[发明专利]一种基于KCF的无人机跟踪方法

权利要求书

1.一种基于KCF的无人机跟踪方法，其特征在于，包括：

步骤S1:输入图像序列；

步骤S2:初始化基于背景相关的KCF方法的参数；

步骤S3:利用coarse to fine搜索策略与KCF方法的融合，在目标快速运动时保持稳定跟踪，使得在搜索的时候找到目标大致的位置。

2.根据权利要求1所述的基于KCF的无人机跟踪方法，其特征在于，所述步骤S3包括：

步骤S301:利用coarse to fine搜索策略提取N个image patch；

步骤S302:对每个image patch分别提取改进的FHOG和CN特征，记为feature map；

步骤S303:对每个image patch对应的feature map根据背景相关的KCF方法获取其response；获得每个image patch对应的response最大值，最大值记为MaxValue；

步骤S304:对这N个response的最大值进行排序，找出最大的值，并根据这个最大值找到对应的image patch；即：FindImage，对FindImage根据KCF方法，进行精细搜索，找到目标准确的位置。

3.根据权利要求2所述的基于KCF的无人机跟踪方法，其特征在于，所述步骤S301中，首先利用coarse to fine搜索策略在输入的图像中，在上一帧目标的中心位置，在n_t个方向上提取N个image patch；

其具体的公式为：

其中p_x和p_y分别是提取的某个image patch的x坐标和y坐标；x₀和y₀分别是上一帧目标中心的x坐标和y坐标；i_r∈{1,2,...,n_r}，i_t∈{1,2,...,n_t}，

4.根据权利要求2所述的基于KCF的无人机跟踪方法，其特征在于，所述步骤S302中，通过RGT变换获取旋转不变的FHOG特征。

5.根据权利要求4所述的基于KCF的无人机跟踪方法，其特征在于，所述RGT变换过程为：O表示图像的中心,P为某圆周上任意一点,以P点为原点,沿OP和垂直OP方向构建新的局部坐标系统,假设r和t分别是沿径向和切向两个正交方向的单位向量,则：

t＝R_π/2*r

其中,R_π/2为旋转90矩阵，在新的局部坐标系统中,P点的梯度g可以分解为径向和切向分量之和，即g＝(g^Tr)r+(g^Tt)t，其中第1项是P点梯度的径向分解,第2项是P点梯度的切向分解；梯度g在局部坐标系统中表示为向量(g^Tr,g^Tt)；假定以O为中心旋转角度α,则对应的旋转后的P0点坐标系统及其梯度记为：P'＝R_αP,r'＝R_αr,t'＝R_αt,g'＝R_αg。

6.根据权利要求4所述的基于KCF的无人机跟踪方法，其特征在于，所述FHOG的获取步骤为：

(a)对输入的image patch使用Gamma校正进行归一化；

(b)计算图像梯度，对梯度图进行RGT变换得到旋转不变的RGT梯度图；

(c)对RGT梯度图，采用方向梯度直方图的降维方法获取在每个block内的梯度方向直方图，后续的步骤与经典的FHOG后续的计算步骤一致，即得到旋转不变的FHOG特征。

7.根据权利要求2-6任意一项所述的基于KCF的无人机跟踪方法，其特征在于，所述步骤S4中，采用基于主方向的旋转不变的方法来实现旋转不变性。

8.根据权利要求1-6任意一项所述的基于KCF的无人机跟踪方法，其特征在于，还包括步骤S7:对KCF模型进行更新，通过更新后的KCF模型进一步在后续对目标准确位置进行下一轮精确搜索。