一种无人机视频的运动目标检测与跟踪方法技术

本发明专利技术公开了一种无人机视频的运动目标检测与跟踪方法，利用金字塔分层的光流检测算法对获取的初始帧视频图像进行光流检测；并对检测出来的光流矢量进行阈值和矩形聚类筛选，并利用形心公式计算出目标位置，接着利用所述目标位置对运动参数和跟踪模型进行初始化；并根据初始化后的所述跟踪模型，利用树形结构尺度自适应算法进行尺度缩放判断，同时考虑目标跟丢后重检测的过程，结合目标丢失再检测方法对丢失的目标进行重新定位，增加跟踪到目标的成功率。成功率。成功率。

【技术实现步骤摘要】
一种无人机视频的运动目标检测与跟踪方法


[0001]本专利技术涉及计算机视觉
，尤其涉及一种无人机视频的运动目标检测与跟踪方法。

技术介绍

[0002]视觉是人类获取信息并认知世界的重要方式，相比于人眼的局限性，通过机器方式能极大地丰富人类获取的信息量。无人机由于灵活轻便、活动范围广且空间受限小的特点已逐渐成为人类获取信息的重要工具。在无人机的应用领域中，如果想要无人机能够更好地自主作业，那么解决无人机的视觉问题便是首要任务。
[0003]目标的检测与跟踪技术一直是研究热点，相较于针对普通视频目标的检测和跟踪任务，使用无人机获取的视频信息中，视野范围更加广阔，目标尺寸变化更加常见、背景信息干扰更加严重，光照变化更加明显，并且更容易丢失目标。无人机航拍视频中，由于镜头的移动，即使原先在视频中静止不动的背景也会出现运动变化，从而帧差法和背景差法也可能会将其错误的当成背景目标检测出来，并且这些虚警目标也较难区分，导致跟踪到目标的成功率下降。

技术实现思路

[0004]本专利技术的目的在于提供一种无人机视频的运动目标检测与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机视频的运动目标检测与跟踪方法，其特征在于，包括以下步骤：利用金字塔分层的光流检测算法对获取的初始帧视频图像进行光流检测；对检测出来的光流矢量进行阈值和矩形聚类筛选，并利用形心公式计算出目标位置；利用所述目标位置对运动参数和跟踪模型进行初始化；利用树形结构尺度自适应算法进行尺度缩放判断；结合目标丢失再检测方法对丢失的目标进行重新定位。2.如权利要求1所述的无人机视频的运动目标检测与跟踪方法，其特征在于，对检测出来的光流矢量进行阈值和矩形聚类筛选，并利用形心公式计算出目标位置，包括：利用设定的背景阈值将检测出的背景矢量进行分离，并以分离后的光流矢量为中心，建立对应矩形框，然后计算特征点大于3个的对应的多个所述矩形框的交集区域，得到对应的目标矩形框。3.如权利要求1所述的无人机视频的运动目标检测与跟踪方法，其特征在于，利用树形结构尺度自适应算法进行尺度缩放判断，并判断目标是否丢失，包括：根据初始化后的所述跟踪模型接收到的图像，利用位置滤波器计算出目标的中心位置，然后根据对应的第一响应值与第二响应值的比值，判断接收的对应所述图像是否...

【专利技术属性】
技术研发人员：纪元法，尹盼，孙希延，严素清，付文涛，梁维彬，贾茜子，郭宁，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：