一种结合相关滤波与视觉显著性的低空慢速无人机跟踪方法技术

本发明专利技术为一种基于相关滤波算法与视觉显著性算法的低空慢速无人机跟踪方法，属于图像处理领域，主要包括如下步骤：在实际应用场合获取地面监控提供的图片序列数据，获取上帧目标信息后，通过相关滤波算法在较小搜索区域内计算相关性响应输出，再通过视觉显著性算法在较大搜索区域内提取目标周边显著性图，最后对二者的输出结果进行融合，获取目标的跟踪结果。该无人机跟踪方法适用于地面监控对空中无人机进行跟踪，具有实用性强、鲁棒性好、易于实现的特点，并能适应较复杂的气象背景，对目标过小、目标快速运动、目标尺度快速变化等不利因素有一定抗性；该方法可以广泛应用于四旋翼无人机跟踪领域。

A Low Altitude Slow Velocity UAV Tracking Method Combining Coherent Filtering and Visual Significance

The invention provides a low altitude and slow UAV tracking method based on correlation filtering algorithm and visual saliency algorithm, which belongs to the field of image processing. It mainly includes the following steps: acquiring image sequence data provided by ground monitoring in practical application, acquiring target information of the previous frame, calculating correlation response output in a small search area through correlation filtering algorithm, and then viewing it. Sensory saliency algorithm extracts saliency map around the target in a larger search area. Finally, the output of the two algorithms is fused to obtain the tracking results of the target. The UAV tracking method is suitable for ground surveillance to track the UAV in the air. It has the characteristics of strong practicability, good robustness and easy realization. It can also adapt to complex meteorological background, and has certain resistance to the disadvantageous factors such as too small target, fast moving target and fast changing target scale. This method can be widely used in the field of Four-rotor UAV tracking.

【技术实现步骤摘要】
一种结合相关滤波与视觉显著性的低空慢速无人机跟踪方法
本专利技术属于图像处理领域，具体涉及一种相关滤波与显著性的低空慢速无人机跟踪方法。
技术介绍
无人机技术不断成熟，在军事领域和日常民用方向上都体现着其巨大的实用价值，随之而来的反无人机技术也具有十分重大的实际意义。通过视频对无人机这一类目标进行实时跟踪技术是反无人机技术的重要一环，目前常用的目标跟踪算法大多是以人或车为目标，无人机目标相对较小，特征相对较少，且其移动速度较快，尺度变化往往比较剧烈、所处的气象背景有时也比较复杂，这些因素给跟踪带来了不便。随着基于计算机视觉的视频处理系统的出现，利用图像处理技术进行视频监控和视频分析的技术，在降低使用成本，节省人力资源，提高监控系统准确性、可靠性，扩大监视范围等方面具有很大的优势。智能监控系统一般是先利用摄像机拍摄，获取视频图像数据信息，接着将数据信息传送到监控系统处理模块，此时处理模块会自动对目标进行检测、识别和目标跟踪，并通过对目标行为的实时分析，寻找出视频中存在的异常情况，如目标运动混乱代表着打架斗殴等行为，发生这种情况就可以进行记录并报警处理。目标的检测与跟踪算法是智能监控系统本文档来自技高网...

【技术保护点】
1.一种结合相关滤波与视觉显著性的低空慢速无人机跟踪方法，其特征在于，具体包括如下步骤：(1)获取当前帧图像数据与上一帧目标信息：使用网络监控摄像机采集含有飞行目标的视频数据，对视频数据进行解码并切帧抓图，将获取到的图片序列数据传到电脑中作为输入，并人工在视频首帧处标定目标作为跟踪目标；(2)相关滤波算法输出稳定性判别：利用相关滤波算法对本帧数据进行处理，获取相关滤波响应图；通过响应极大值与半功率响应面积，判别相关滤波结果的稳定性；(3)视觉显著性算法稳定性判别：利用视觉显著性算法对本帧数据中上帧目标位置周边邻域进行处理，获取算法输出的显著性图；通过显著性图的最优轮廓与相关滤波的响应极大值点，...

【技术特征摘要】
1.一种结合相关滤波与视觉显著性的低空慢速无人机跟踪方法，其特征在于，具体包括如下步骤：(1)获取当前帧图像数据与上一帧目标信息：使用网络监控摄像机采集含有飞行目标的视频数据，对视频数据进行解码并切帧抓图，将获取到的图片序列数据传到电脑中作为输入，并人工在视频首帧处标定目标作为跟踪目标；(2)相关滤波算法输出稳定性判别：利用相关滤波算法对本帧数据进行处理，获取相关滤波响应图；通过响应极大值与半功率响应面积，判别相关滤波结果的稳定性；(3)视觉显著性算法稳定性判别：利用视觉显著性算法对本帧数据中上帧目标位置周边邻域进行处理，获取算法输出的显著性图；通过显著性图的最优轮廓与相关滤波的响应极大值点，判别视觉显著性结果的稳定性；(4)相关滤波与视觉显著性相融合：若相关滤波结果不稳定，输出视觉显著性结果；若相关滤波结果稳定性，且视觉显著性结果不稳定，输出相关滤波结果；若相关滤波结果与视觉显著性结果都稳定，融合二者结果；重复步骤(1)～步骤(4)直到分析完视频序列中的所有帧。2.根据权利要求1所述的一种结合相关滤波与视觉显著性的低空慢速无人机跟踪方法，其特征在于，所述的步骤(2)具体包括如下步骤：(2.1)通过相关滤波算法计算得到响应输出，得到响应图；(2.2)获取之前3帧相关滤波算法响应输出中响应极大值，计算其均值，提取本帧相关性响应极大值，与均值作比较，若其差值的绝对值大于阈值则判断为相关滤波算法不稳定；(2.3)获取之前3帧相关滤波算法输出的相关性响应极大值，以其各自极值的一半为阈值进行二值化处理，提取轮廓，得到半功率响应面积，对3帧的半功率响应面积取均值；提取本帧相关性响应极大值，将极值的一半作为阈值对本帧相关性响应图进行二值化处理，提取轮廓，得到半功率响应面积，并与前3帧的半功率响应面积均值做差，若其差值大于阈值则相关滤波算法不稳定；(2.4)上述过程中若无相关滤波算法不稳定的情况出现，则认为相关滤波算法稳定，并进行后续融合。3.根据权利要求2所述的一种结合相关滤波与视觉显著性的低空慢速无人机跟踪方法，其特征在于，步骤(2.1)中所述的相关滤波算法具体包括：(2.1.1)样本生成：通过对目标区域或其扩大区域进行循环位移来自主产生多组带标签的样本；(2.1.2)分类器训练：跟踪时，取下一帧图像数据，在上帧目标位置周边提取计算区域，对该区域进行循环位移构建样本集与标签，同样的，对样本集Z进行离散傅里叶变换，然后进行对角化，使用如下公式计算...

【专利技术属性】
技术研发人员：刘鲁涛，王晓，杨志钢，王军亮，马俊杰，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23