[发明专利]一种基于差分前后向光流的地面运动目标跟踪方法

说明书

本发明公开了一种基于差分前后向光流的地面运动目标跟踪方法，其包括：步骤1、针对包含目标的图像提取目标框，以目标框的两倍大小作为初始目标跟踪框，采用利用光流场计算实现目标跟踪的追踪器进行目标跟踪；步骤2、将追踪器获取的目标跟踪框内的实际像素的光流矢量场输入K‑means算法，实现对运动目标的光流矢量场和静止背景的光流矢量场进行分类；步骤3、采用K‑means算法分割出的运动目标校正所述追踪器目标跟踪框，继续进行目标跟踪，重复步骤2和步骤3。使用本发明能够区分运动的前景与静止的背景，提高算法的跟踪稳定性，还可以在嵌入式平台中运行。

技术领域

本发明属于无人机对运动目标跟踪技术领域，尤其涉及一种基于差分前后向光流的地面运动目标跟踪方法。

背景技术

随着无人机技术的发展，对地面目标尤其是对地面运动目标的侦察需求越来越旺盛。侦察需求主要分为对地面目标的发现以及长时间锁定两个阶段。在目标长时间锁定阶段中，由于无人机平台本身处于受外界条件影响的不完全可控环境中，无人机对地面目标，尤其是对地面运动目标的长时间跟踪一直存在技术难点，亟需一种能够持续对地面运动目标进行长时间精确跟踪的方法。

无人机对地面运动目标的视觉跟踪过程中，主要存在以下几种技术路线：

第一种为基于深度学习的视觉跟踪技术路线，该路线在使用前需要经过大量的预训练，从而利用深度学习手段获取运动目标的视觉变化特点，具有较好的跟踪效果。但是该技术路线所需训练集合较大，算法复杂，难以在低成本的嵌入式平台中使用。

第二种为基于前后帧相似性的目标视觉跟踪算法，该类算法具有算法结构简单，运行速度快的优势，有利于应用与嵌入式平台中，但是由于该类跟踪算法难以区分运动目标与静止背景，因此该类算法的目标跟踪稳定性一般较差，难以满足对地面运动目标的跟踪需求。

第三种为基于在线学习的目标视觉跟踪算法，该类算法介于第一种与第二种之间，但是同样存在难以在嵌入式平台中运行的缺陷。

基于上述情况，本发明提出了一种基于差分前后向光流的地面运动目标跟踪方法，该方法利用光流场的特点区分运动的前景与静止的背景，同时利用前后向传播误差来提高算法的跟踪稳定性。

发明内容

有鉴于此，本发明提供了一种基于差分前后向光流的地面运动目标跟踪方法，能够区分运动的前景与静止的背景，提高算法的跟踪稳定性，还可以在嵌入式平台中运行。

为了解决上述技术问题，本发明是这样实现的。

一种基于差分前后向光流的地面运动目标跟踪方法，包括：

步骤1、针对包含目标的图像提取目标框，以目标框的两倍大小作为初始目标跟踪框，采用利用光流场计算实现目标跟踪的追踪器进行目标跟踪；

步骤2、将追踪器获取的目标跟踪框内的实际像素的光流矢量场输入K-means算法，实现对运动目标的光流矢量场和静止背景的光流矢量场进行分类；

步骤3、采用K-means算法分割出的运动目标校正所述追踪器目标跟踪框，继续进行目标跟踪，重复步骤2和步骤3。

优选地，将所述追踪器使用的目标跟踪框记为目标跟踪框A；将K-means算法分割出的运动目标的最小外包矩形记为目标跟踪框B；

所述校正为：综合目标跟踪框B和目标跟踪框A的大小和位置，更新追踪器实际使用的跟踪框。

优选地，所述综合目标跟踪框B和目标跟踪框A的大小和位置，更新追踪器实际使用的跟踪框为：

将目标跟踪框B和目标跟踪框A的重合区域作为追踪器的新目标跟踪框。

优选地，在每一帧的跟踪过程中，执行一次步骤2和步骤3，对目标跟踪框进行校正。