[发明专利]无人机及其跟踪方法和计算机可读存储介质

说明书

本发明公开了一种无人机的跟踪方法，无人机包括图像采集模块，所述无人机的跟踪方法包括以下步骤：获取图像采集模块采集的图像，并将所述图像输入跟踪模型以获取所述跟踪模型输出的所述图像中的多个区域图像；确定各个所述区域图像的第一尺寸以及无人机跟踪的目标对象的第二尺寸；根据所述第一尺寸以及所述第二尺寸对各个所述区域图像进行筛选以确定所述目标对象所在的目标区域图像；根据所述目标区域图像，对所述目标对象进行跟踪。本发明还公开一种无人机及其计算机可读存储介质。本发明无人机的跟踪准确性较高。

技术领域

本发明涉及无人机技术领域，尤其涉及一种无人机及其跟踪方法和计算机可读存储介质。

背景技术

无人机(Unmanned Aerial Vehicle，UAV)跟踪地面运动目标具有重要理论研究意义和应用价值，是无人机系统自主控制领域的一个重要研究方向。

现阶段无人机跟踪的目标选取方式大多采用框选的方法，框选的方法具体操作方式为：操作者在手机界面上通过手指拖动的方式进行目标的框选。但无人机处于飞行过程中时，目标相对于相机会发生相对运动，在手机界面进行目标框选时容易出现标记误差，导致目标标记不准确，影响跟踪的准确性，无人机的跟踪准确性较低。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种无人机及其跟踪方法和计算机可读存储介质，旨在解决无人机的跟踪准确性较低的问题。

为实现上述目的，本发明提供一种无人机的跟踪方法，无人机包括图像采集模块，所述无人机的跟踪方法包括以下步骤：

获取图像采集模块采集的图像，并将所述图像输入跟踪模型以获取所述跟踪模型输出的所述图像中的多个区域图像；

确定各个所述区域图像的第一尺寸以及无人机跟踪的目标对象的第二尺寸；

根据所述第一尺寸以及所述第二尺寸对各个所述区域图像进行筛选以确定所述目标对象所在的目标区域图像；

根据所述目标区域图像，对所述目标对象进行跟踪。

在一实施例中，所述跟踪模型通过图像中不同尺寸的区域图像训练得到，所述跟踪模型包括训练网络，所述训练网络包括多个卷积层，所述跟踪模型的训练包括以下步骤：

将数据集中的各张图像样本依次输入训练网络的各个卷积层；

根据所述卷积层输出的结果获取特征层；

根据所述特征层获取所述跟踪模型。

在一实施例中，所述根据卷积层的输出结果获取特征层的步骤包括：

根据卷积层的输出结果获取一个特征层。

在一实施例中，所述根据卷积层的输出结果获取特征层的步骤包括：

根据卷积层的输出结果获取多个特征层，其中，多个所述特征层对应不同的图像尺寸阈值。

在一实施例中，所述根据所述特征层获取所述跟踪模型包括：

获取所述特征层中每个训练区域图像对应的标注区域图像，并确定每个所述训练区域图像与所述训练区域图像对应的标注区域图像的目标交叠率；

将目标交叠率大于第一预设阈值的所述训练区域图像标记为正样本，且将目标交叠率小于第二预设阈值的所述训练区域图像标记为负样本，所述第二预设阈值小于所述第一预设阈值；

根据分类后的被标记为正样本的训练区域图像、分类后的被标记为负样本的训练区域图像、损失函数训练获得跟踪模型。

在一实施例中，所述确定每个所述训练区域图像与所述训练区域图像对应标注区域图像的目标交叠率的步骤包括：