一种用于察打系统的目标自动跟踪方法技术方案

本发明专利技术提供一种用于察打系统的目标自动跟踪方法，包括如下步骤：采集视频数据；从视频数据中标定目标从待处理数据中截取第一帧图像作为基准图像，检测基准图像中的目标以及目标的类型，并在目标周围生成目标的包围框作为待跟踪目标框R；同时提取出目标模板和背景模板，将目标样本作为正样本，将背景模板作为负样本，通过循环位移得到多个测试样本，测试各个测试样本的响应，从负样本中筛选出预测目标位置的样本。本发明专利技术所述的用于察打系统的目标自动跟踪方法通过可见光设备进行数据采集，使用尺度自适应的核相关滤波方法对地面目标进行跟踪，并将跟踪结果视频压缩传输给打击系统。统。统。

【技术实现步骤摘要】
一种用于察打系统的目标自动跟踪方法


[0001]本专利技术属于领域，具体涉及一种用于察打系统的目标自动跟踪方法。

技术介绍

[0002]特种作战与反恐维稳行动的目标特性复杂，既有地面、简易工事、城市楼宇、山地山洞等静止目标，又有行人、车辆等运动目标。由于无人机飞行速度快、距离目标比较远且机动性高，因此对于无人机载光电设备所采集的图像信息进行目标跟踪具有较高的难度。由于无人机在高空运动距离地面目标较远，并且存在自身机体震动以及外界风力干扰的作用，导致所采集到的地面图像不稳定，地面背景和目标尺度会发生较大的变化。如何实现在复杂环境下对典型目标进行可靠的识别、锁定与跟踪是实现智能化的关键。
[0003]一般应用场景下的目标识别与跟踪技术因为深度学习的引入得到了快速发展，但技术工程利用率低，多数技术还未能实现有效应用于各大工业领域。加拿大Draganflyer公司研发的X6六旋翼警用版无人侦察机，集成了CCD照相机，所采集图像通过无线链路传输给警务人员；中国华科尔研制的FE15消防灭火无人机系统装载的摄像头只起辅助操作人员观察的作用，不具备智能察打能力。“无人机+导弹”是未来智能化，信息化，小型化，低成本化、精确化的战争趋势。察打一体作战系统是“无人机+导弹”的一种实现形式。精准的目标识别与跟踪技术犹如察打一体作战系统的“眼睛”，是准确打击目标的先决条件。本专利技术提出一种用于察打一体低空作战系统的目标自动跟踪方法，在复杂环境下对典型目标进行可靠的识别与跟踪，实现了察打一体系统对目标的稳瞄与跟踪。
[0004]鉴于此，目前亟待提出一种用于察打系统的目标自动跟踪方法，以解决复杂环境下对典型目标进行可靠的识别与跟踪。

技术实现思路

[0005]为此，本专利技术所要解决的技术问题是提供一种用于察打系统的目标自动跟踪方法，以解决复杂环境下对典型目标进行可靠的识别与跟踪。
[0006]本专利技术的上述技术目的通过以下技术方案实现：
[0007]一种用于察打系统的目标自动跟踪方法，其特征在于，包括如下步骤：
[0008]S1、无人机搭载系统飞至目标上空，录制目标所在区域的视频数据；然后将视频数据转换为待处理数据；
[0009]S2、从待处理数据中截取第一帧图像作为基准图像，检测基准图像中的目标以及目标的类型，并在目标周围生成目标的包围框作为待跟踪目标框R；
[0010]同时在基准图像中提取出目标模板和背景模板，将目标样本作为正样本，将背景模板作为负样本，负样本中以目标所在位置为目标区域，通过对负样本进行循环位移得到多个训练样本，同时纪录各训练样本的标签，使用训练样本通过和相关方法计算出回归器，利用回归器对测试样本计算响应，，所述测试样本为从基准图像之后的所有帧的图像；从测试样本中筛选出预测目标位置的测试样本，具体步骤如下：
[0011]定义回归器，所述回归器包括线性回归模型和非线性回归模型；
[0012]首先利用核相关算法计算线性部分的回归模型，定义目标Z的目标函数为f(Z)＝w
T
Z；
[0013]其中，Z为训练样本集合组成的输入数据，w为回归模型的参数矩阵；
[0014]得到最小残差函数：
[0015][0016]其中，λ为正则化参数，x
i
为输入数据，y
i
为样本标签；
[0017]对最小残差函数关于w求导，令其导数为0，解出关于w的最小二乘问题的闭式解：
[0018]w＝(X
T
X+λI)
‑1X
T
y；
[0019]其中，I为单位矩阵；
[0020]X＝[x
1 x
2 x3K x
n
]T
为负样本矩阵，x为负样本的特征向量，x
n
由x循环位移得到的训练样本的特征向量；
[0021]y＝[y
1 y
2 y3K y
n
]T
为回归目标矩阵，y为每个训练样本对应的真实标签值；
[0022]然后，关于w的最小二乘问题的闭式解进行复频域表达，所述复频域表达式为：
[0023]w＝(X
H
X+λI)
‑1X
H
y；
[0024]其中，X
H
＝(X
*
)
T
，X
*
为X的复共轭矩阵；
[0025]解出关于X
H
X的表达式：
[0026][0027][0028]其中，
[0029][0030]将代入w＝(X
T
X+λI)
‑1X
T
y中，得到，
[0031][0032]并对进行傅里叶变换，
[0033][0034][0035]然后，计算非线性部分的回归模型，具体步骤如下：
[0036]定义非线性核函数φ(x)，利用岭回归公式计算其分类器为：
[0037]f(x
i
)＝ω
T
φ(x
i
)；
[0038]此时得到的权重系数为：
[0039][0040]其中，ω是φ(x)＝[φ(x1),φ(x2),L,φ(x
n
)]行向量张成的空间中的一个向量，因此，
[0041]ω＝∑
i
α
i
φ(x
i
)；
[0042]将ω＝∑
i
α
i
φ(x
i
)代入中；
[0043][0044]令关于α列向量导数为0，计算出：
[0045]α
*
＝(φ(X)φ(X)
T
+λI)
‑1y
[0046]f(z)＝ω
T
φ(z)＝α
T
φ(X)φ(z)
[0047]令φ(X)表示核空间的核矩阵，由核函数得到，那么K＝φ(X)φ(X)
T
，于是可得：
[0048]α
*
＝(K+λI)
‑1y
[0049]将K对角化，则有：
[0050][0051][0052]然后对待处理的测试样本进行滤波计算，待处理的测试样本是由预测区域和其循环移位得到的样本集合z
j
＝P
j
z；
[0053]定义测试样本和训练样本在核空间的核矩阵：
[0054]K
z
＝φ(X)φ(Z)
T
[0055]由于核矩阵满足K(x,x')＝K(Px,Px')，计算出各个测试样本的响应：
[0056][0057][0058][0059]其中，为核矩阵经过傅里叶变换后得到的对角矩阵；
[0060]得到所有测试样本的响应后，筛选最大响应值所在位置的测试样本，将此测试样本的位置作为预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于察打系统的目标自动跟踪方法，其特征在于，包括如下步骤：S1、无人机搭载系统飞至目标上空，录制目标所在区域的视频数据；然后将视频数据转换为待处理数据；S2、从待处理数据中截取第一帧图像作为基准图像，检测基准图像中的目标以及目标的类型，并在目标周围生成目标的包围框作为待跟踪目标框R；同时在基准图像中提取出目标模板和背景模板，将目标样本作为正样本，将背景模板作为负样本，负样本中以目标所在位置为目标区域，通过对负样本进行循环位移得到多个训练样本，同时纪录各训练样本的标签，使用训练样本通过和相关方法计算出回归器，利用回归器对测试样本计算响应，，所述测试样本为从基准图像之后的所有帧的图像；从测试样本中筛选出预测目标位置的测试样本，具体步骤如下：定义回归器，所述回归器包括线性回归模型和非线性回归模型；首先利用核相关算法计算线性部分的回归模型，定义目标Z的目标函数为f(Z)＝w
T
Z；其中，Z为训练样本集合组成的输入数据，w为回归模型的参数矩阵；得到最小残差函数：其中，λ为正则化参数，x
i
为输入数据，y
i
为样本标签；对最小残差函数关于w求导，令其导数为0，解出关于w的最小二乘问题的闭式解：w＝(X
T
X+λI)
‑1X
T
y；其中，I为单位矩阵；X＝[x
1 x
2 x3K x
n
]
T
为负样本矩阵，x为负样本的特征向量，x
n
由x循环位移得到的训练样本的特征向量；y＝[y
1 y
2 y3K y
n
]
T
为回归目标矩阵，y为每个训练样本对应的真实标签值；然后，关于w的最小二乘问题的闭式解进行复频域表达，所述复频域表达式为：w＝(X
H
X+λI)
‑1X
H
y；其中，X
H
＝(X
*
)
T
，X
*
为X的复共轭矩阵；解出关于X
H
X的表达式：X的表达式：其中，其中，将代入w＝(X
T
X+λI)
‑1X
T
y中，得到，
并对进行傅里叶变换，进行傅里叶变换，然后，计算非线性部分的回归模型，具体步骤如下：定义非线性核函数φ(x)，利用岭回归公式计算其分类器为：f(x
i
)＝ω
T
φ(x
i
)；此时得到的权重系数为：其中，ω是φ(x)＝[φ(x1),φ(x2),L,φ(x
n
)]行向量张成的...

【专利技术属性】
技术研发人员：邓宏彬，危怡然，陈丽，李变红，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：