一种基于时空线索协同学习的无人机多目标跟踪方法技术

本发明专利技术提出了一种基于时空线索协同学习的无人机多目标跟踪方法，包括：通过搭配有摄像机的无人机平台捕获视频序列；对时空线索协同学习模型进行训练；将无人机拍摄的视频序列输入到时空线索协同学习模型中，以得到目标检测结果和目标重识别特征；计算目标检测结果中的运动信息关联矩阵和重识别特征中的外观信息关联矩阵，并使用匈牙利算法完成多目标的匹配任务，并输出包括匹配目标及其身份信息在内的跟踪结果。根据本发明专利技术技术方案，考虑了历史轨迹与当前轨迹的信息交互，能够有效提高目标识别能力和目标身份特征的判别性，进而提升多目标跟踪精度。

【技术实现步骤摘要】

本专利技术属于计算机视觉的图像处理领域，更具体地，涉及一种基于时空线索协同学习的无人机多目标跟踪方法。

技术介绍

1、随着无人机技术的快速发展，其在军事侦察、交通监控、环境监测等领域的应用越来越广泛。特别是在计算机视觉领域，基于无人机视频的多目标跟踪技术已成为研究的热点。多目标跟踪技术旨在自动识别并跟踪视频序列中的多个目标，例如行人、车辆等，这对于理解视频内容、进行动态监控等具有重要意义。

2、然而，基于无人机视角的多目标跟踪面临着独特的挑战。由于无人机的高度运动自由度，摄像头捕获的目标通常呈现出小尺寸、动态变化大和视角多变等特点。此外，无人机视频常受到遮挡、光照变化和目标密集等问题的影响，这进一步增加了跟踪的复杂性。因此，已有的多目标算法在处理无人机视频时常常表现出关联性能差和跟踪精度低等问题。

3、当前多目标跟踪解决方案主要依赖目标检测和重识别技术，但这些算法通常只以单帧图像为输入，忽略了时序信息在建模目标关系中的重要作用。尤其在面对目标外观相似或模糊的挑战性场景时，这种方法易于导致漏检和误关联。因此，在多目标跟踪任务中融合时空本文档来自技高网...

【技术保护点】

1.一种基于时空线索协同学习的无人机多目标跟踪方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于时空线索协同学习的无人机多目标跟踪方法，其特征在于，

3.根据权利要求2所述的基于时空线索协同学习的无人机多目标跟踪方法，其特征在于，

4.根据权利要求3所述的基于时空线索协同学习的无人机多目标跟踪方法，其特征在于，

5.根据权利要求1所述的基于时空线索协同学习的无人机多目标跟踪方法，其特征在于，

6.据权利要求1所述的基于时空线索协同学习的无人机多目标跟踪方法，其特征在于，

【技术特征摘要】

1.一种基于时空线索协同学习的无人机多目标跟踪方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于时空线索协同学习的无人机多目标跟踪方法，其特征在于，

3.根据权利要求2所述的基于时空线索协同学习的无人机多目标跟踪方法，其特征在于，

【专利技术属性】
技术研发人员：马建波，赵灿，唐川明，张建林，徐智勇，魏宇星，
申请(专利权)人：中国科学院光电技术研究所，
类型：发明
国别省市：