基于KCF的无人机跟踪方法技术

本发明专利技术公开了基于KCF的无人机跟踪方法，其包括：步骤S1：输入图像序列；步骤S2：利用coarse to fine搜索策略在输入的图像序列中提取m个相似度最大的image patch；步骤S3：对m个image patch分别提取FHOG、灰度和CN特征，记为feature map；对m个feature map分别用PCA‑熵权法进行降维；步骤S4：对m个image patch对应的降维后的feature map根据背景感知的KCF算法找到最大值对应的image patch，记为FindImage；步骤S5：对FindImage根据KCF算法，进行精细搜索，找到目标准确的位置。本发明专利技术具有原理简单、易实现、实时性好、能够解决目标快速移动跟踪丢失问题等优点。

Tracking method of UAV Based on KCF

【技术实现步骤摘要】
基于KCF的无人机跟踪方法
本专利技术主要涉及到无人机检测
，特指基于KCF的无人机跟踪方法。
技术介绍
无人机是典型的低慢小目标，其特点包括飞行高度低，速度慢，有效探测面积较小，不容易被侦测发现等。无人机的这些特点意味着传统的空中威胁探测系统已经不再适用，必须针对无人机的这些特点研发相应的反无人机系统从而实现对入侵无人机的威胁探测。有从业者提出文献《基于视觉的无人机入侵检测与跟踪系统设计与实现》，其是针对无人机运动过快的问题提出利用卡尔曼滤波来进行改进，但当无人机在运动过程中突然转向时，该方法会发生跟踪丢失的问题。另有从业者提出文献《基于视频的小型无人机目标检测与跟踪方法研究》，其针对无人机运动过快的问题提出利用位置预测的方法进行改进，但该方法认为目标的运动为匀速运动。而且这两种方法都没有考虑无人机在运动过程中可能发生倾斜旋转的问题，使得在跟踪过程中容易发生丢失。另有从业者提出基于背景感知的KCF方法(KernelizedCorrelationFilter核相关跟踪算法)，其是利用上一帧目标中心位置为基础在当前帧钟进行搜索目标，它的搜索过程是以当前帧目标所在的位置为中心，在一定范围内采样搜索。如图1所示，图中居中的虚线框表示目标区域，居中的实线框表示经过padding扩充后的采样区域，其他的实线框表示padding循环移位之后对齐目标得到的样本框。如图2所示，表示下一帧目标的运动位置及采样示意图，当目标运动过快超出padding的采样范围时，则无法找到目标，会发生目标丢失。r>
技术实现思路
本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种原理简单、易实现、实时性好、能够解决目标快速移动跟踪丢失问题的基于KCF的无人机跟踪方法。为解决上述技术问题，本专利技术采用以下技术方案：基于KCF的无人机跟踪方法，其包括：步骤S1：输入图像序列；步骤S2：利用coarsetofine搜索策略在输入的图像序列中提取m个相似度最大的imagepatch；步骤S3：对m个imagepatch分别提取FHOG、灰度和CN特征，记为featuremap；对m个featuremap分别用PCA-熵权法进行降维；步骤S4：对m个imagepatch对应的降维后的featuremap根据背景感知的KCF算法找到最大值对应的imagepatch，记为FindImage；步骤S5：对FindImage根据KCF算法，进行精细搜索，找到目标准确的位置。作为本专利技术的进一步改进：所述步骤S2包括：步骤S201：在上一帧目标的中心位置，在nt个方向上提取N个imagepatch；步骤S202：分别提取这N个imagepatch的颜色直方图，并提取上一帧目标中心位置处的颜色直方图；步骤S203：分别计算N个颜色直方图与上一帧目标中心位置的颜色直方图的巴氏距离，根据巴氏距离选择m个相似度最大的imagepatch。作为本专利技术的进一步改进：在所述步骤S3中，所述PCA-熵权法进行降维的具体步骤为：步骤S301：根据PCA算法提取特征值大于1的前k个主成分F1,F2,...,Fk；步骤S302：通过数据平移来进行非负化处理，然后计算第j项指标下第i个样本指标值的比重：步骤S303：计算第j项指标的熵值e和信息效用值d：步骤S304：计算第j项指标的权数wj：步骤S305：PCA和熵权法相结合得到的最终特征：Si＝wi*Fi。作为本专利技术的进一步改进：在所述步骤S4中，对m个imagepatch对应的降维后的featuremap根据背景感知的KCF算法计算其response，并求其最大值记为MaxValue；对得到的m个MaxValue进行排序，找到最大值；根据找到的最大值找到对应的imagepatch，记为FindImage。作为本专利技术的进一步改进：还包含步骤S6：对基于背景感知的KCF算法模型进行更新；然后，在接下来的跟踪过程中，用更新的KCF算法模型进行检测。与现有技术相比，本专利技术的优点在于：本专利技术的基于KCF的无人机跟踪方法，原理简单、易实现，其采用改进的coarsetofine对基于背景感知的KCF算法进行改进，能够解决目标快速移动跟踪丢失的问题，具备实时性。同时，本专利技术进一步采用PCA-熵权法对特征图进行降维，通过将熵值法引入主成分分析中，计算出熵权作为各个主成分的权值，最后进行综合评价，能够进一步提高实时性，提高跟踪精度和跟踪效率。附图说明图1是现有技术采用基于背景感知的KCF方法中上一帧目标的运动位置及采样示意图。图2是现有技术采用基于背景感知的KCF方法中下一帧目标的运动位置及采样示意图。图3是本专利技术方法的流程示意图。图4是本专利技术在具体应用实例中采用Coarsetofine搜索在某帧时的示意图。图5是本专利技术在具体应用实例中采用Coarsetofine搜索在下一帧时的示意图。图6是本专利技术在具体应用实例中采用大疆精灵4的跟踪效果示意图。图7是本专利技术在具体应用实例中采用大疆御Air的跟踪效果示意图。具体实施方式以下将结合说明书附图和具体实施例对本专利技术做进一步详细说明。如图3所示，本专利技术的基于KCF的无人机跟踪方法，包括：步骤S1：输入图像序列；步骤S2：利用coarsetofine搜索策略在输入的图像序列中提取m个相似度最大的imagepatch；步骤S3：对m个imagepatch分别提取FHOG、灰度和CN特征，记为featuremap；对m个featuremap分别用PCA-熵权法进行降维；步骤S4：对m个imagepatch对应的降维后的featuremap根据背景感知的KCF算法(Context-awarecorrelationfiltertracking背景感知的KCF算法)找到最大值对应的imagepatch，记为FindImage；步骤S5：对FindImage根据KCF算法，进行精细搜索，找到目标准确的位置。在具体应用实例中，在步骤S2中，具体步骤为：步骤S201：在上一帧目标的中心位置，在nt个方向上提取N个imagepatch；步骤S202：分别提取这N个imagepatch的颜色直方图，并提取上一帧目标中心位置处的颜色直方图；步骤S203：分别计算N个颜色直方图与上一帧目标中心位置的颜色直方图的巴氏距离(BhattacharyyaDistance)，根据巴氏距离(BhattacharyyaDistance)选择m个相似度最大的imagepatch。在具体应用实例中，Coarsetofine的搜索示意如图4和图5所示，图4为第190帧，图5是第191帧，采用coarsetofine算出的候选搜索框，以实线框和虚线框区分本文档来自技高网...

【技术保护点】
1.基于KCF的无人机跟踪方法，其特征在于，包括：/n步骤S1：输入图像序列；/n步骤S2：利用coarse to fine搜索策略在输入的图像序列中提取m个相似度最大的image patch；/n步骤S3：对m个image patch分别提取FHOG、灰度和CN特征，记为feature map；对m个feature map分别用PCA-熵权法进行降维；/n步骤S4：对m个image patch对应的降维后的feature map根据背景感知的KCF算法找到最大值对应的image patch，记为FindImage；/n步骤S5：对FindImage根据KCF算法，进行精细搜索，找到目标准确的位置。/n

【技术特征摘要】
1.基于KCF的无人机跟踪方法，其特征在于，包括：
步骤S1：输入图像序列；
步骤S2：利用coarsetofine搜索策略在输入的图像序列中提取m个相似度最大的imagepatch；
步骤S3：对m个imagepatch分别提取FHOG、灰度和CN特征，记为featuremap；对m个featuremap分别用PCA-熵权法进行降维；
步骤S4：对m个imagepatch对应的降维后的featuremap根据背景感知的KCF算法找到最大值对应的imagepatch，记为FindImage；
步骤S5：对FindImage根据KCF算法，进行精细搜索，找到目标准确的位置。


2.根据权利要求1所述的基于KCF的无人机跟踪方法，其特征在于，所述步骤S2包括：
步骤S201：在上一帧目标的中心位置，在nt个方向上提取N个imagepatch；
步骤S202：分别提取这N个imagepatch的颜色直方图，并提取上一帧目标中心位置处的颜色直方图；
步骤S203：分别计算N个颜色直方图与上一帧目标中心位置的颜色直方图的巴氏距离，根据巴氏距离选择m个相似度最大的imagepatch。


3.根据权利要求1所述的基于KCF的无人机跟...

【专利技术属性】
技术研发人员：杨松，韩明华，韩乃军，唐良勇，
申请(专利权)人：湖南华诺星空电子技术有限公司，
类型：发明
国别省市：湖南;43