【技术实现步骤摘要】
一种基于YOLOv3的空中目标跟踪方法
本专利技术涉及目标跟踪
，具体涉及一种基于YOLOv3的空中目标跟踪方法。
技术介绍
运动目标的识别和跟踪是计算机视觉领域的热点问题，在人机交互、视频跟踪、视觉导航、机器人以及军事制导等方面有广泛的应用。近年来，消费级无人机市场的快速增长，具有强大功能的消费级无人机价格不断降低，操作简便性不断提高，无人机正快速地从尖端的军用设备转入大众市场，成为普通民众手中的玩具。然而，功能越来越先进的新式无人机的不断涌现，也带来了安全和隐私方面的忧患，如无人机偷窥侵犯隐私权，在国家机关、军队驻地、机场周边等敏感区域飞行危害国家安全，以及无人机操作不当引发安全事故等等。YOLOv3是深度学习方面的一种目标检测网络，在单帧图像的检测和识别层面应用很广，相比于传统目标检测方法，其优势在于更高的检测准确度及更快的检测速度。基于检测的目标跟踪是一种常用的目标跟踪方法，通过对每帧图像进行目标检测与识别，即可完成对视频序列的跟踪。但是，基于深度学习的YOLOv3对前期训练样本有很高的要求，如果一旦拍...
【技术保护点】
1.一种基于YOLOv3的空中目标跟踪方法，其特征在于，包括以下步骤：/nS01：生成模型文件：将准备好的无人机图片作为样本图片，通过图像标注软件IabelImg对样本图片进行数据标注，然后通过YOLOv3算法进行训练，生成模型文件；/nS02：通过采集模块实时拍摄检测目标的视频文件并发送到计算机，同时在计算机内通过实现基于Runnable接口、实现Callable接口或继承Thread类的方式创建YOLOv3目标跟踪和KCF目标跟踪两个线程，同时执行步骤S03和步骤S05；/nS03：YOLOv3目标跟踪线程调用步骤S01中生成的模型文件，进行目标检测，得到目标位置信息和...
【技术特征摘要】
1.一种基于YOLOv3的空中目标跟踪方法，其特征在于，包括以下步骤：
S01：生成模型文件：将准备好的无人机图片作为样本图片，通过图像标注软件IabelImg对样本图片进行数据标注，然后通过YOLOv3算法进行训练，生成模型文件；
S02：通过采集模块实时拍摄检测目标的视频文件并发送到计算机，同时在计算机内通过实现基于Runnable接口、实现Callable接口或继承Thread类的方式创建YOLOv3目标跟踪和KCF目标跟踪两个线程，同时执行步骤S03和步骤S05；
S03：YOLOv3目标跟踪线程调用步骤S01中生成的模型文件，进行目标检测，得到目标位置信息和置信度信息；
S04：将步骤S03中得到的目标位置信息发送给KCF目标跟踪线程，作为KCF目标跟踪线程的初始化参数，转到步骤S07，同时执行步骤S11；
S05：目标跟踪线程运行1秒后，启动KCF目标跟踪线程，判断KCF目标跟踪线程是否已经完成了KCF参数初始化，如果已完成KCF参数初始化，执行步骤S08，否则，执行步骤S06；
S06：通过手动设置检测框；
S07：完成KCF参数初始化；
S08：KCF目标跟踪线程对输入视频图像进行目标位置检测，通过循环矩阵的方式构建训练样本和检测样本，计算训练样本和检测样本之间的响应值，同时进行步骤S09和步骤S10；
S09：找出响应值最大的检测框作为目标，获取目标位置信息以及置信度信息，执行步骤S11；
S10：更新位置参数，此次得到的位置参数可以作为下一次响应值计算的初始参数，执行步骤S07；
S11：将YOLOv3目标跟踪线程和KCF目标跟踪线程得到的目标位置信息进行融合或比较，得到最终的目标位置信息。
2.根据权利要求1所述的一种基于YOLOv3的空中目标跟踪方法，其特征在于，所述步骤S01中样本图像生成模型文件的过程包括以下步骤：
S0101：准备无人机样本图像；
S0102：通过图像标注软件labelImg对样本图像进行数据标注，生成与所标注图片文件名相同的xml文件；
S0103：修改学习率和迭代次数参数，用计算机GPU进行xml文件样本的训练，经过迭代生成模型文件。
3.根据权利要求1所述的一种基于YOLOv3的空中目标跟踪方法，其特征在于，所述步骤S03中YOLOv3目标跟踪检测过程包括以下步骤：
S0301：输入一张任意大小图片，保持图片的长宽比不变并缩放至固定尺寸，形成归一化图像输入网络；
S0302：通过YOLO的CNN网络将图片分成S*S个网格，每个网格检测中心点落在该网格范
围内的目标，预测出b个预测框，每个预测框可...
【专利技术属性】
技术研发人员：代剑峰，靳志娟，李新磊，
申请(专利权)人：北京中星时代科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。