[发明专利]一种基于KCF的无人机跟踪方法

说明书

本发明公开了一种基于KCF的无人机跟踪方法，其包括：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。本发明具有能够解决目标快速移动跟踪丢失问题和由于目标旋转而导致的跟踪丢失问题等优点。

技术领域

本发明主要涉及到无人机的监测技术领域，特指一种基于KCF的无人机跟踪方法。

背景技术

无人机是典型的低慢小目标，其特点包括飞行高度低，速度慢，有效探测面积较小，不容易被侦测发现等。无人机的这些特点意味着传统的空中威胁探测系统已经不再适用，必须针对无人机的这些特点研发相应的反无人机系统从而实现对入侵无人机的威胁探测。

有从业者提出文献《基于视觉的无人机入侵检测与跟踪系统设计与实现》，其中是针对无人机运动过快的问题提出利用卡尔曼滤波来进行改进，但当无人机在运动过程中突然转向时，该方法会发生跟踪丢失的问题。

而另有从业者提出文献《基于视频的小型无人机目标检测与跟踪方法研究》，其是针对无人机运动过快的问题提出利用位置预测的方法进行改进，但该方法认为目标的运动为匀速运动。

而且上述两种方法都没有考虑无人机在运动过程中可能发生倾斜旋转的问题，使得在跟踪过程中容易发生丢失。

参见图5，基于背景相关的KCF方法的搜索过程是以当前帧目标所在的位置为中心，在一定范围内采样搜索，图(a)中的虚线框表示目标区域，实线框表示经过padding扩充后的采样区域，其他的实线框表示padding循环移位之后对齐目标得到的样本框。图(b)表示下一帧目标的运动位置及采样示意图，当目标运动过快超出padding的采样范围时，则无法找到目标，会发生目标丢失。

总结一下，传统通过背景相关的KCF方法进行无人机跟踪是存在的技术问题是：

1、基于背景相关的KCF是利用上一帧目标中心位置为基础在当前帧进行搜索目标，当无人机运动过快，就会在padding范围内无法找到目标。

2、KCF方法是利用FHOG特征进行相关滤波，而FHOG不具备旋转不变性。当无人机在运动过程中发生突然转向，无人机在图像中会发生旋转，使得跟踪目标容易丢失。

3、HOG特征计算量大，导致算法无法达到实时性。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种能够解决目标快速移动跟踪丢失问题和由于目标旋转而导致的跟踪丢失问题的基于KCF的无人机跟踪方法。

为解决上述技术问题，本发明采用以下技术方案：

一种基于KCF的无人机跟踪方法，其包括：

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。

作为本发明的进一步改进：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；