一种基于无人机的自适应尺度估计目标跟踪算法制造技术

本发明专利技术属于目标跟踪技术领域，公开了一种基于无人机的自适应尺度估计目标跟踪算法：首先在第一帧框取跟踪目标并初始化确定跟踪目标的位置坐标和尺度大小，对目标进行概率密度建模，并以此更新已在数据集上预训练过的神经网络模型参数。然后在后续帧以上一帧跟踪目标中心位置建立候选目标的概率密度模型，通过计算跟踪目标与候选目标的背景权重比，如果不符合收敛条件，则通过计算得到Mean‑Shift向量，将候选模板的中心漂移至新的位置。与相关技术相比，本发明专利技术一种基于无人机的自适应尺度估计目标跟踪算法适用于无人机搭载，计算资源受限的场景，能自适应调整核宽大小，并解决目标快速移动时的跟丢问题，增强跟踪的鲁棒性。

【技术实现步骤摘要】
一种基于无人机的自适应尺度估计目标跟踪算法
本专利技术属于目标跟踪
，具体是一种基于无人机的自适应尺度估计目标跟踪算法。
技术介绍
无人机目标跟踪是指：基于无人机视角下，对运动目标进行在线跟踪。在智能交通系统、安防监控系统、基于视频的人机交互等领域有很好的应用前景。一般在线视觉跟踪具有4个基本组成部分：特征提取、运动模型、外观模型、在线更新机制。在线视觉跟踪算法要求提取的视觉特征既能较好地描述跟踪目标又能快速计算；运动模型描述帧与帧目标运动状态之间的关系，在视频帧中预测目标图像区域，并给出一组可能的候选区域；外观模型在当前帧判决候选图像区域是被跟踪目标的可能性；在线更新机制在跟踪过程中不断更新外观模型，保证跟踪的鲁棒性。由于无人机在高空中飞行，平台运动和图像的不稳定性，导致目标纵横比变化、快速运动、尺度变化、目标遮挡和目标丢失等，这给无人机跟踪提出很大的挑战。相关技术中，有学者通过研究传统的相关滤波算法和孪生网络模型，提出一些端到端、无监督的先进跟踪算法、模型。相关技术的不足在于，这些方法对计算资源要求较高本文档来自技高网...

【技术保护点】
1.一种基于无人机的自适应尺度估计目标跟踪算法，其特征在于，包括如下步骤：/n步骤1/n系统初始化：在视频第一帧，框取跟踪目标，框取的窗口大小作为核窗的宽度h

【技术特征摘要】
1.一种基于无人机的自适应尺度估计目标跟踪算法，其特征在于，包括如下步骤：
步骤1
系统初始化：在视频第一帧，框取跟踪目标，框取的窗口大小作为核窗的宽度h0，对跟踪目标进行概率密度建模，

其中，C是归一化常数，{xi}i-1，...，N是第i帧的目标位置，k(x)是Epanechnikov核轮廓函数，δ是克罗内克函数，δ的作用是判断处于位置xi的像素值是否属于特征空间中的第u个bin，函数b的作用是将xi位置处的像素点与该像素点在量化的特征空间中所属的bin值对应起来，计算目标周围邻域的背景直方图将预先在大型数据集参数预训练过的神经网络模型用Xavier方法初始化参数，
步骤2
步骤21.在后续帧以上一帧目标位置，建立候选目标模型，

其中y表示候选目标的中心位置；
步骤22.计算目标与候选之间背景比率权重其中ρ是衡量是两个向量之间的Bhattacharyya(一个散度类型的度量法)系数的样本估计，即衡量两个模型的相似程度，如果不符合收敛条件，
则通过计算得到Mean-Shift向量其中，wi表示权重，




是所选用的核函...

【专利技术属性】
技术研发人员：张荣耀，孙山林，李云，
申请(专利权)人：桂林电子科技大学，桂林航天工业学院，
类型：发明
国别省市：广西;45