无人机智能跟踪方法和系统技术方案

本发明专利技术公开了一种无人机智能跟踪方法和系统。该方法包括：接收数字图像；在数字图像中确定行人跟踪区域；检测行人跟踪区域，获得行人跟踪区域图像内行人的手部运动轨迹；对比行人跟踪区域内行人的手部运动轨迹和行人手势运动模型，识别行人跟踪区域内行人的手势运动类型；根据手势运动类型向无人机发送跟踪行人的指令。采用本发明专利技术实施例后，根据行人的头肩特征确定行人跟踪区域，进一步根据行人跟踪区域内行人的手势运动类型控制无人机跟踪行人，能够控制无人机准确跟踪被跟踪对象。 1

Intelligent tracking method and system for UAV

The invention discloses an intelligent tracking method and system for UAV. The method includes receiving digital image, determining the pedestrian tracking area in the digital image, detecting the pedestrian tracking area, obtaining the hand movement track of pedestrians in the pedestrian tracking area image, comparing the hand movement track of pedestrians in the pedestrian tracking area and the pedestrian gesture motion model, and identifying the hand of pedestrians in the pedestrian tracking area. According to the type of gesture movement, it sends instructions to pedestrians to track pedestrians. After adopting the embodiment of the invention, the pedestrian tracking area is determined according to the features of the pedestrian's head and shoulder, and the unmanned aerial vehicle is controlled according to the type of the pedestrian gestures in the pedestrian tracking area, and the unmanned aerial vehicle can be controlled to track the object to be tracked accurately. One

【技术实现步骤摘要】
无人机智能跟踪方法和系统
本专利技术属于机器视觉
，尤其涉及一种无人机智能跟踪方法和系统。
技术介绍
无人机是非载人飞机，可以利用无线电遥控设备和自备的程序控制装置操纵，或者由车载计算机完全地或间歇地自主地操纵。在无人机上挂载拍摄装置，可以用于航拍、测绘、农业、侦查等领域，为了无人机能够准确拍摄被跟踪对象，需要无人机实现自主跟踪被跟踪对象。当前无人机自主跟踪，通常是基于视觉的自主跟踪。在智能交互终端接收无人机图像数据，在移动终端界面上框选跟踪对象，通过图像处理的方法实时检测每一帧图像数据中被跟踪对象的图像数据。计算相邻数据帧中被跟踪对象的相对位置关系，并将图像相对位置关系转换为实际三维位置关系，根据所述三维位置关系控制无人机跟踪被跟踪对象。基于视觉的自主跟踪在选择被跟踪对象时，需要用户在智能交互终端上选择需要跟踪的对象，而用户选择跟踪对象会产生人为误差，不能准确确定被跟踪对象。
技术实现思路
本专利技术实施例提供一种无人机智能跟踪方法和系统，只需要被跟踪对象做指定手势动作，无人机根据被跟踪对象的手势动作，能够准确跟踪被跟踪对象。一方面，本专利技术实施例提供一种无人机智能跟踪方法，包括：接收数字图像；在数字图像中确定行人跟踪区域；检测行人跟踪区域，获得行人跟踪区域图像内行人的手部运动轨迹；对比行人跟踪区域内行人的手部运动轨迹和行人手势运动模型，识别行人跟踪区域内行人的手势运动类型；根据手势运动类型向无人机发送跟踪行人的指令。另一方面，本专利技术实施例提供了一种无人机智能跟踪系统，包括：接收模块，用于接收数字图像；确定模块，用于在数字图像中确定行人跟踪区域；检测模块，用于检测行人跟踪区域，获得行人跟踪区域图像内行人的手部运动轨迹；对比模块，用于对比行人跟踪区域内行人的手部运动轨迹和行人手势运动模型，识别行人跟踪区域内行人的手势运动类型；跟踪模块，用于根据手势运动类型向无人机发送跟踪行人的指令。本专利技术实施例的无人机智能跟踪方法和系统，通过行人的头肩特征确定行人跟踪区域，在行人跟踪区域内识别行人的手势运动类型，根据行人的手势运动类型向无人机发送跟踪指令，在被跟踪对象做出指定手势时，能够准确跟踪被跟踪对象。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的无人机智能跟踪方法的流程示意图；图2是本专利技术实施例提供的行人跟踪区域确定方法的流程示意图；图3是本专利技术实施例提供的无人机智能跟踪系统的结构示意图。具体实施方式下面将详细描述本专利技术的各个方面的特征和示例性实施例，为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本专利技术进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本专利技术，并不被配置为限定本专利技术。对于本领域技术人员来说，本专利技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本专利技术的示例来提供对本专利技术更好的理解。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。为了解决现有技术问题，本专利技术实施例提供了一种无人机智能跟踪方法和系统。下面首先对本专利技术实施例所提供的无人机智能跟踪方法进行介绍。图1示出了本专利技术实施例提供的无人机智能跟踪方法的流程示意图。如图1所示，该方法可以包括：S110，接收数字图像。接收无人机上传的数字图像，并对数字图像进行处理和识别。示例性的，在无人机本体云台上携带摄像机传感装置，对摄像机视场范围内的拍摄图像数字成像，并将数字图像发送至服务器。其中，无人机本体云台是指安装、固定摄像机的支撑设备。示例性的，在无人机本体云台上携带移动智能终端，例如移动智能终端可以是手机，摄像头或相机，对移动智能终端视场范围内的拍摄图像数字成像。移动智能终端本体云台上还包括数字图像通讯传输装置，通过数字图像通讯传输装置传输数字图像。其中，无人机本体云台是指安装、固定移动智能终端的支撑设备。S120，在数字图像中确定行人跟踪区域。对接收到的数字图像进行滤波处理，过滤影响特征提取的噪声，提取经过滤波后的数字图像中行人头肩的图像特征，图像特征包括图像的哈尔(Haar)特征，图像的局部二进模式(LocalBinaryPattern，LBP)特征和/或图像的方向梯度直方图(HistogramofOrientedGradient，HOG)特征。对比行人跟踪区域中行人头肩的图像特征和头肩训练文件中对应的图像特征，根据对比结果确定行人跟踪区域。例如，若数字图像中行人头肩的Haar特征与头肩训练文件的Haar特征匹配成功，则行人头肩在数字图像中的区域是行人跟踪区域。在本专利技术的一个实施例中，在离线状态下，构建行人头肩图像正样本和行人头肩图像负样本，下面将行人头肩图像正样本简称为正样本，将行人头肩图像负样本简称为负样本。构建行人头肩图像正样本和行人头肩图像负样本，具体为：将包含行人头肩的图像保存为正样本，将相同像素的非行人头肩的图像保存为负样本，计算正样本的图像特征，以及负样本的图像特征。将正样本的图像特征和负样本的的图像特征放入头肩训练器中进行训练，确定头肩训练文件。图像特征包括图像的Haar特征，图像的LBP特征和/或图像的HOG特征，其中，正样本的图像特征和负样本的图像特征相同，例如正样本的Haar特征和负样本的Haar特征。S130，检测行人跟踪区域，获得行人跟踪区域内行人的手部运动轨迹。对行人跟踪区域进行边缘检测和特征点检测，边缘是指行人跟踪区域亮度变化明显的点的集合，特征点是指行人跟踪区域亮度变化剧烈的点或行人跟踪区域边缘曲线上曲率极大值的点的集合。将每帧行人跟踪区域进行边缘检测和特征点检测，确定每帧行人跟踪区域的所有边缘点和所有特征点，组成每帧行人跟踪区域的边缘点集合和每帧行人跟踪区域的特征点集合。将每帧行人跟踪区域的边缘点集合和每帧行人跟踪区域的特征点集合进行比较，根据每帧行人跟踪区域的边缘点集合和每帧行人跟踪区域的特征点集合的变化，即可在行人跟踪区域内提取出行人运动区域。在本专利技术的一个实施例中，为了使边缘检测和特征点检测的结果更为准确，本实施例可优选的对行人跟踪区域进行平滑处理，平滑处理可以有效去处行人跟踪区域中的噪点，这样检测的结果更为准确。需要说明的是，本专利技术实施例中，同时采用边缘检测和特征点检测，是为了提高运动区域检测的准确性，也可以只采用边缘检测或者只采用特征点检测。示例性的，常见的边缘检测方法例如可以是Sobel边缘检测算法，Canny边缘检测算法，常见的特征点检测方法例如可以是KLT特征点检测算法及SU本文档来自技高网...

【技术保护点】
1.一种无人机智能跟踪方法，其特征在于，所述方法包括：

【技术特征摘要】
1.一种无人机智能跟踪方法，其特征在于，所述方法包括：接收数字图像；在所述数字图像中确定行人跟踪区域；检测所述行人跟踪区域，获得所述行人跟踪区域图像内行人的手部运动轨迹；对比所述行人跟踪区域内行人的手部运动轨迹和行人手势运动模型，识别所述行人跟踪区域内行人的手势运动类型；根据所述手势运动类型向无人机发送跟踪行人的指令。2.根据权利要求1所述的跟踪方法，其特征在于，所述在所述数字图像中确定行人跟踪区域，包括：对所述数字图像进行滤波处理；提取滤波后的数字图像中行人的头肩特征；对比所述数字图像中行人的头肩特征和头肩训练文件，确定所述行人跟踪区域。3.根据权利要求2所述的跟踪方法，其特征在于，所述对比所述数字图像中行人的头肩特征和头肩训练文件，确定所述行人跟踪区域之前，还包括：构建行人头肩图像正样本和行人头肩图像负样本，所述正样本的像素和所述负样本的像素相同；提取所述行人头肩图像正样本的图像特征和所述行人头肩图像负样本的图像特征；在头肩训练器中，基于所述行人头肩图像正样本的图像特征和所述行人头肩图像负样本的图像特征进行训练，确定所述头肩训练文件。4.根据权利要求3所述的跟踪方法，其特征在于，所述图像特征包括图像的Harr特征，LBP特征和/或HOG特征。5.根据权利要求1所述的跟踪方法，其特征在于，所述检测所述行人跟踪区域，获得所述行人跟踪区域图像内行人的手部运动轨迹，包括：根据所述行人跟踪区域的边缘，所述行人跟踪区域的特征点，以及所述行人跟踪区域内行人的肤色，确定所述行人的手部运动轨迹。6.根据权利要求1所述的跟踪方法，其特征在于，所述对比所述行人跟踪区域内行人的手部运动轨迹和行人手势运动模型，识别所述行人跟踪区域内行...

【专利技术属性】
技术研发人员：张翼成，
申请(专利权)人：翔升上海电子技术有限公司，
类型：发明
国别省市：上海,31