【技术实现步骤摘要】
一种面向无人机的单目标跟踪方法
[0001]本专利技术涉及计算机视觉
，尤其是一种基于相关滤波的单目标跟踪方法及系统。
技术介绍
[0002]目标跟踪作为计算机视觉领域中研究的热点之一，常常与目标检测结合在一起，随着硬件设备不断升级与人工智能技术的告诉发展，目标跟踪相关技术在现实中应用更加广泛，比如无人机安防监控、球赛转播、人机交互、跟踪系统设计等。根据目标跟踪的实现方式不同，目标跟踪总体上可以分为基于生成式的方法的跟踪和基于判别式方法的跟踪，随时时间推移和技术的进步，主流的目标跟踪算法的实现方式已经由早期的生成式方法转变为现在的判别式方法。其中常用的特征有SIFT特征，SURF特征，Harris角点特征等，这些特征一定程度上能够反映出目标的外观模型，但由于其计算复杂度较高因此在实时性上表现较差，
[0003]早期生成式方法的目标跟踪算法主要是根据提取目标特征并对目标建模进行跟踪，首先对目标外观信息就行数学建模，然后在下一帧到来时通过模型匹配找到目标位置。大部分生成式的目标跟踪算法采用特征匹配法，利用特征提取和...
【技术保护点】
【技术特征摘要】
1.一种面向无人机的单目标跟踪方法，其特征在于，所述方法由计算机执行，包括以下步骤：S1、获取目标初始帧及相关参数初始化；S2、训练响应偏差感知相关滤波跟踪模型；S3、使用卡尔曼滤波确定目标感兴趣区域的中心位置；S4、提取目标感兴趣区域特征并与滤波器做相关操作确定目标具体位置和大小信息；S5、更新目标模型与相关滤波器。2.如权利要求1所述的一种面向无人机的单目标跟踪方法，其特征在于，S1的具体实现过程如下：S101、初始帧的获取是在视频的开始阶段，读取视频序列，获取第一帧图像的目标的具体位置；S102、设定高斯标签函数用到参数信息及特征提取的参数信息。3.如权利要求1所述的一种面向无人机的单目标跟踪方法，其特征在于，S2的具体实现过程如下：S201、提取感兴趣区域(第一帧感兴趣区域已知)的方向梯度(HOG)特征，颜色(CN)特征；S202、本发明提出一种基于响应感知正则化的相关滤波跟踪模型，其目标函数如下所示：示：其中x表示提取的特征，F表示傅里叶变换矩阵，y为高斯标签；S203、使用ADMM算法优化改目标函数，计算出解析解，其求解过程如下所示：为了解出公式1中的解，我们采用增广拉格朗日乘子法，构建的增广拉格朗日方程如公式2所示：式中拉格朗日乘子，τ为惩罚因子。公式2可采用ADMM迭代法将其分为两个子问题g和h，可解得其封闭解。子问题迭代求解如下所示：子问题子问题
式中i表示迭代的次数*表示矩阵的共轭矩阵。子问题子问题式中S(
·
)表示将波峰移动至中心的操作。拉格朗日乘子更新：拉格朗日乘子更新：其中δ为步长。4.如权利要求1所述的一种面向无人机的单目标跟踪方法，其特征在于，S3的具体实现过程如下：S301、本发明使用卡尔曼滤波算法来搜寻感兴趣区域。卡尔曼滤波算法通过对输入信号进行估计，利用系统的观测值更新状态变量，最后将估计值作为系统的输出值卡尔曼滤波算法的状态方程是利用系统的上一时刻值对当前时刻进行估计,观测方程针对当前时刻进行观测。状态方程的表达式为：x
k
＝Ax
k
‑1+w
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)测量方程的表达式为：z
k
＝Hx
k
+v
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)始终，x
k
和x
k+1
分别表示k和k
‑
1时刻的状态变量，A表示系统状态转移矩阵，w和v分别表示状态噪音和观察噪音，H表示观测矩阵；S302、系统预测阶段主要有两个方程，分别对状态和协方差进行预测：x
k
＝Ax
K
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)P
k
＝AP
k
‑1A
T
+Q
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)系统更新阶段包括了对卡尔曼增益系数的更新，状态修正，以及协方差的修正...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。