[发明专利]基于多特征融合和区域生长的低小慢目标跟踪方法及装置

说明书

本发明公开一种基于多特征融合和区域生长的低小慢目标跟踪方法及装置，该方法步骤包括：S1.依次获取目标跟踪图像中各帧图像进行迭代处理，根据前一帧图片中目标的位置在当前帧图片中截取ROI区域作为候选目标区域，分别计算目标ROI区域、候选目标区域的特征参数，建立目标描述模板、候选目标描述模板；S2.根据目标描述模板、候选目标描述模板之间的相似度，判断是否满足收敛判决条件，确定初始目标位置；S3.以确定的初始目标位置为生长点，使用区域生长方法进行区域生长，重新截取ROI区域，并更新目标描述模板，直至得到最终的目标位置。本发明能够实现低小慢型目标的检测跟踪，且具有跟踪效率以及精度高、鲁邦性强等优点。

技术领域

本发明涉及目标检测技术领域，尤其涉及一种基于多特征融合和区域生长的低小慢目标跟踪方法及装置。

背景技术

随着科技水平的不断提高，无人机等低空小型飞行器制造技术和手段也越来越成熟，如小型无人机技术就在矿产资源勘探、环境保护治理、公共安全以及海洋环境监测等领域均有广泛的应用。但是当前类似无人机“黑飞”、“滥飞”事件也层出不穷，无人机非法、不当的使用具有严重的安全隐患。反无人机监测系统即是要实现无人机的监测跟踪，以监测无人机的状态。

针对无人机跟踪，现有技术中主要采用以下几种方式：

1、音频跟踪方式：该类方式主要是通过分析声音信号中目标(如无人机)电机以及机翼的声音，如果目标距离监测平台较远或者声音较小的目标，该类音频检测方式就难以检测到，因而该类音频检测方式就不适用于低空小型目标的检测，且声音在介质中传播损耗较大，因此音频检测只适合短距离检测，还易受环境噪声的影响。

2、热跟踪方式。该类方式是通过探测目标表面的温度，与环境温度对比从而找出目标，因而该类方案必须要求目标所辐射的热量与周围环境相差较大，适用受限，且该类方式的监控范围通常也较小。如现有技术中的热检测方式主要即是依靠红外探测器成像，然后进行图像处理后得到目标，而一般红外探测器视野较小，不适合大视野的监控。

3、雷达监测和射频监测方式。该类方式是通过雷达、射频方式来实现目标检测，但是该类方式容易受到空间中的各种电磁波的影响，而且成本较高、操作复杂。

4、视频监测方式。该类方式是基于视频采集及图像处理来实现目标检测，不仅可视化程度高、成本低、检测速度快且使用场景广泛，而且可以有效地应对多种环境下的空中无人机目标的检测与跟踪。

针对无人机的视频监测，目前有利用CNN网络识别无人机目标，然后基于离散卡尔曼滤波算法对识别到的无人机目标建立跟踪模型，实现了在视场中的长期跟踪，但是算法采用CNN网络作为检测手段，实时性不强；同时，针对小型飞行目标跟踪的再定位跟踪(TRL)框架，可以缓解复杂背景下运动目标丢失的问题，但是算法对目标的尺度变化较敏感，对于尺度变化频繁的目标会导致额外的时间开销；基于鹰眼视觉通路原理的监测器，通过构建目标显著图，实现对目标的粗定位，然后结合目标HOG特征与贝叶斯分类器实现小目标的精确定位与跟踪，但是算法同样不能自适应更新目标检测框尺寸，在跟踪过程中会积累目标尺度变化带来的误差导致跟踪失败。

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，本发明提供一种实现方法简单、成本低、跟踪效率以及精度高、鲁邦性强的基于多特征融合和区域生长的低小慢目标跟踪方法及装置。

为解决上述技术问题，本发明提出的技术方案为：

一种基于多特征融合和区域生长的低小慢目标跟踪方法，步骤包括：

S1.迭代执行：依次获取目标跟踪图像中各帧图像进行迭代处理，以首帧图片中目标位置为目标起点位置并截取初始ROI区域，每次迭代处理时根据前一帧图片中目标的位置在当前帧图片中截取ROI区域作为候选目标区域，以前一帧图片截取的ROI区域作为目标ROI区域，分别计算所述目标ROI区域、候选目标区域的多个特征参数，根据所述特征参数建立对应的目标描述模板、候选目标描述模板；