一种基于视觉检测的无人机对地目标跟踪与逼近方法技术

本发明专利技术涉及一种基于视觉检测的无人机对地目标跟踪与逼近方法，包括以下步骤：在无人机回传的图像中将框选目标作为初始帧，并使用循环矩阵稠密采样，提取目标的HOG、Lab和LBP特征，并利用岭回归训练分类器；对于后续帧，先使用无人机与目标的相对速度计算当前需要的尺度因子，然后对目标尺度进行缩放，提取目标的特征，使用相关滤波的方法求解所述分类器与目标的响应值，并计算出响应值的峰值旁瓣比，根据最大响应值位置确定目标中心位置，根据峰值旁瓣比与设定阈值的比较结果，对分类器进行选择性更新；如果目标偏离视野的水平中心，使其处于中心，再使用比例导引律。本发明专利技术能够提高对跟踪过程中的目标尺度变化、目标部分遮挡的鲁棒性。

【技术实现步骤摘要】
一种基于视觉检测的无人机对地目标跟踪与逼近方法
本专利技术涉及无人机跟踪
，特别是涉及一种基于视觉检测的无人机对地目标跟踪与逼近方法。
技术介绍
无人机具有高灵活性、强机动性的特点，搭载摄像头后，相比传统监控设备，监测范围更大，适用场景更广。基于无人机的对地目标跟踪在安防巡检、智慧城市、灾害救援等领域有广泛应用，而对目标的逼近可以完成抵近侦察、精准打击等军事任务，因此成为当前的研究热点之一。基于无人机的对地目标跟踪与逼近首先要估计目标位置，然后进行无人机控制，引导其完成目标任务。当前，主要使用目标跟踪算法，检测目标在视频序列中的位置，然后使用相应的控制算法完成对无人机的导引。以KCF算法为代表的基于相关滤波的目标跟踪算法由于其兼顾实时性和鲁棒性，在工程中被广泛应用。其主要步骤如下：(1)初始化分类器。在视频序列第一帧选择目标区域，利用循环矩阵稠密采样，构建正负样本，提取目标特征，训练分类器；(2)目标位置检测。对于后续帧，先提取待检测区域的目标特征，分类器通过与待检测区域求卷积响应得到目标位置，以响应值最大处作为目标的中心本文档来自技高网...

【技术保护点】
1.一种基于视觉检测的无人机对地目标跟踪与逼近方法，其特征在于，包括以下步骤：/n(1)在无人机回传的图像中将框选目标作为初始帧，并使用循环矩阵稠密采样，提取目标的HOG、Lab和LBP特征，并利用岭回归训练分类器；/n(2)对于后续帧，先使用无人机与目标的相对速度计算当前需要的尺度因子，然后对目标尺度进行缩放，提取目标的特征，使用相关滤波的方法求解所述分类器与目标的响应值，并计算出响应值的峰值旁瓣比，根据最大响应值位置确定目标中心位置，根据峰值旁瓣比与设定阈值的比较结果，对分类器进行选择性更新；/n(3)如果目标处于视野中心，则使用二维比例导引的方法得到无人机需要的速度指令，控制无人机姿态；...

【技术特征摘要】
1.一种基于视觉检测的无人机对地目标跟踪与逼近方法，其特征在于，包括以下步骤：
(1)在无人机回传的图像中将框选目标作为初始帧，并使用循环矩阵稠密采样，提取目标的HOG、Lab和LBP特征，并利用岭回归训练分类器；
(2)对于后续帧，先使用无人机与目标的相对速度计算当前需要的尺度因子，然后对目标尺度进行缩放，提取目标的特征，使用相关滤波的方法求解所述分类器与目标的响应值，并计算出响应值的峰值旁瓣比，根据最大响应值位置确定目标中心位置，根据峰值旁瓣比与设定阈值的比较结果，对分类器进行选择性更新；
(3)如果目标处于视野中心，则使用二维比例导引的方法得到无人机需要的速度指令，控制无人机姿态；如果目标偏离视野的水平中心，则控制无人机的偏航，使其处于中心，再使用比例导引律。


2.根据权利要求1所述的基于视觉检测的无人机对地目标跟踪与逼近方法，其特征在于，所述步骤(1)中提取HOG、Lab和LBP特征时包括以下步骤：
(a)将样本图像划分为5*5像素大小的单元，2*2个单元大小的区块；
(b)使用FHOG方法提取目标的灰度梯度方向直方图特征，得到31维特征；
(c)使用K-means方法将Lab颜色空间量化到15个质心，按照最近邻原则，使用质心替换区域内各像素的颜色，统计单元内的颜色直方图，得到15维特征；
(d)使用等价模式LBP提取目标的LBP特征，半径为2，邻域像素点个数为8，得到59维特征；
(e)将所有特征串联，形成多特征融合的105维...

【专利技术属性】
技术研发人员：王贺，谭冲，卜智勇，
申请(专利权)人：中国科学院上海微系统与信息技术研究所，
类型：发明
国别省市：上海;31