[发明专利]基于全连接网络和卡尔曼滤波器的飞机追踪方法

摘要

本发明涉及一种基于全连接网络和卡尔曼滤波器的飞机追踪方法，包括下列步骤：利用全连接网络R‑FCN对视频逐帧进行检测，获得前一帧图像的bounding box，以供轨迹校正使用；构建状态向量，描述飞机运动轨迹，状态向量既要表示出目标飞机中心点的位置，又要展示出bounding box的大小和纵横比；将卡尔曼滤波器和扩展卡尔曼滤波器相结合，从构建的状态向量中分离出子向量来描述运动目标；当检测结果偏差较大时，根据目标对象的大小限制出有效范围来提高检测速度，纠正相邻帧中bounding box的位置，从而实现对运动轨迹的校正。

主权项

1.一种基于全连接网络和卡尔曼滤波器的飞机追踪方法，包括下列步骤：第一步：利用全连接网络R‑FCN对视频逐帧进行检测，获得前一帧图像的bounding box，以供轨迹校正使用；第二步：构建状态向量，描述飞机运动轨迹，状态向量既要表示出目标飞机中心点的位置，又要展示出bounding box的大小和纵横比；第三步：为了避免目标检测在某一帧上检测失败导致的目标漂移，将卡尔曼滤波器和扩展卡尔曼滤波器相结合，从构建的状态向量中分离出子向量来描述运动目标；具体方法如下：(1)卡尔曼滤波器处理线性部分：状态向量中表示飞机中心点位置的子向量由线性模型近似，然后由预测结果和当前观测结果的不确定性计算卡尔曼增益，对预测结果和观测结果做加权平均，得到当前时刻的状态估计和本次状态估计的不确定性；(2)扩展卡尔曼滤波器用于对不适于线性模型的非线性部分进行拟合：以和(1)中相同的方式创建可以表示bounding box大小和纵横比的状态子向量，但涉及到的状态矩阵和映射矩阵不再是常数矩阵，得到非线性部分在当前时刻的状态估计和本次状态估计的不确定性；(3)将非线性部分加入线性系统中，描述飞机的运动状态；第四步：当检测结果偏差较大时，根据目标对象的大小限制出有效范围来提高检测速度，纠正相邻帧中bounding box的位置，从而实现对运动轨迹的校正，若bounding box与飞机所在窗口的重叠度IOU值大于预先定义好的阈值T，则根据前一帧的bounding box修改当前检测框的位置和大小；否则便将此目标作为中心，划出bounding box输入检测网络进行训练，校正公式如下：其中，δa,δb分别表示前后帧之间检测结果的置信度，其值越高，说明模型越精确；wa,wb,wc分别表示前后帧及校正后bounding box的宽度，ha,hb,hc分别表示前后帧及校正后bounding box的高度；(xa,ya),(xb,yb),(xc,yc)分别表示前后帧及校正后bounding box中心点的水平和垂直坐标；第五步：搜集包含飞机运动的视频，统一处理成固定长度的视频，共同组成训练数据库，其中的视频随机分为两部分，80％作为训练集输入R‑FCN，根据训练得到的模型对剩下20％视频做预测，得到飞机追踪结果。