[发明专利]一种小算力驱动的水面无人艇多目标跟踪方法

说明书

本发明公开了一种小算力驱动的水面无人艇多目标跟踪方法，属于智能无人智慧船舶技术领域。一种小算力驱动的水面无人艇多目标跟踪方法，所述小算力驱动的水面无人艇多目标跟踪方法包括以下步骤：步骤一、通过目标检测算法获取待跟踪水面目标的初始坐标数据与外观信息；步骤二、使用卡尔曼滤波算法对水面目标下一帧的位置进行预测；步骤三、计算新检测到的水面目标与已建立跟踪的水面目标间的归一化方差与平均色差，获取代价矩阵，使用匈牙利算法进行匹配；步骤四、利用匹配结果使用卡尔曼滤波对目标状态进行更新。本发明简化代价矩阵计算，不需要进行重识别权重预训练，且对算力的要求更低，方便部署到小型水面无人艇中。

技术领域

本发明涉及一种小算力驱动的水面无人艇多目标跟踪方法，属于智能无人智慧船舶技术领域。

背景技术

近年来，多目标跟踪算法取得了很大的发展，尤其是2017年提出的Deep-SORT算法已经取得了广泛的应用，使用Deep-SORT算法结合先进的YOLO等神经网络提升检测与跟踪效果的方法也被应用于工业领域。然而，Deep-SORT算法的跟踪策略包含一个目标检测网络与一个重识别特征提取网络，这种复杂的网络结构由于其对硬件设备的算力要求较难在小型水面无人艇中部署；同时，由于水面无人艇运行的特殊环境，构筑重识别特征提取网络所需的同一个目标的大批量数据集也存在很大的困难。

发明内容

本发明提出了一种小算力驱动的水面无人艇多目标跟踪方法，已解决现有技术中，水面无人艇搭载设备算力有限以及水面目标数据集采集困难，难以构筑重识别特征提取网络所需的同一个目标的大批量数据集的问题。

一种小算力驱动的水面无人艇多目标跟踪方法，所述小算力驱动的水面无人艇多目标跟踪方法包括以下步骤：

步骤一、通过目标检测算法获取待跟踪水面目标的初始坐标数据与外观信息；

步骤二、使用卡尔曼滤波算法对水面目标下一帧的位置进行预测；

步骤三、计算当前视频帧中新检测到的水面目标与历史视频帧中已建立跟踪的水面目标间的归一化方差与平均色差，获取代价矩阵，使用匈牙利算法进行匹配；

步骤四、利用匹配结果使用卡尔曼滤波对目标状态进行更新。

进一步的，首先，对于目标检测算法检测到的目标，利用卡尔曼滤波算法对其在下一帧中的状态进行预测，具体公式如下：

x′＝Fx (1)

P′＝FPF^T+Q (2)

式中：x为前一时刻的估计值，x′为当前时刻的预测值；F为状态转移矩阵，其值见下述公式；P为前一时刻的水面目标状态向量的协方差矩阵；Q为系统的噪声矩阵；P′为当前时刻水面目标状态向量的协方差矩阵；F^T为状态转移矩阵；F的转置，

将公式x′＝Fx展开得下式：

式中：cx,cy为检测框中心点坐标，单位为像素；w,h为检测框的长和宽，单位为像素。

进一步的，在步骤三中，具体的，利用归一化方差匹配算法以及平均色差获取已建立跟踪的水面目标与当前帧检测到的水面目标的特征距离，

具体计算公式如下：

ΔR＝C_1,R-C_2,R (6)

ΔG＝C_1,G-C_2,G (7)

ΔB＝C_1,B-C_2,B (8)