅度形变和遮挡等复杂情况。

技术领域

本发明属于计算机视觉技术领域，尤其涉及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。

背景技术

目前，业内常用的现有技术是这样的：

目前无人机具有移动迅速，灵活性高等特点，适合在复杂场景下完成监控，调查以及物资运输等任务，在军事，工业以及民用方面都有广泛用途。利用搭载相机的无人机可以获得地面的图片、视频信息，并从中获得及时准确的信息，以完成后续的针对性任务。空中对地观察过程中，地面或水面的目标通常需要无人机在飞行过程中对其持续关注。通常情况下运动目标与无人机同样处于运动状态，且目标在运动过程中时常发生形变、遮挡，因而对跟踪算法的鲁棒性、准确性以及整体速度都有较高要求。

综上所述，现有技术存在的问题是：

(1)现有的相关滤波类跟踪方法是基于整个目标区域模板进行跟踪与模型更新，导致对于遮挡问题的处理效果差强人意；通过目标区域循环矩阵构造正负样本，导致训练样本有限引发过拟合的风险和虚假的负样本降低对背景杂乱问题的鲁棒性。

(2)现有的深度学习类跟踪方法中，深度模型的获得需要先对大量标注训练数据进行有效学习，且训练过程在空间和时间上的花费都是昂贵的。

(3)目前应用在无人机上的目标跟踪技术较少，且由于无人机上机载电脑的硬件性能限制，实际应用的跟踪方法大多跟踪精度较低，在发生遮挡和目标发生较大形变时容易丢失目标。

解决上述技术问题的难度：

(1)解决训练样本有限引发过的拟合和虚假负样本的问题最直接的方法是扩大训练样本，但常规的样本构造方法构造出虚假样本的概率很高，且会进一步增加计算复杂度，解决该问题的难度在于寻求一种合理的、计算量较小的样本构造方法。

(2)为在硬件条件限制的情况下利用深度学习的优势，可采用提取深度特征的方式，但不同层网络提取的特征包含不同层次的信息，具有不同的特征分辨率，将给算法增加很大的计算量和计算复杂度，解决该问题的难度在于如何在保证深度特征效果的前提下简化计算。

(3)在发生遮挡后，算法会把遮挡物的特征当成目标特征进行提取和学习，导致模型不再准确，解决该问题的难度在于如何让算法识别到目标发生了遮挡进而放弃遮挡情况下的更新学习。

解决上述技术问题的意义：

解决上述问题能进一步提高无人机目标跟踪的准确性和适应性，同时有效保障跟踪实时性，有助于提升无人机作业能力，扩大无人机的实际应用范围，为今后无人机在在军事，工业以及民用等方面的进一步应用打下良好的基础。

发明内容

针对现有技术存在的问题，本发明提供了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。

本发明是这样实现的，一种基于颜色直方图相似性的无人机目标跟踪方法，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，以及提取HOG特征分别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；