[发明专利]一种无人机的识别方法及系统

权利要求书

1.一种无人机的识别方法，其特征在于，包括：

获取目标图像；

对所述目标图像进行特征向量的提取；

将提取到的特征向量送入预先训练完成的非线性SVM进行识别；

若识别结果表示运动目标为无人机时，对所述运动目标进行动态定位。

2.如权利要求1所述的识别方法，其特征在于，所述对所述目标图像进行特征向量的提取，包括：

对所述目标图像进行运动目标检测；

若检测到所述目标图像中存在运动目标，则框定所述运动目标、记录所述运动目标所在图像中的位置信息；

根据所述位置信息在所述目标图像中提取相应区域的子图像；

对所述子图像进行特征向量的提取。

3.如权利要求2所述的识别方法，其特征在于，所述对所述目标图像进行运动目标检测，包括：

利用当前帧图像对各像素点进行模型初始化、设置统计阈值和度量半径，而后依次获取后续的图像进行背景提取；

在之后的每一帧图像中，对于图像的各目标像素点都先计算目标像素点与其背景模型中各样本在色彩空间中的像素距离，而后统计像素距离小于度量半径的总数；

若总数小于预设的统计阈值，则判定所述目标像素点为前景像素点；

若总数大于或者等于所述预设的统计阈值，则判定所述目标像素点为背景像素点；随机舍弃所述背景模型中一样本并将目标像素点加入背景模型中，随机选取所述目标像素点邻域内一像素点，舍弃邻域像素点的背景模型中一样本并将所述目标像素点加入所述邻域像素点的背景模型中，完成背景模型的更新；

遍历一帧图像的所有像素点，得到所有前景像素点和所有背景像素点，由所有前景像素点组成所述运动目标。

4.如权利要求1所述的识别方法，其特征在于，所述对所述运动目标进行动态定位，包括：

构建滤波模板；

获取当前帧图像，计算上一帧图像的目标区域特征与所述当前帧图像的目标区域特征的核相关向量；

在频域内计算所述核相关向量与所述滤波模板的点积；

对所述点积结果进行离散傅里叶逆变换得到目标区域各位置相对于所述滤波模板的响应值；其中响应值最大的位置即为当前帧跟踪目标所在的具体位置；

更新所述滤波模板，通过更新后的滤波模板检测响应下一帧图像跟踪目标所在的具体位置，从而对所述运动目标进行动态定位。

5.如权利要求4所述的识别方法，其特征在于，所述更新所述滤波模板，包括：

对目标区域的图像进行预处理，而后用处理好的目标区域特征计算与预处理后的图像的核相关向量；

利用理想的高斯输出响应和核相关向量计算得出滤波模板，将计算得出的滤波模板进行离散傅里叶逆变换，得到空域中的滤波模板，结合上一帧最终生成的滤波模板对得到的空域中的滤波模板进行更新。

6.一种无人机的识别系统，其特征在于，包括：

图像获取模块，用于获取目标图像；

特征向量提取模块，用于对所述目标图像进行特征向量的提取；

识别模块，用于将提取到的特征向量送入预先训练完成的非线性SVM进行识别；

动态定位模块，用于若识别结果表示运动目标为无人机时，对所述运动目标进行动态定位。

7.如权利要求6所述的识别系统，其特征在于，所述特征向量提取模块，包括：

运动目标检测单元，用于对所述目标图像进行运动目标检测；

信息获取单元，用于若检测到所述目标图像中存在运动目标，则框定所述运动目标、记录所述运动目标所在图像中的位置信息；

子图像提取单元，用于根据所述位置信息在所述目标图像中提取相应区域的子图像；

特征向量提取单元，用于对所述子图像进行特征向量的提取。