无人机视角遥感目标跟踪方法及装置制造方法及图纸

本发明专利技术实施例提供一种无人机视角遥感目标跟踪方法及装置，其中，方法包括：从样本视频序列中提取出正样本和典型易混干扰负样本，对所述典型易混干扰负样本进行数据增广，将正样本和数据增广后的典型易混干扰负样本组成训练集；基于所述训练集，预训练基于卷积块注意力模块CBAM显著增强的多域网络MDNet；获取无人机视角遥感视频图像，利用训练好的基于CBAM显著增强的MDNet进行无人机视角遥感目标的跟踪。本发明专利技术实施例能够实现对无人机视角遥感目标的跟踪，能够克服现有技术的方法跟踪性能低、时效性不高的缺点，可明显提升跟踪的准确性和实时性，具有更高的跟踪精度和效率。

Remote Sensing Target Tracking Method and Device for UAV View Angle

【技术实现步骤摘要】
无人机视角遥感目标跟踪方法及装置
本专利技术涉及遥感目标跟踪
，尤其涉及一种无人机视角遥感目标跟踪方法及装置。
技术介绍
随着高分辨率成像技术及人工智能处理技术的快速发展，遥感目标跟踪受到了很多的关注，其中作为一个重要的研究部分，无人机视角下的遥感目标跟踪在嫌犯追捕、军事侦察、土地监测等领域具有重要意义。近些年，为了促进目标跟踪的发展，许多研究者朝着该方向付出了巨大的努力。现有技术中提出的目标跟踪算法Struck(StructuredOutputTrackingwithKernels)是利用在线结构输出SVM(structuredoutputsupportvectormachine)学习方法去跟踪目标；现有技术中提出的跟踪学习检测TLD(Tracking-Learning-Detection)算法是通过一种改进的在线学习机制实现高效跟踪。但是，这些方法的计算量巨大，在无人机平台硬件和计算资源约束的情况下，难以满足遥感目标跟踪的实时性要求。随着深度学习在计算机视觉领域的发展，最近深度学习开始用于目标跟踪，现有技术中通过分别获取语义特征和识别信息进行可视化跟踪，此方法具有较高的检测本文档来自技高网...

【技术保护点】
1.一种无人机视角遥感目标跟踪方法，其特征在于，包括：从样本视频序列中提取出正样本和典型易混干扰负样本，对所述典型易混干扰负样本进行数据增广，将正样本和数据增广后的典型易混干扰负样本组成训练集；基于所述训练集，预训练基于卷积块注意力模块CBAM显著增强的多域网络MDNet；获取无人机视角遥感视频图像，利用训练好的基于CBAM显著增强的MDNet进行无人机视角遥感目标的跟踪。

【技术特征摘要】
1.一种无人机视角遥感目标跟踪方法，其特征在于，包括：从样本视频序列中提取出正样本和典型易混干扰负样本，对所述典型易混干扰负样本进行数据增广，将正样本和数据增广后的典型易混干扰负样本组成训练集；基于所述训练集，预训练基于卷积块注意力模块CBAM显著增强的多域网络MDNet；获取无人机视角遥感视频图像，利用训练好的基于CBAM显著增强的MDNet进行无人机视角遥感目标的跟踪。2.根据权利要求1所述的无人机视角遥感目标跟踪方法，其特征在于，所述对所述典型易混干扰负样本进行数据增广，包括：利用LSGANs和多角度的高斯金字塔，对所述典型易混干扰负样本进行数据增广。3.根据权利要求2所述的无人机视角遥感目标跟踪方法，其特征在于，所述利用LSGANs和多角度高斯金字塔，对所述典型易混干扰负样本进行数据增广，包括：对每个典型易混干扰负样本的典型易混背景目标，利用LSGANs，生成第一样本；利用多角度的高斯金字塔，对所述第一样本进行数据增广，获得数据增广后的典型易混干扰负样本。4.根据权利要求1所述的无人机视角遥感目标跟踪方法，其特征在于，所述基于CBAM显著增强的MDNet是在MDNet的第一个卷积层后面依次增加CBAM的通道注意力模块和CBAM的空间注意力模块，在MDNet的第二个卷积层后面增加CBAM的通道注意力模块，并在MDNet的第二个卷积层所增加的通道注意力模块后面增加一个自适应卷积层而得到的；其中，所述自适应卷积层用于根据输入尺寸的大小自适应的调整输出的通道数。5.一种无人机视角遥感目标跟踪装置，其特征在于，包括：增广模块，用于从样本视频序列中提取出正样本和典型易混干扰负样本，对所述典型易混干扰负样本进行数据增广，将正样本和数据增广后的典型易混干扰负样本组成训练集；预训练模块，用于基于所...

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