基于时空上下文感知的无人机对地目标实时跟踪方法技术

本发明专利技术属于图像处理技术领域，涉及一种基于时空上下文感知的无人机对地目标实时跟踪方法。本发明专利技术采用感知哈希算法计算目标图像块的“指纹”字符串，利用采用前后帧“指纹”字符串计算目标图像块之间的汉明距离，保留了跟踪效果较好同时图像外观差异较大的滤波器，能够更好的适应无人机对地目标的外观变化；采用基于Hog和颜色特征相关滤波响应的PSR判断跟踪结果的可靠性，能够自适应调整模型的更新系数，有效缓解了模型累计误差带来的不良影响；本发明专利技术选取了目标图像块周围四个图像块计算对应的背景相关滤波分类器，同时结合目标相关滤波器对整体滤波器进行更新，充分利用了跟踪目标的时空上下文信息，增强了滤波器的判别能力。增强了滤波器的判别能力。增强了滤波器的判别能力。

【技术实现步骤摘要】
基于时空上下文感知的无人机对地目标实时跟踪方法


[0001]本专利技术属于图像处理
，涉及一种基于时空上下文感知的无人机对地目标实时跟踪方法。

技术介绍

[0002]随着计算机视觉技术的快速发展，视觉目标跟踪技术在许多领域得到了快速发展，无人机对地目标跟踪成为其最重要的应用之一，无人机高空平台对地目标跟踪在监控巡察、电力管道巡检、监管执法等领域具有十分重要的意义。近年来，国内外许多学者提出了大量的无人机视角对地目标跟踪算法，取得了一定的进展。但是，由于无人机平台对地拍摄的视频一般具有小目标、低分辨率、相似物体干扰和视角变化快等特点，使得设计一个适应无人机高空平台，能够实现鲁棒、快速的对地目标跟踪方法仍然是一项充满挑战性任务。
[0003]目前无人机对地目标跟踪技术主要有基于相关滤波的跟踪算法和基于深度学习的跟踪算法。前者将时域的卷积运算变成频域的乘法运算，降低了计算量，提升了跟踪算法的速度。后者利用卷积神经网络提取目标深度特征，提升了跟踪算法的精度。
[0004]湖南华诺星空电子技术有限公司在其申请的专利文献“基于KCF的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空上下文感知的无人机对地目标实时跟踪方法,其特征在于，步骤如下:步骤1：获取第t帧无人机平台对地摄取的视频图像I
t
，以第t
‑
1帧跟踪结果在第t帧上提取目标图像块；步骤2：提取目标图像块的Hog特征和颜色特征；步骤3：采用相关滤波算法计算第t帧基于Hog特征和颜色特征的相关滤波响应，响应值最大的位置是跟踪目标的位置；步骤4：利用第3步得到的相关滤波响应，计算第t帧响应的PSR
t
值；步骤5：PSR
t
值大于PSR池中所有值的均值时，提取第t帧跟踪目标所占图像块；步骤6：采用感知哈希算法计算目标图像块的指纹字符串H
t
；步骤7：计算第t
‑
1帧和第t帧对应目标图像块的指纹字符串之间的汉明距离；步骤8：汉明距离大于0.5时，表明当前帧跟踪结果外观与前一帧跟踪结果差异较大，计算当前帧对应的相关滤波分类器，并放入对应的分类器池C中；步骤9：分类器池中C容量达到5时，将最先入池的分类器移出；步骤10：以跟踪目标图像块为基准，抽取周围上下左右四个同样大小的背景图像块，并提取背景图像块的Hog特征和颜色特征，分别计算四个背景图像块对应的相关滤波分类器；步骤11：将背景分类器和分类器池C中的分类器进行整合，更新分类器，得到新的鲁棒分类器；步骤12：将步骤11得到的分类器输入步骤3，计算下一帧相关滤波响应；步骤13：更新PSR池，池容量为5，PSR池中第一个值初始化为5；步骤14：当PSR
t
大于PSR池所有值的均值时，表明当前帧跟踪结果是可靠的，将当前帧计算得到的PSR
t
放入池中；步骤15：当PSR中个数大于5时，将最先入池的PSR值移出；步骤16：计算得到的第t帧PSR
t
值小于PSR池中所有值的均值时，自适应降低模型的更新系数；步骤17：利用步骤16得到的更新系数输入到步骤11中对相关滤波模型进行整合；步骤18：返回步骤...

【专利技术属性】
技术研发人员：王海军，
申请(专利权)人：滨州学院，
类型：发明
国别省市：