【技术实现步骤摘要】
本专利技术属于计算机视觉，具体涉及一种无人机视频的单目标跟踪方法、装置、电子设备及存储介质。
技术介绍
1、无人机视觉追踪是无人机监测的关键技术，可用于定位目标跟踪、环境监测以及指导无人机自主飞行系统等。单目标跟踪是选取某一感兴趣的目标并对其进行跟踪，获取其实时的动态。然而，无人机视频航拍场景复杂，再加上运动目标自身的不断变化，使得无人机航拍视频的目标跟踪成为具有挑战性的任务。
2、单目标跟踪深度神经网络框架往往是通过对第一帧输入进行特征提取，对待跟踪目标的特征进行初始化，构建目标模型，然后对当前帧进行特征提取,并与第一帧中跟踪目标的特征进行相似性判断，最后输出跟踪目标在当前帧中的位置估计。然而，在无人机自身抖动、目标自身变化剧烈或者被遮挡时容易产生跟踪漂移。当目标丢失时，如何找回目标是当前目标跟踪的一大研究热点。
3、现有技术中存在一种基于检测器和跟踪器相结合的无人机目标跟踪方法，该方法利用图像检测器检测到目标位置后，把目标位置提供给跟踪器，跟踪器在得到位置的定时更新后连续、快速的追踪目标，最后把位置信息反馈给无人机系统。该方法虽然结合了检测器与跟踪器，但结合的检测机制主要是对于无人机实时获取的图像进行缩放后送入检测器进行检测，得到目标窗口的位置，在检测过程中，利用非最大极值抑制算法消除重叠的目标。该方式虽然在某种程度上可以提高整体的跟踪精度，但是容易受到相似物体的干扰。
4、此外，现有技术中还有一种基于多重网络的单目标跟踪方法，该方法将模板图像和待搜索图像输入外观子网和语义子网，分别获得模
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供了一种无人机视频的单目标跟踪方法。本专利技术要解决的技术问题通过以下技术方案实现：
2、第一方面，本专利技术提供一种无人机视频的单目标跟踪方法，包括：
3、获取第一无人机视频序列，所述第一无人机视频序列包括多个第一视频帧；
4、将所述第一无人机视频序列分别输入预先训练好的用于进行目标跟踪的主网络、辅助网络和目标检测跟踪器，所述目标检测跟踪器为siamrcnn网络；
5、针对所述第一无人机视频序列中的每个第一视频帧，获得所述主网络输出的目标位置信息和得分、所述辅助网络输出的目标位置信息和得分，以及所述目标检测跟踪器输出的目标位置信息；
6、根据所述主网络和所述辅助网络针对每个第一视频帧输出的目标位置信息和得分、所述主网络的预设阈值、所述辅助网络的预设阈值以及所述目标检测跟踪器输出的目标位置信息，确定目标在所有第一视频帧中的位置，得到目标跟踪结果。
7、在本专利技术的一个实施例中，所述主网络的预设阈值和所述辅助网络的预设阈值按照如下步骤确定：
8、获取数据集，所述数据集包括多个测试样本，每个所述测试样本包括多个第二无人机视频序列以及每个第二无人机视频序列中逐个第二视频帧的目标位置标签；
9、对所述测试样本进行数据增强，获得预处理后的测试样本；
10、将预处理后的测试样本分别输入多个预先训练好的目标跟踪模型，得到每个目标跟踪模型输出的目标预测位置和预测得分；
11、以所述第二无人机视频序列的帧数为横轴、预测得分为纵轴，分别绘制各个目标跟踪模型对应的预测得分曲线图；
12、以所述第二无人机视频序列的帧数为横轴、目标预测位置与目标位置标签的交并比iou为纵轴，分别绘制各个目标跟踪模型对应的iou曲线图；
13、根据所述预测得分曲线图，选取跟踪效果最优的目标跟踪模型为主网络，选取其它目标跟踪模型为辅助网络；
14、根据所述iou曲线图，分别确定所述主网络的预设阈值以及所述辅助网络的预设阈值。
15、在本专利技术的一个实施例中，根据所述iou曲线图，分别确定所述主网络的预设阈值以及所述辅助网络的预设阈值的步骤，包括：
16、获取所述主网络对应的iou曲线，设置使主网络的性能满足要求的预设阈值；
17、分别获取各个辅助网络对应的iou曲线，计算iou大于0.5的所有第二视频帧的iou均值，得到各个辅助网络的预设阈值。
18、在本专利技术的一个实施例中，所述主网络为第一目标跟踪模型，所述辅助网络包括第二目标跟踪模型和第三目标跟踪模型，所述第一目标跟踪模型的预设阈值α为0.5。
19、在本专利技术的一个实施例中，所述第一目标跟踪模型为dimp网络、所述第二目标跟踪模型为atom网络、所述第三目标为siamrpn++网络。
20、在本专利技术的一个实施例中，针对所述第一无人机视频序列中的每个第一视频帧，获得所述主网络输出的目标位置信息和得分、所述辅助网络输出的目标位置信息和得分，以及所述目标检测跟踪器输出的目标位置信息的步骤，包括：
21、针对所述第一无人机视频序列中的每个第一视频帧，获得第一目标跟踪模型输出的第一目标位置信息和第一得分、第二目标跟踪模型输出的第二目标位置信息和第二得分、第三目标跟踪模型输出的第三目标位置信息和第三得分，以及所述目标检测跟踪器输出的第四目标位置信息。
22、在本专利技术的一个实施例中，根据所述主网络和所述辅助网络针对每个第一视频帧输出的目标位置信息和得分、所述主网络的预设阈值、所述辅助网络的预设阈值以及所述目标检测跟踪器输出的目标位置信息，确定目标在所有第一视频帧中的位置，得到目标跟踪结果的步骤，包括：
23、针对每个第一视频帧，比较其对应的所述第一得分与所述第一目标跟踪模型的预设阈值α；
24、当所述第一得分大于所述预设阈值α时，则根据第一目标位置信息确定目标在该第一视频帧中的位置；反之，则比较该第一视频帧对应的所述第二得分与第二目标跟踪模型的预设阈值β以及所述第三得分与第三目标跟踪模型的预设阈值θ；
25、当该第一视频帧对应的所述第二得分大于预设阈值β且大于预设阈值θ时，进一步比较第二得分与第三得分，并根据较高的得分对应的第二目标位置信息或第三目标位置信息确定目标在该第一视频帧中的位置；反之，则根据所述第四目标跟踪模型输出的第四目标位置信息确定目标在该第一视频帧中的位置；
26、直至遍历所有第一视频帧后，获得第一无人机视频序列的目标跟踪结果。
27、第二方面，本专利技术提供一种无人机视频的单目标跟踪装置，包括：
28、获取模块，用于获取第一无人机视频序列，所述第一无人机视频序列包括多个第一视频帧；
29、输入模块，用于将所述第一无人机视频序列分别输入预先训练好的用于进行目标跟踪的主网络、辅助网络和目标检测跟踪器，所述目标检本文档来自技高网...
【技术保护点】
1.一种无人机视频的单目标跟踪方法，其特征在于，包括：
2.根据权利要求1所述的无人机视频的单目标跟踪方法，其特征在于，所述主网络的预设阈值和所述辅助网络的预设阈值按照如下步骤确定：
3.根据权利要求2所述的无人机视频的单目标跟踪方法，其特征在于，根据所述IoU曲线图，分别确定所述主网络的预设阈值以及所述辅助网络的预设阈值的步骤，包括：
4.根据权利要求3所述的无人机视频的单目标跟踪方法，其特征在于，所述主网络为第一目标跟踪模型，所述辅助网络包括第二目标跟踪模型和第三目标跟踪模型，所述第一目标跟踪模型的预设阈值α为0.5。
5.根据权利要求4所述的无人机视频的单目标跟踪方法，其特征在于，所述第一目标跟踪模型为Dimp网络、所述第二目标跟踪模型为ATOM网络、所述第三目标为SiamRPN++网络。
6.根据权利要求5所述的无人机视频的单目标跟踪方法，其特征在于，针对所述第一无人机视频序列中的每个第一视频帧，获得所述主网络输出的目标位置信息和得分、所述辅助网络输出的目标位置信息和得分，以及所述目标检测跟踪器输出的目标位置信息
7.根据权利要求6所述的无人机视频的单目标跟踪方法，其特征在于，根据所述主网络和所述辅助网络针对每个第一视频帧输出的目标位置信息和得分、所述主网络的预设阈值、所述辅助网络的预设阈值以及所述目标检测跟踪器输出的目标位置信息，确定目标在所有第一视频帧中的位置，得到目标跟踪结果的步骤，包括：
8.一种无人机视频的单目标跟踪装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
...【技术特征摘要】
1.一种无人机视频的单目标跟踪方法，其特征在于，包括：
2.根据权利要求1所述的无人机视频的单目标跟踪方法，其特征在于，所述主网络的预设阈值和所述辅助网络的预设阈值按照如下步骤确定：
3.根据权利要求2所述的无人机视频的单目标跟踪方法，其特征在于，根据所述iou曲线图，分别确定所述主网络的预设阈值以及所述辅助网络的预设阈值的步骤，包括：
4.根据权利要求3所述的无人机视频的单目标跟踪方法，其特征在于，所述主网络为第一目标跟踪模型，所述辅助网络包括第二目标跟踪模型和第三目标跟踪模型，所述第一目标跟踪模型的预设阈值α为0.5。
5.根据权利要求4所述的无人机视频的单目标跟踪方法，其特征在于，所述第一目标跟踪模型为dimp网络、所述第二目标跟踪模型为atom网络、所述第三目标为siamrpn++网络。
6.根据权利要求5所述的无人机视频的单目标跟踪方法，其特征在于，针对所述第一...
【专利技术属性】
技术研发人员：杨育婷，焦李成，李玲玲，刘芳，刘旭，杨淑媛，张丹，马文萍，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。