无人机载视频中特定建筑匹配跟踪方法技术

本发明专利技术实施例公开一种无人机载视频中特定建筑匹配跟踪方法，能实现对目标的稳定跟踪，且跟踪精度高。方法包括：S1、获取特定建筑的模板图像，并利用所述模板图像对当前待匹配的目标图像进行直方图规定化，得到规定化后的直方图；S2、根据上一帧已匹配的目标图像的最佳仿射变换参数设置所述当前待匹配的目标图像的仿射变换参数范围，根据所述仿射变换参数范围构建仿射变换参数网络，根据所述仿射变换参数网络生成仿射变换矩阵，利用所述仿射变换矩阵和规定化后的直方图确定出最佳仿射变换；S3、利用所述最佳仿射变换确定出所述模板图像在所述目标图像中的位置，并将所述模板图像在所述目标图像中的位置作为匹配跟踪结果。

【技术实现步骤摘要】
无人机载视频中特定建筑匹配跟踪方法
本专利技术实施例涉及遥感视频目标跟踪领域，具体涉及一种无人机载视频中特定建筑匹配跟踪方法。
技术介绍
机载平台目前已经逐渐成为军民用领域的重要数据获取手段之一，随着遥感技术的发展及其应用领域的逐步扩大，具有重大意义，其中，机载遥感视频处理中的目标跟踪是关键技术之一。作为众多的遥感具体应用中的一个重要方面，机载遥感视频中指定建筑区跟踪技术，在军事领域及民用领域都有着广泛的应用和发展前景。其军事领域的主要应用有：实时监察军备调动、打击效果等战场状态；制导武器自动引导，保证远程打击的精确制导以及对来袭导弹的准确预警。在民用方面的主要应用包括：城市规划及银行、机场等重要场所的安全监控等。机载遥感视频中的背景很复杂且指定建筑目标可能所占的面积很小，往往使得跟踪实时性不高。因此在特定条件下，如何在复杂地面场景中对感兴趣的、有价值的指定建筑区进行稳定实时跟踪是关键问题。现在常用的跟踪方法有基于核相关滤波器的目标跟踪方法，如J.Henriques等人在CSK基础上利用HOG特征，提出了核相关滤波器(KernelizedCorrelationFilters，KCF)跟踪算法，使跟踪结果更加鲁棒。但是此类算法对于快速移动和形状变化大的目标，跟踪效果不好。另基于深度学习的跟踪方法也在日渐强大，如KaihuaZhang提出了基于压缩感知的目标跟踪算法。但是由于训练数据缺失，且需依赖硬件条件，目前效果优势还没有发挥出来。还有基于模板匹配的目标跟踪算法，但常用的模板匹配，当模板需要进行平移、旋转、缩放等仿射变换时会带来计算量爆炸增长问题。SimonKorman等人在2013年提出的Fast-Match算法，解决了仿射变换时计算量增长的问题，该算法采用目标自身信息估计目标的运动状态，可实现对目标的稳定跟踪，并且对旋转、缩放及视角等都有很好的鲁棒性，亦无须训练数据。但其对光照变化比较敏感、算法网络参数较多计算量较大，实时性不高、容易引入冗余的背景信息。
技术实现思路
针对现有技术存在的不足和缺陷，本专利技术实施例提供一种无人机载视频中特定建筑匹配跟踪方法。本专利技术实施例提出一种无人机载视频中特定建筑匹配跟踪方法，包括：S1、获取特定建筑的模板图像，并利用所述模板图像对当前待匹配的目标图像进行直方图规定化，得到规定化后的直方图；S2、根据上一帧已匹配的目标图像的最佳仿射变换参数设置所述当前待匹配的目标图像的仿射变换参数范围，根据所述仿射变换参数范围构建仿射变换参数网络，根据所述仿射变换参数网络生成仿射变换矩阵，利用所述仿射变换矩阵和规定化后的直方图确定出最佳仿射变换；S3、利用所述最佳仿射变换确定出所述模板图像在所述目标图像中的位置，并将所述模板图像在所述目标图像中的位置作为匹配跟踪结果。本专利技术实施例提供的无人机载视频中特定建筑匹配跟踪方法，采用改进的Fast-Match算法，利用模板图像对当前待匹配的目标图像进行直方图规定化，使得算法能够适应光照的变化，克服了Fast-Match算法本身对光照敏感的缺点；在构建仿射变换参数网络时，根据上一帧得到的最佳仿射变换参数限制当前帧图像仿射变换参数范围，因为根据上一帧最佳参数只构建了部分参数网络，所以后续视频帧仿射变换参数网络中参数会减少很多，参数越少，计算量越小，算法运行时间越短，进一步提高算法的实时性，该方法增强了对光照的鲁棒性，减小了仿射变换时的计算量，实现了对目标的稳定跟踪，且跟踪精度高。附图说明图1为本专利技术无人机载视频中特定建筑匹配跟踪方法一实施例的流程示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术实施例保护的范围。参看图1，本实施例公开一种无人机载视频中特定建筑匹配跟踪方法，包括：S1、获取特定建筑的模板图像，并利用所述模板图像对当前待匹配的目标图像进行直方图规定化，得到规定化后的直方图；S2、根据上一帧已匹配的目标图像的最佳仿射变换参数设置所述当前待匹配的目标图像的仿射变换参数范围，根据所述仿射变换参数范围构建仿射变换参数网络，根据所述仿射变换参数网络生成仿射变换矩阵，利用所述仿射变换矩阵和规定化后的直方图确定出最佳仿射变换；S3、利用所述最佳仿射变换确定出所述模板图像在所述目标图像中的位置，并将所述模板图像在所述目标图像中的位置作为匹配跟踪结果。本专利技术实施例提供的无人机载视频中特定建筑匹配跟踪方法，利用模板图像对当前待匹配的目标图像进行直方图规定化，使得算法能够适应光照的变化，克服了Fast-Match算法本身对光照敏感的缺点；在构建仿射变换参数网络时，根据上一帧得到的最佳仿射变换参数限制当前帧图像仿射变换参数范围，因为根据上一帧最佳参数只构建了部分参数网络，所以后续视频帧仿射变换参数网络中参数会减少很多，参数越少，计算量越小，算法运行时间越短，进一步提高算法的实时性，该方法增强了对光照的鲁棒性，减小了仿射变换时的计算量，实现了对目标的稳定跟踪，且跟踪精度高。在前述方法实施例的基础上，所述利用所述模板图像对当前待匹配的目标图像进行直方图规定化，可以包括：利用所述模板图像对当前待匹配的目标图像的搜索区域进行直方图规定化。本实施例中，在获取特定建筑的模板图像时，还需要获取特定建筑在模板图像中的位置。而目标图像的搜索区域根据特定建筑在模板图像中的位置设置，一般情况下以其中心位置为搜索区域的中心，搜索区域的长宽分别为特定建筑图像的长和宽的3倍。在前述方法实施例的基础上，所述利用所述模板图像对当前待匹配的目标图像的搜索区域进行直方图规定化，可以包括：对所述搜索区域进行灰度级均衡化；对所述模板图像规定所期待的直方图并计算所述所期待的直方图进行直方图均衡化所使用的变换；将所述所期待的直方图进行直方图均衡化所使用的变换反转过来，得到反转后的变换，利用所述反转后的变换将所述目标图像的直方图对应映射到所述所期待的直方图上。本实施例中，直方图是关于灰度级的函数，描述了图像中像素值在该灰度级的像素个数。在灰度级均衡化时首先确定图像像素的灰度值范围，用适当的灰度间隔将灰度值划分成若干等级。对图像中像素个数多的灰度级进行展宽，而对图像中像素个数少的灰度进行压缩，从而扩展像元取值的动态范围，提高了对比度和灰度色调的变化，使图像更加清晰。直方图规定化(即直方图匹配)是一种图像增强方法，将一幅图像的直方图变成我们想得到的规定形状的直方图。也就是将某幅图像或某一区域的直方图匹配到另一幅图像上，使两幅图像的对比度或亮度保持一致。对连续图像，假设r,z,u,v为随机变量，pr(r)和pz(z)分别为目标图像(待匹配图像)和模板图像的概率密度函数，同时利用下式进行直方图均衡化：则有，z＝G-1(v)。由于对目标图像(待匹配图像)和模板图像进行了均衡化处理，因此二者具有相同的分布密度。于是可以用目标图像中得到的灰度u代替逆过程中的v，则：z＝G-1(v)＝G-1[T(r)]就是所求的概率密度函数，利用该概率密度函数将目标图像的直方本文档来自技高网...

【技术保护点】
1.一种无人机载视频中特定建筑匹配跟踪方法，其特征在于，包括：S1、获取特定建筑的模板图像，并利用所述模板图像对当前待匹配的目标图像进行直方图规定化，得到规定化后的直方图；S2、根据上一帧已匹配的目标图像的最佳仿射变换参数设置所述当前待匹配的目标图像的仿射变换参数范围，根据所述仿射变换参数范围构建仿射变换参数网络，根据所述仿射变换参数网络生成仿射变换矩阵，利用所述仿射变换矩阵和规定化后的直方图确定出最佳仿射变换；S3、利用所述最佳仿射变换确定出所述模板图像在所述目标图像中的位置，并将所述模板图像在所述目标图像中的位置作为匹配跟踪结果。

【技术特征摘要】
1.一种无人机载视频中特定建筑匹配跟踪方法，其特征在于，包括：S1、获取特定建筑的模板图像，并利用所述模板图像对当前待匹配的目标图像进行直方图规定化，得到规定化后的直方图；S2、根据上一帧已匹配的目标图像的最佳仿射变换参数设置所述当前待匹配的目标图像的仿射变换参数范围，根据所述仿射变换参数范围构建仿射变换参数网络，根据所述仿射变换参数网络生成仿射变换矩阵，利用所述仿射变换矩阵和规定化后的直方图确定出最佳仿射变换；S3、利用所述最佳仿射变换确定出所述模板图像在所述目标图像中的位置，并将所述模板图像在所述目标图像中的位置作为匹配跟踪结果。2.根据权利要求1所述的方法，其特征在于，所述利用所述模板图像对当前待匹配的目标图像进行直方图规定化，包括：利用所述模板图像对当前待匹配的目标图像的搜索区域进行直方图规定化。3.根据权利要求2所述的方法，其特征在于，所述利用所述模板图像对当前待匹配的目标图像的搜索区域进行直方图规定化，包括：对所述搜索区域进行灰度级均衡化；对所述模板图像规定所期待的直方图并计算所述所期待的直方图进行直方图均衡化所使用的变换；将所述所期待的直方图进行直方图均衡化所使用的变换反转过来，得到反转后的变换，利用所述反转后的变换将所述目标图像的直方图对应映射到所述所期待的直方图上。4.根据权利要求3所述的方法，其特征在于，所述当前待匹配的目标图像的平移仿射变换参数的最小值大于所述上一帧已匹配的目标图像的最佳仿射变换参数中平移仿射变换参数与20的差值，且所述当前待匹配的目标图像的平移仿射变换参数的最大值小于所述上一帧已匹配的目标图像的最佳仿射变换参数中平移仿射变换参数与20的和，所述当前待匹配的目标图像的旋转仿射变换参数的最小值大于所述上一帧已匹配的目标图像的最佳仿射变换参数中旋转仿射变换参数与的差值，且所述当前待匹配的目标图像的旋转仿射变换参数的最大值小于所述上一帧已匹配的目标图像的最佳仿射变换参数中旋转仿射变换参数与的和，所述当前待匹配的目标图像的缩放仿射变换参数的最小值大于所述上一帧已匹配的目标图像的最佳仿射变换参数中缩放仿射变换参数与0.5的差值，且所述当前待匹配的目标图像的缩放仿射变换参数的最大值小于所述上一帧已匹配的目标图像的最佳仿射变换参数中缩放仿射变换参数与0.5的和，所述当前待匹配的目标图像的旋转仿射变换参数的最小值属于[-π,0]，所述当前待匹配的目标图像的旋转仿射变换参数的最大值[0,π]，所述当前待匹配的...

【专利技术属性】
技术研发人员：毕福昆，杨志华，侯金元，雷明阳，张诘，秦艳艳，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：北京,11