[发明专利]运动目标实时检测跟踪系统及方法

说明书

本发明公开了运动目标实时检测跟踪系统及方法，包括：检测设备；所述检测设备与云台连接，所述云台上搭载摄像头，所述摄像头将采集的图像存储到存储器中，所述存储器与检测设备连接；所述检测设备，用于对摄像头采集的图像进行处理，完成摄像头的自动对焦；所述检测设备，还用于对摄像头采集的图像进行处理，完成运动目标的实时检测跟踪。本发明使用yolov3深度学习算法和sort多目标跟踪算法相结合来检测跟踪无人机，检测精度高，鲁棒性好，有利的避免了遮挡、跟踪丢失等问题；采用MPSoC硬件结构，多核异构，能使深度学习算法在ARM+FPGA架构下达到实时；监控系统设备小，且不需过多人为的干预和控制。

技术领域

本公开涉及运动目标检测跟踪技术领域，特别是涉及运动目标实时检测跟踪系统及方法。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

运动目标的识别、检测和跟踪是计算机视觉领域的热点问题，在人机交互、视频跟踪、视觉导航、机器人以及军事指导等方面有广泛的应用。近年来，消费级无人机市场的快速增长，具有强大功能的消费级无人机价格不断降低，操作简便性不断提高，无人机正快速地从尖端的军用设备转入大众市场，成为普通民众手中的玩具。然而，功能越来越先进的新式无人机的不断涌现，也带来了安全和隐私方面的忧患，如无人机偷窥侵犯隐私权，在国家机关、军队驻地、机场周边等敏感区域飞行危害国家安全，以及无人机操作不当引发安全事故等等。

yolov3是深度学习方面的一种目标检测网络，在单帧图像的识别和检测层面应用很广，相比于传统的目标检测方法，其优势在于更高的检测精度以及更快的检测速度。基于检测的目标跟踪是一种常用的目标跟踪方法，通过对每帧图像进行目标识别与检测，即可完成对视频系列的跟踪。但是，基于深度学习的yolov3对前期训练样本有很高的要求，如果一旦拍摄到的目标及背景图像不包含在训练样本里时，yolov3是无法检测到目标的，从而导致跟踪失败。

sort多目标跟踪算法高效地实现了目标检测并使用卡尔曼滤波去滤波以及Hungarian算法进行跟踪，但是在有遮挡的情况下准确度很低。

发明内容

为了解决现有技术的不足，本公开提供了运动目标实时检测跟踪系统及方法；

第一方面，本公开提供了运动目标实时检测跟踪系统；

运动目标实时检测跟踪系统，包括：检测设备；

所述检测设备与云台连接，所述云台上搭载摄像头，所述摄像头将采集的图像存储到存储器中，所述存储器与检测设备连接；

所述检测设备，用于对摄像头采集的图像进行处理，完成摄像头的自动对焦；所述检测设备，还用于对摄像头采集的图像进行处理，完成运动目标的实时检测跟踪。

进一步地，所述对摄像头采集的图像进行处理，完成摄像头的自动对焦；是通过sort多目标跟踪算法来完成。

进一步地，所述对摄像头采集的图像进行处理，完成运动目标的实时检测跟踪；是通过yolov3深度学习算法来完成。

第二方面，本公开提供了运动目标实时检测跟踪方法；

运动目标实时检测跟踪方法，包括：

系统通电开始工作后，摄像头根据自动对焦算法完成自动对焦；

摄像头对待检测跟踪对象进行视频采集，将获得的待检测跟踪对象的图像存储到存储器中；

检测设备对存储器中的图像进行处理，得到待检测跟踪对象的跟踪结果。

进一步地，检测设备对存储器中的图像进行处理，得到待检测跟踪对象的跟踪结果；具体步骤包括：