基于云台的目标跟随方法、装置、云台和计算机存储介质制造方法及图纸

一种基于云台的目标跟随方法、装置、云台和计算机存储介质，所述方法包括：基于目标对象的特征模型对所述目标对象进行跟随(S110)；当所述目标对象丢失时，根据跟随过程中所述目标对象的运动轨迹，预估未来预定时间内所述目标对象的可能运动轨迹(S120)；根据所述可能运动轨迹调整云台的运动(S130)；以及在调整所述云台的运动的过程中，根据所述特征模型进行目标重识别(S140)。该方法在目标跟随过程中发生目标丢失以后，基于预估的可能运动轨迹继续调整云台，并在该过程中对目标对象进行重识别，增强目标跟随的可靠性，从而减少拍摄者的干预，并且能够使拍摄的画面更加流畅自然。

【技术实现步骤摘要】
【国外来华专利技术】基于云台的目标跟随方法、装置、云台和计算机存储介质
本专利技术涉及自动跟随
，具体而言涉及一种基于云台的目标跟随方法、装置、云台和计算机存储介质。
技术介绍
在使用具有自动跟拍功能的云台产品对目标对象进行跟随拍摄时，拍摄者必须时刻注视拍摄预览画面，查看是否正常跟随拍摄对象。一旦跟随失败，需要重新选中目标进行跟随。但是在跟随拍摄过程中，往往会由于各种原因导致目标跟随失败，例如：跟随拍摄对象在经过树木、建筑物、车辆等时被遮挡而导致跟随失败；拍摄者处于较大颠簸而导致跟随失败等。因此在跟拍过程中往往需要拍摄者不断手动干预，还会带来拍摄画面不流畅等问题。因此，鉴于上述技术问题的存在，有必要提出一种新的目标跟随方法、系统和计算机存储介质。
技术实现思路
在
技术实现思路
部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本专利技术的
技术实现思路
部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。针对现有技术的不足，本专利技术实本文档来自技高网...

【技术保护点】
1.一种基于云台的目标跟随方法，其特征在于，所述方法包括：/n基于目标对象的特征模型对所述目标对象进行跟随；/n当所述目标对象丢失时，根据跟随过程中所述目标对象的运动轨迹，预估未来预定时间内所述目标对象的可能运动轨迹；/n根据所述可能运动轨迹调整云台的运动；以及/n在调整所述云台的运动的过程中，根据所述特征模型进行目标重识别。/n

【技术特征摘要】
【国外来华专利技术】1.一种基于云台的目标跟随方法，其特征在于，所述方法包括：
基于目标对象的特征模型对所述目标对象进行跟随；
当所述目标对象丢失时，根据跟随过程中所述目标对象的运动轨迹，预估未来预定时间内所述目标对象的可能运动轨迹；
根据所述可能运动轨迹调整云台的运动；以及
在调整所述云台的运动的过程中，根据所述特征模型进行目标重识别。


2.根据权利要求1所述的目标跟随方法，其特征在于，还包括：
当重识别到所述目标对象时，继续对所述目标对象进行跟随。


3.根据权利要求1所述的目标跟随方法，其特征在于，所述根据所述可能运动轨迹调整云台的运动包括：
基于所述目标对象的可能运动轨迹，得出所述云台的姿态轨迹；
基于所述云台的姿态轨迹确定所述未来预定时间内所述云台各轴运动的速度、角度以及加速度和角加速度；以及
在所述预定时间内，根据所述云台各轴运动的速度、角度以及加速度和角加速度控制所述云台各轴。


4.根据权利要求1所述的目标跟随方法，其特征在于，所述预定时间不小于2秒。


5.根据权利要求1所述的目标跟随方法，其特征在于，利用训练好的深度学习神经网络生成所述目标对象的特征模型。


6.根据权利要求5所述的目标跟随方法，其特征在于，所述训练好的深度学习神经网络基于所述特征模型对所述目标对象进行跟随。


7.根据权利要求5所述的目标跟随方法，其特征在于，所述深度学习神经网络包括孪生网络。


8.根据权利要求1所述的目标跟随方法，其特征在于，所述预估未来预定时间内所述目标对象的可能运动轨迹包括：
基于训练好的运动轨迹预测模型预测未来预定时间内所述目标对象的最优的可能运动轨迹。


9.根据权利要求8所述的目标跟随方法，其特征在于，所述运动轨迹预测模型包...

【专利技术属性】
技术研发人员：杨龙超，朱高，熊风，
申请(专利权)人：深圳市大疆创新科技有限公司，
类型：发明
国别省市：广东;44