一种无人机目标跟踪自动初始化方法技术

本发明专利技术涉及一种无人机目标跟踪自动初始化方法，包括：获取目标跟踪进程的状态，在该状态是未初始化的状态时，从当前图像帧中获取与待跟踪目标类别一致的子图；当前图像帧为从无人机的相机中读取的图像；按照预设的子图处理策略对每一子图进行处理，获得用于每一子图的归一化后的颜色统计特征和空间分布特征的特征向量；将每一子图的特征向量与目标数据库中存储的图像的特征向量进行匹配，获取匹配的一子图；将匹配的子图的坐标框信息传输至目标跟踪进程，以使其进行目标跟踪。本发明专利技术的方法计算高效能够快速可靠的完成目标跟踪算法在跟踪开始以及跟踪失败时的初始化任务，克服了现有方法中计算量大、无法自动初始化的缺陷。无法自动初始化的缺陷。无法自动初始化的缺陷。

【技术实现步骤摘要】
一种无人机目标跟踪自动初始化方法


[0001]本专利技术涉及无人机目标跟踪技术，尤其涉及一种无人机目标跟踪自动初始化方法。

技术介绍

[0002]无人机是一种重要的监控和侦察平台，其中基于视觉的目标跟踪系统已经在中大型无人机上得到了广泛的应用。近年来，微小型无人机以其行动隐蔽、使用灵活、成本较低的特点受到各方广泛关注，在微小型无人机上部署视觉目标跟踪系统成为研究热点，但还存在两个难点。第一个是微小型无人机起飞重量通常在数百克以下，无法搭载能提供足够算力的机载端计算设备，一些对于算力要求较高的视觉任务很难在微小型无人机端部署。第二个是在开始跟踪以及目标跟踪丢失时，目标跟踪算法无法从无人机视野内的所有目标中重新找回待跟踪目标，完成跟踪初始化。
[0003]因此为了能够在微小型无人机上实现对特定目标的持续可靠跟踪，现有提供一公开号CN106709456A的基于计算机视觉的无人机目标跟踪框初始化方法，该方法需要手动框取待跟踪目标的坐标框，然后对其该目标狂进行优化最终用来初始化目标跟踪算法，因此无法在机载端自动地完成初始坐标框的选取。当无人机在作业时如果遇到通信延迟导致地面控制人员无法及时的手动框取待跟踪目标框，则存在目标跟踪失败的风险。
[0004]现有还提供一公开号CN110706266A的基于YOLOv3的空中目标跟踪方法，该方法中没有目标匹配机制，因此只适用于无人机视野中只有一个目标的情景。当YOLOV3目标检测算法检测到无人机的视野中出现了多个可能的待跟踪目标时，该方法无法决定使用检测到的哪个目标来初始化目标跟踪算法。
[0005]现有还提供一公开号CN107993287A的目标跟踪的自动初始化方法，该方法虽然提供了基于ORB的检测机制以及基于3D点云特征比对的匹配机制的目标跟踪框初始化和重初始化机制，但是涉及到复杂的3D点云计算以及运算量巨大的ORB特征计算，在算力有限的机载端平台很难保证任务的实时性。
[0006]为此需要提供一个可靠的实现在跟踪开始时对目标跟踪算法进行自动初始化，以及在跟踪失败时重新从视野内找回待跟踪目标来完成对目标跟踪算法的重初始化的自动初始化方法。

技术实现思路

[0007](一)要解决的技术问题
[0008]针对现有技术的不足，本专利技术实施例提供一种无人机目标跟踪自动初始化方法。
[0009](二)技术方案
[0010]为了达到上述目的，本专利技术采用的主要技术方案包括：
[0011]第一方面，本专利技术实施例提供一种无人机目标跟踪自动初始化方法，包括：
[0012]S1、无人机机载侧获取目标跟踪进程的状态，判断该状态是否为未初始化的状态；
若是，则从当前图像帧中获取与待跟踪目标类别一致的子图；所述当前图像帧为从无人机的相机中读取的图像；
[0013]S2、按照预设的子图处理策略对每一子图进行处理，获得用于每一子图的归一化后的颜色统计特征和空间分布特征的特征向量；
[0014]S3、将每一子图的特征向量与目标数据库中存储的图像的特征向量进行匹配，获取匹配的一子图；
[0015]S4、将匹配的子图的坐标框信息传输至目标跟踪进程，以使目标跟踪进程基于所述子图的坐标框信息进行目标跟踪，所述坐标框信息为所述子图在所述当前图像帧中的坐标框信息。
[0016]可选地，所述S3之前，所述方法还包括：
[0017]建立所述目标数据库，
[0018]所述目标数据库中每一图像均具有一特征向量，所述特征向量为采用子图处理策略的处理方式获取的特征向量；
[0019]各个图像包括待跟踪目标的各角度以及各个尺度的姿态信息。
[0020]可选地，S1中的从当前图像帧中获取与待跟踪目标类别一致的子图，包括：
[0021]将每一个子图的坐标框从当前图像帧中分割并存储为唯一标识的子图；每一子图的坐标框为(x,y,w,h)，
[0022](x,y)是每个子图的中心在当前图像帧上的二维像素坐标，(w,h)为坐标框的宽和高对应的像素数。
[0023]可选地，S2包括：
[0024]针对每一个子图，将所述子图转换成灰度图，并按照公式(1)获取灰度图中每一个像素的灰度值；
[0025]将所述灰度图按照A*A网格方式进行分块，获得A*A个子灰度图；
[0026]采用灰度直方图统计方式，获取每一个子灰度图大小为1*256的一维特征向量；
[0027]将所有A*A个子灰度图的一维特征向量组成所述子图大小为(A*A) *256的特征矩阵，该特征矩阵表示所述子图的颜色统计特征和空间分布特征；
[0028]对所述特征矩阵中每个特征向量按照公式(2)进行归一化处理，获得表示所述子图的经过归一化颜色统计特征和空间分布特征的特征矩阵；
[0029]公式(1)：Gray＝0.299R+0.587G+0.114B
[0030]公式(2)：
[0031]norm表示一个子灰度图内某一灰度值对应的像素点个数占该子灰度图像素点总个数的比例，取值范围为[0,1]，
[0032]R、G、B分别为子图中像素点的8位RGB分量；灰度值的取值范围为[0,255]；N
gray
的下标gray为子灰度图中某一像素的灰度值，取值范围为 [0,255]，共256个灰度值取值；N
gray
表示该子灰度图中灰度值为gray的像素的个数，取值范围为[0，N]，同时也是该子灰度图未经归一化的1*256 大小的特征向量第gray个元素的大小；N表示该子灰度图的像素总个数，也即子灰度图未经归一化的1*256大小的特征向量中元素的总数。
[0033]可选地，在A为3时，将所述灰度图按照3*3网格方式进行分块，生成9个子灰度图，
且每一个子灰度图在整个子图上处于不同位置；
[0034]针对每一子图，9个一维的特征向量组成的大小为9*256的特征向量表示该子图的颜色特征的统计特征和空间分布特征。
[0035]可选地，S3包括：
[0036]按照公式(3)计算子图的特征向量和目标数据库中每一图像的特征向量的相关系数；
[0037]选取大于第一指定阈值的相关系数中最高的相关系数所属的子图作为匹配的子图；
[0038]公式(3)：
[0039]其中，coor为计算的相关系数，值域为[0,1]，S
i,j
为第i个子图的特征向量的第j个元素值，T
i,j
为目标数据库中对比图像第i个子图的特征向量的第j个元素值。
[0040]可选地，所述方法还包括：
[0041]S5、周期性获取所述目标跟踪进程输出的结果图像，采用所述子图处理策略的处理方式获取结果图像的特征向量，并将所述特征向量和所述目标数据库中各图像的特征向量进行比对，获得跟踪质量指标；
[0042]判断跟踪质量指标是否大于第二指定阈值，若小于，则确定当前目标跟踪进程的目标跟踪失败；停止所述目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机目标跟踪自动初始化方法，其特征在于，包括：S1、无人机机载侧获取目标跟踪进程的状态，判断该状态是否为未初始化的状态；若是，则从当前图像帧中获取与待跟踪目标类别一致的子图；所述当前图像帧为从无人机的相机中读取的图像；S2、按照预设的子图处理策略对每一子图进行处理，获得用于每一子图的归一化后的颜色统计特征和空间分布特征的特征向量；S3、将每一子图的特征向量与目标数据库中存储的图像的特征向量进行匹配，获取匹配的一子图；S4、将匹配的子图的坐标框信息传输至目标跟踪进程，以使目标跟踪进程基于所述子图的坐标框信息进行目标跟踪，所述坐标框信息为所述子图在所述当前图像帧中的坐标框信息。2.根据权利要求1所述的方法，其特征在于，所述S3之前，所述方法还包括：建立所述目标数据库；所述目标数据库中每一图像均具有一特征向量，所述特征向量为采用子图处理策略的处理方式获取的特征向量；各个图像包括待跟踪目标各角度以及各个尺度的姿态信息。3.根据权利要求1所述的方法，其特征在于，S1中的从当前图像帧中获取与待跟踪目标类别一致的子图，包括：将每一个子图的坐标框从当前图像帧中分割并存储为唯一标识的子图；每一子图的坐标框为(x,y,w,h)；(x,y)是每个子图的中心在当前图像帧上的二维像素坐标，(w,h)为坐标框的宽和高对应的像素数。4.根据权利要求1所述的方法，其特征在于，S2包括：针对每一个子图，将所述子图转换成灰度图，并按照公式(1)获取灰度图中每一个像素的灰度值；将所述灰度图按照A*A网格方式进行分块，获得A*A个子灰度图；采用灰度直方图统计方式，获取每一个子灰度图大小为1*256的一维特征向量；将所有A*A个子灰度图的一维特征向量组成所述子图大小为(A*A)*256的特征矩阵，该特征矩阵表示所述子图的颜色统计特征和空间分布特征；对所述特征矩阵中每个特征向量按照公式(2)进行归一化处理，获得表示所述子图的经过归一化颜色统计特征和空间分布特征的特征矩阵；公式(1)：Gray＝0.299R+0.587G+0.114B；公式(2)：其中，norm表示一个子灰度图内某一灰度值对应的像素点个数占该子灰度图像素点总个数的比例，取值范围为[0,1]；R、G、B分别为子图中像素点的8位RGB分量；灰度值的取值范围为[0,255]；gray为子灰度图中某一像素的灰度值，取值范围为[0,255]，共256...

【专利技术属性】
技术研发人员：李大伟，李展博，杨炯，王明，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：