一种基于无人艇应用的目标跟踪方法技术

一种基于无人艇应用的目标跟踪方法，包括步骤：获取目标的图像序列，在以上一帧目标所在位置为搜索中心的设定范围内，利用预设滤波器f(z)＝W

Target tracking method based on Unmanned Aerial Vehicle Application

An object tracking method based on unmanned aerial vehicle comprises the following steps: acquiring an image sequence of a target; setting a preset filter f (z) = W in the set range of the search center for the location of the above frame target

【技术实现步骤摘要】
一种基于无人艇应用的目标跟踪方法
本专利技术涉及无人艇应用
，具体地说是一种基于无人艇应用的目标长时间稳定跟踪方法。
技术介绍
无人艇，是一种无人操作的水面舰艇，可以在各种环境中使用，尤其便于在不适合有人船只和较为危险的环境中使用，不管是在军用领域还是民用领域，我国对无人艇的需求都在逐渐增强。在无人艇的自主航行中，目标的稳定跟踪是无人艇自动避障的技术基础。目前常用的目标跟踪方法主要有以下两种:(1)基于关键点匹配的目标跟踪方法基于关键点匹配的目标跟踪方法通常在目标所在区域提取具有不变性特征的关键点，将目标模板视作一些关键点的集合，在以后的各帧中提取关键点并与模板的关键点比较，然后估计几何变换参数，求得当前帧目标位置相对于初始模板位置的几何变换关系。(2)基于目标检测的目标跟踪方法基于目标检测的跟踪方法通常利用一个在线训练的分类器将目标从周围背景中区分出来。在跟踪的过程中，在上一帧目标所在位置周围以滑动窗口形式提取一定数量的候选框，通过在线训练的分类器预测目标所在位置。有了目标的预估位置以后，可以生成一个带标签的训练样本集合，用这个训练样本集在线训练更新分类器模型参数。基于关键点匹配的方法的成功与关键点的检测方法密切相关，关键点太多会影响算法执行效率，关键点太少会影响算法的准确性，并且，当目标的外观发生剧烈变化，或者背景较复杂，与目标区分度不大时，这种算法就会跟丢目标，导致跟踪失败。而基于目标检测的跟踪方法虽然能够很好的解决目标的形变、旋转等问题，但是算法复杂度较高，难以做到实时，限制此类方法的实际应用范围。尽管目前已存在许多目标跟踪的方法，但是在无人艇的自主航行问题中，待跟踪的目标类型众多(例如游轮、帆船、漂浮物、礁石等)，可能很大也可能很小，并且经常伴随目标的尺度变化以及目标之间的遮挡，在保证实时性的前提下，目前的目标跟踪方法不能很好的适应真实的自然场景。综上所述，尽管目前存在很多目标跟踪相关方法，但由于算法的鲁棒性以及实时性等原因，很难将其应用到无人艇的自动避障中。
技术实现思路
本专利技术要解决的技术问题是提供一种基于无人艇应用的水面目标跟踪方法，能够长时间稳定地进行跟踪。为了解决上述技术问题，本专利技术采取以下技术方案：一种基于无人艇应用的目标跟踪方法，包括以下步骤：S1,获取目标的图像序列，在以上一帧目标所在位置为搜索中心的设定范围内，利用预设滤波器f(z)＝WTZ，Z为样本的特征向量，W为权重向量，搜索到最大响应位置，该最大响应位置作为目标在当前帧的候选位置中心；S2,在候选位置中心的周围采用多尺度滑动窗口采样得到若干候选框，利用结构化SVM分类器对所有候选框计算得分，得分最大的候选框作为当前帧目标的预测结果；S3，判断目标是否被遮挡；S4，若目标被遮挡，则不进行在线学习，不更新预设滤波器参数和结构化SVM分类器参数；若目标未被遮挡，更新预设滤波器参数，转入步骤S5；S5，更新结构化SVM分类器参数；S6，重复步骤S1-S5，直到图像序列的最后一帧。所述步骤S4中更新预设滤波器参数具体包括以下子步骤：S4.1，构造循环样本矩阵，以步骤S2得到的预测结果所在位置作为中心，设置一个基本样本，该基本样本的大小为目标的N倍，N为大于1的实数，将该基本样本进行上下左右的循环偏移，得到若干训练样本，所有训练样本构成循环样本矩阵；S4.2，对预设滤波器f(z)＝WTZ中的参数W进行更新，设定训练样本及其回归值为{(x1，y1)，(x2，y2)，...，(xi，yi)，...}，根据目标函数：利用线性最小二乘法求解计算得到闭式解：W＝(XTX+λI)-1XTy，X是一个由训练样本的特征向量组成的样本矩阵，y是由每个训练样本的回归值yi组成的列向量，I是个单位矩阵，λ为正则化参数。所述步骤S4.2中，对于闭式解W＝(XTX+λI)-1XTy，其中存在逆运算(XHX+λI)-1，在样本量很多时直接求解逆运算会很耗时，为了提高运算效率，对该闭式解进行离散傅立叶变换。所述步骤S5具体包括以下子步骤：S5.1，以预测结果所在位置为中心，在设定搜索半径的区域内，均匀采集训练样本，得到支持向量，该支持向量由正训练样本和负训练样本构成，更新结构化SVM分类器参数；S5.2，设定支持向量的数量上限，当支持向量的数量达到阈值时，去除对结构化SVM分类器影响最小的支持向量。所述步骤S3中判断目标是否被遮挡具体为：S3.1，将步骤S2中得分最大的候选框所对应的得分值与历史最大得分值进行比较，得分值最大的候选框为当前的跟踪结果；S3.2，若当前的候选框的得分小于MAXScore-derta_1*MAXScore，则目标被遮挡，当前跟踪结果维持上一帧目标位置不变，并在下一帧寻找目标时扩大搜索范围；S3.3，若当前的候选框的得分大于MAXScore-derta_1*MAXScore并且小于MAXScore-derta_2*MAXScore，则当前跟踪结果是目标，目标的一部分被遮挡，此时更新目标位置，但是不更新预设滤波器和结构化SVM分类器参数；S3.4，如果当前的候选框的得分值大于MAXScore-derta_2*MAXScore，则既更新目标位置也更新预设滤波器参数和结构化SVM分类器参数；其中，MAXScore为历史最大得分值，derta_1和derta_2为常数，并且derta_2小于derta_1。所述步骤S1具体包括以下子步骤：S1.1，获取目标的图像序列后，对其中的图像进行预处理，将图像转换为灰度图，在该灰度图上进行特征提取取，得到特征图；S1.2，特征图上每一个像素位置对应有一个特征向量Zij，计算特征图上每个像素位置的响应值f(z)＝WTZij，得到热图，取该热图中最大响应位置为当前帧目标候选位置的中心。本专利技术能够长时间稳定跟踪无人艇自主航行中遇到的各种障碍物以及需要被跟踪的目标。通过及时处理无人艇上相机拍摄得到的图片，结合预设滤波器和结构化输出的跟踪方法，实时感知周围环境，稳定跟踪感兴趣目标。在保证实时性的前提下，本专利技术相比于现有的其他跟踪方法，无论是在处理跟踪过程中目标遮挡、尺度变化等问题，还是目标自身发生形变或者环境背景光照变化等问题上，都有很大的提升，对无人艇的自动避障具有重要的指导意义。附图说明附图1为本专利技术流程示意图；附图2为本专利技术中判断目标是否被遮挡的流程示意图；附图3为本专利技术预设滤波器更新参数的流程示意图；附图4为本专利技术结构化SVM分类器更新参数的流程示意图；附图5为本专利技术跟踪实施例的示意图。具体实施方式为了便于本领域技术人员的理解，下面结合附图对本专利技术作进一步的描述。如附图1所示，本专利技术揭示了一种基于无人艇应用的水面目标跟踪方法，包括以下步骤：S1，获取目标的图像序列，在以上一帧目标所在位置为搜索中心的设定范围内，利用预设滤波器f(z)＝WTZ，Z为样本的特征向量，W为权重向量，搜索到最大响应位置，该最大响应位置作为目标在当前帧的候选位置中心。S2，在候选位置中心的周围采用多尺度滑动窗口采样得到若干候选框，利用结构化SVM分类器对所有候选框计算得分，得分最大的候选框作为当前帧目标的预测结果。S3，判断目标是否被遮挡。S4，若目标被遮挡，则不进行在线学习，不更新预设滤波器参数和结构化SVM分类器参数本文档来自技高网...

【技术保护点】
一种基于无人艇应用的目标跟踪方法，包括以下步骤：S1,获取目标的图像序列，在以上一帧目标所在位置为搜索中心的设定范围内，利用预设滤波器f(z)＝W

【技术特征摘要】
1.一种基于无人艇应用的目标跟踪方法，包括以下步骤：S1,获取目标的图像序列，在以上一帧目标所在位置为搜索中心的设定范围内，利用预设滤波器f(z)＝WTZ，Z为样本的特征向量，W为权重向量，搜索到最大响应位置，该最大响应位置作为目标在当前帧的候选位置中心；S2,在候选位置中心的周围采用多尺度滑动窗口采样得到若干候选框，利用结构化SVM分类器对所有候选框计算得分，得分最大的候选框作为当前帧目标的预测结果；S3，判断目标是否被遮挡；S4，若目标被遮挡，则不进行在线学习，不更新预设滤波器参数和结构化SVM分类器参数；若目标未被遮挡，更新预设滤波器参数，转入步骤S5；S5，更新结构化SVM分类器参数；S6，重复步骤S1-S5，直到图像序列的最后一帧。2.根据权利要求1所述的基于无人艇应用的目标跟踪方法，其特征在于，所述步骤S4中更新预设滤波器参数具体包括以下子步骤：S4.1，构造循环样本矩阵，以步骤S2得到的预测结果所在位置作为中心，设置一个基本样本，该基本样本的大小为目标的N倍，N为大于1的实数，将该基本样本进行上下左右的循环偏移，得到若干训练样本，所有训练样本构成循环样本矩阵；S4.2，对预设滤波器f(z)＝WTZ中的参数W进行更新，设定训练样本及其回归值为{(x1,y1),(x2,y2),...,(xi,yi),...}，根据目标函数：利用线性最小二乘法求解计算得到闭式解：W＝(XTX+λI)-1XTy，X是一个由训练样本的特征向量组成的样本矩阵，y是由每个训练样本的回归值yi组成的列向量，I是个单位矩阵，λ为正则化参数。3.根据权利要求2所述的基于无人艇应用的目标跟踪方法，其特征在于，所述步骤S4.2中，对于闭式解W＝(XTX+λI)-1XTy，其中存在逆运算(XHX+λI)-1，对该闭式解进行离散傅立叶变换。4.根据权利要求3所述的基于无人艇应用的目标跟踪方法，其特征...

【专利技术属性】
技术研发人员：肖阳，宫凯程，曹治国，杨健，
申请(专利权)人：广东华中科技大学工业技术研究院，华中科技大学，广东省智能机器人研究院，
类型：发明
国别省市：广东,44