基于云平台和机器视觉的无人机自动识别跟踪方法及系统与流程

本发明涉及无人机自动识别跟踪技术领域，特别涉及一种基于云平台和机器视觉的无人机自动识别跟踪方法及系统。

背景技术：

现有无人机是由机架机身、动力系统、飞行控制系统、遥控系统这四部分组合的。其中无人机遥控系统作为无人机的第二核心技术，可以用于农业植保、电力巡检、警用执法、地质勘探、环境监测、森林防火以及影视航拍等，涵盖农业、安防、地理等领域，且其适用领域还在迅速拓展。在无人机遥控系统中，自动识别跟踪系统是其实现完全自主智能控制的重要组成。

现有无人机的自主控制技术已经相当成熟完善，但智能控制技术仍处于研究发展阶段，自动化识别跟踪系统中，环境信息获取、信息传输、信息处理等都决定着无人机的智能性。目前少数智能无人机主要采用骁龙flight、英特尔凌动处理器、三星artik芯片和德州仪器omap3630作为主控芯片。这些芯片都具有较强处理性能，可用于实现无人机的智能控制，但无人机智能性受限于硬件性能，开发成本高，不易维护。为了拓展各厂商无人机的智能性，急需设计一种可移植的基于云平台和机器视觉的无人机自动识别跟踪系统，为一般无人机的智能性提供可移植平台。

技术实现要素：

本发明提供一种基于云平台和机器视觉的无人机自动识别跟踪方法及系统，智能性和集成度高，还可以移植到普通无人机上，广泛拓展了无人机系统的智能性。

根据本发明的一个方面，提供了一种基于云平台和机器视觉的无人机自动识别跟踪方法，包括以下步骤：用户端app接收用户输入的无人机跟踪任务，并将跟踪目标的信息发送至云服务器；

数据采集装置采集无人机的飞行信息并将所述飞行信息传输至主控芯片；所述无人机的飞行信息包括无人机的位置信息、无人机与周围物体的距离信息以及无人机周围的视频图像信息；

所述主控芯片将所述飞行信息发送至所述云服务器和用户端app；

所述云服务器对所述飞行信息进行处理，得到避障运动控制信号和跟踪目标的识别跟踪信号；

所述云服务器将所述避障运动控制信号和跟踪目标的识别跟踪信号发送至所述主控芯片；

所述主控芯片将所述避障运动控制信号和跟踪目标的识别跟踪信号传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

优选地，所述数据采集装置包括激光避障传感器、gps定位装置以及摄像头，所述激光避障传感器用于测量无人机与周边物体之间的距离，所述gps定位装置用于定位无人机的位置，所述摄像头用于拍摄无人机周围的视频图像。

优选地，所述云服务器对所述飞行信息进行处理，得到避障运动控制信号和跟踪目标的识别跟踪信号，包括以下步骤：所述云服务器分析所述用户端app发送的跟踪目标的信息，识别跟踪目标是否为人；

如果是，则所述云服务器调用adaboost算法从无人机周围的视频图像中识别人脸；

所述云服务器将识别出来的人脸输入所述跟踪目标的信息包含的有效人脸模型中进行匹配，将匹配度最高的人脸确定为跟踪目标；

所述云服务器根据无人机的位置信息以及无人机与周围物体之间的距离信息，计算出所述跟踪目标的位置信息；

所述云服务器根据无人机的位置信息和所述跟踪目标的位置信息，得到避障运动控制信号和跟踪目标的识别跟踪信号。

优选地，所述云服务器将所述避障运动控制信号和跟踪目标的识别跟踪信号发送至所述主控芯片之后，该方法还包括以下步骤：所述云服务器根据无人机的位置信息和所述跟踪目标的位置信息，计算无人机位置与所述跟踪目标位置之间的跟踪路段；

所述云服务器将所述跟踪路段分割为多个短程路段；

所述云服务器在其存储的数据库中搜索是否存在所述多个短程路段的地图记录；

如果是，则所述云服务器调用所述多个短程路段的地图记录，并将所述多个短程路段的飞行高度调整到所述多个短程路段对应的地图记录中的高度；

所述云服务器将所述多个短程路段的每一个短程路段的飞行高度信息发送至所述主控芯片；

所述主控芯片将所述避障运动控制信号和跟踪目标的识别跟踪信号传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪，具体为：

所述主控芯片将所述避障运动控制信号、跟踪目标的识别跟踪信号以及所述多个短程路段的每一个短程路段的飞行高度信息传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

优选地，所述云服务器在其存储的数据库中搜索不存在所述多个短程路段的地图记录时，该方法还包括以下步骤：所述云服务器根据无人机周围的视频图像信息以及无人机与周围物体之间距离的信息，调用slam算法对所述多个短程路段的每一个短程路段建立二维地图；

所述云服务器将所述多个短程路段的飞行高度调整到所述多个短程路段对应的二维地图中的高度；

所述云服务器将所述多个短程路段的每一个短程路段的飞行高度信息发送至所述主控芯片；

所述主控芯片将所述避障运动控制信号和跟踪目标的识别跟踪信号传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪，具体为：

所述主控芯片将所述避障运动控制信号、跟踪目标的识别跟踪信号以及所述多个短程路段的每一个短程路段的飞行高度信息传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

根据本发明的另一个方面，还提供了一种基于云平台和机器视觉的无人机自动识别跟踪系统，包括用户端app、数据采集装置、主控芯片以及云服务器：

其中，所述用户端app包括：跟踪任务发送单元，用于接收用户输入的无人机跟踪任务，并将跟踪目标的信息发送至云服务器；

其中，所述数据采集装置包括：信息采集单元，用于采集无人机的飞行信息并将所述飞行信息传输至主控芯片；所述无人机的飞行信息包括无人机的位置信息、无人机与周围物体的距离信息以及无人机周围的视频图像信息；

其中，所述主控芯片包括：飞行信息发送单元，用于将所述飞行信息发送至所述云服务器和用户端app；

其中，所述云服务器包括：处理单元，用于对所述飞行信息进行处理，得到避障运动控制信号和跟踪目标的识别跟踪信号；信号发送单元，用于将所述避障运动控制信号和跟踪目标的识别跟踪信号发送至所述主控芯片；

所述主控芯片还包括：信号传输单元，用于将所述避障运动控制信号和跟踪目标的识别跟踪信号传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

优选地，所述数据采集装置包括激光避障传感器、gps定位装置以及摄像头，所述激光避障传感器用于测量无人机与周边物体之间的距离，所述gps定位装置用于定位无人机的位置，所述摄像头用于拍摄无人机周围的视频图像。

优选地，所述处理单元包括：分析模块，用于分析所述用户端app发送的跟踪目标的信息，识别跟踪目标是否为人；

人脸识别模块，用于当所述分析模块分析所述用户端app发送的跟踪目标的信息，识别跟踪目标为人时，调用adaboost算法从无人机周围的视频图像中识别人脸；

人脸匹配模块，用于将识别出来的人脸输入所述跟踪目标的信息包含的有效人脸模型中进行匹配，将匹配度最高的人脸确定为跟踪目标；

计算模块，用于根据无人机的位置信息以及无人机与周围物体之间的距离信息，计算出所述跟踪目标的位置信息；

信号获取模块，用于根据无人机的位置信息和所述跟踪目标的位置信息，得到避障运动控制信号和跟踪目标的识别跟踪信号。

优选地，所述云服务器还包括：计算单元，用于在所述信号发送单元将所述避障运动控制信号和跟踪目标的识别跟踪信号发送至所述主控芯片之后，根据无人机的位置信息和所述跟踪目标的位置信息，计算无人机位置与所述跟踪目标位置之间的跟踪路段；

路段分割单元，用于将所述跟踪路段分割为多个短程路段；

地图搜索单元，用于在所述云服务器存储的数据库中搜索是否存在所述多个短程路段的地图记录；

第一调整单元，用于当所述地图搜索单元在所述云服务器存储的数据库中搜索存在所述多个短程路段的地图记录时，调用所述多个短程路段的地图记录，并将所述多个短程路段的飞行高度调整到所述多个短程路段对应的地图记录中的高度；

发送单元，用于将所述多个短程路段的每一个短程路段的飞行高度信息发送至所述主控芯片；

所述信号传输单元，具体用于将所述避障运动控制信号、跟踪目标的识别跟踪信号以及所述多个短程路段的每一个短程路段的飞行高度信息传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

优选地，所述云服务器还包括：地图建立单元，用于当所述地图搜索单元在所述云服务器存储的数据库中搜索不存在所述多个短程路段的地图记录时，根据无人机周围的视频图像信息以及无人机与周围物体之间距离的信息，调用slam算法对所述多个短程路段的每一个短程路段建立二维地图；

第二调整单元，用于将所述多个短程路段的飞行高度调整到所述多个短程路段对应的二维地图中的高度；

所述发送单元，用于将所述多个短程路段的每一个短程路段的飞行高度信息发送至所述主控芯片；

所述信号传输单元，具体用于将所述避障运动控制信号、跟踪目标的识别跟踪信号以及所述多个短程路段的每一个短程路段的飞行高度信息传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

与现有技术相比较，本发明的有益效果如下：

通过本发明，采用数据采集装置采集无人机的飞行信息并将飞行信息传输至云服务器进行处理，进而得到跟踪信号，实现对目标的自动识别跟踪，本发明的数据采集装置可以移植到一般的无人机上进行数据采集，云服务器中的数据处理软件也可以移植到一般无人机的服务器中进行数据处理，这样不仅增强了本发明的可移植性和集成度，也极大的提高了一般无人机的智能性，降低了高智能性无人机的生产成本，更方便使用。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。附图中：

图1是根据本发明实施例的基于云平台和机器视觉的无人机自动识别跟踪方法的流程图；

图2是根据本发明实施例的基于云平台和机器视觉的无人机自动识别跟踪系统的结构框图；

图3是根据本发明实施例一的另一种基于云平台和机器视觉的无人机自动识别跟踪方法的流程图；

图4是本发明实施例的主控芯片的内部原理结构图；

图5是本发明实施例的电源升压电路的电路图；

图6是本发明实施例的电源降压电路的电路图；

图7是本发明实施例的云服务器中图像识别处理算法的流程图。

具体实施方式

下面将结合本发明附图，对本发明技术方案进行描述，但所描述的实施例仅仅是本发明一部分实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种基于云平台和机器视觉的无人机自动识别跟踪方法，图1是根据本发明实施例的基于云平台和机器视觉的无人机自动识别跟踪方法的流程图，如图1所示，包括以下步骤：

步骤s101：用户端app接收用户输入的无人机跟踪任务，并将跟踪目标的信息发送至云服务器；

步骤s102：数据采集装置采集无人机的飞行信息并将飞行信息传输至主控芯片；

步骤s103：主控芯片将飞行信息发送至云服务器和用户端app；

步骤s104：云服务器对飞行信息进行处理，得到避障运动控制信号和跟踪目标的识别跟踪信号；

步骤s105：云服务器将所述避障运动控制信号和跟踪目标的识别跟踪信号发送至主控芯片；

步骤s106：主控芯片将避障运动控制信号和跟踪目标的识别跟踪信号传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

在实施过程中，在步骤s102中，数据采集装置包括激光避障传感器、gps定位装置以及摄像头，激光避障传感器用于测量无人机与周边物体之间的距离，gps定位装置用于定位无人机的位置，摄像头用于拍摄无人机周围的视频图像。

在步骤s104中，所述云服务器分析用户端app发送的跟踪目标的信息，识别跟踪目标是否为人；如果是，则云服务器调用adaboost算法从无人机周围的视频图像中识别人脸；云服务器将识别出来的人脸输入跟踪目标的信息包含的有效人脸模型中进行匹配，将匹配度最高的人脸确定为跟踪目标；云服务器根据无人机的位置信息以及无人机与周围物体之间的距离信息，计算出跟踪目标的位置信息；云服务器根据无人机的位置信息和跟踪目标的位置信息，得到避障运动控制信号和跟踪目标的识别跟踪信号。

在步骤s105之后，云服务器根据无人机的位置信息和跟踪目标的位置信息，计算无人机位置与跟踪目标位置之间的跟踪路段；云服务器将所述跟踪路段分割为多个短程路段；云服务器在其存储的数据库中搜索是否存在多个短程路段的地图记录；如果是，则云服务器调用多个短程路段的地图记录，并将多个短程路段的飞行高度调整到多个短程路段对应的地图记录中的高度；云服务器将多个短程路段的每一个短程路段的飞行高度信息发送至主控芯片；

主控芯片将避障运动控制信号和跟踪目标的识别跟踪信号传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪，具体为：主控芯片将避障运动控制信号、跟踪目标的识别跟踪信号以及多个短程路段的每一个短程路段的飞行高度信息传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

进一步的，云服务器在其存储的数据库中搜索不存在多个短程路段的地图记录时，云服务器根据无人机周围的视频图像信息以及无人机与周围物体之间距离的信息，调用slam算法对多个短程路段的每一个短程路段建立二维地图；云服务器将多个短程路段的飞行高度调整到多个短程路段对应的二维地图中的高度；云服务器将多个短程路段的每一个短程路段的飞行高度信息发送至主控芯片；

主控芯片将避障运动控制信号和跟踪目标的识别跟踪信号传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪，具体为：主控芯片将避障运动控制信号、跟踪目标的识别跟踪信号以及多个短程路段的每一个短程路段的飞行高度信息传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

通过上述步骤，提高了无人机自动识别跟踪系统的智能性和集成度，而且可以移植到普通无人机上，广泛拓展了无人机系统的智能性。

本发明实施例还提供了基于云平台和机器视觉的无人机自动识别跟踪系统，用于实现上述基于云平台和机器视觉的无人机自动识别跟踪方法。

图2是根据本发明实施例的基于云平台和机器视觉的无人机自动识别跟踪系统的结构框图，如图2所示，该系统包括用户端app10、数据采集装置20、主控芯片30以及云服务器40：

其中，用户端app10包括：跟踪任务发送单元101，用于接收用户输入的无人机跟踪任务，并将跟踪目标的信息发送至云服务器40；

其中，数据采集装置20包括：信息采集单元201，用于采集无人机的飞行信息并将飞行信息传输至主控芯片30；无人机的飞行信息包括无人机的位置信息、无人机与周围物体的距离信息以及无人机周围的视频图像信息；

其中，主控芯片30包括：飞行信息发送单元301，用于将飞行信息发送至云服务器40和用户端app10；

其中，云服务器40包括：处理单元401，用于对飞行信息进行处理，得到避障运动控制信号和跟踪目标的识别跟踪信号；信号发送单元402，用于将避障运动控制信号和跟踪目标的识别跟踪信号发送至主控芯片30；

主控芯片30还包括：信号传输单元302，用于将避障运动控制信号和跟踪目标的识别跟踪信号传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

对于基于云平台和机器视觉的无人机自动识别跟踪系统，数据采集装置包括激光避障传感器、gps定位装置以及摄像头，激光避障传感器用于测量无人机与周边物体之间的距离，gps定位装置用于定位无人机的位置，摄像头用于拍摄无人机周围的视频图像。

对于基于云平台和机器视觉的无人机自动识别跟踪系统，处理单元401包括：分析模块4011，用于分析用户端app10发送的跟踪目标的信息，识别跟踪目标是否为人；人脸识别模块4012，用于当分析模块4011分析用户端app10发送的跟踪目标的信息，识别跟踪目标为人时，调用adaboost算法从无人机周围的视频图像中识别人脸；人脸匹配模块4013，用于将识别出来的人脸输入跟踪目标的信息包含的有效人脸模型中进行匹配，将匹配度最高的人脸确定为跟踪目标；计算模块4014，用于根据无人机的位置信息以及无人机与周围物体之间的距离信息，计算出跟踪目标的位置信息；信号获取模块4015，用于根据无人机的位置信息和跟踪目标的位置信息，得到避障运动控制信号和跟踪目标的识别跟踪信号。

对于基于云平台和机器视觉的无人机自动识别跟踪系统，云服务器40还包括：计算单元403，用于在信号发送单元402将避障运动控制信号和跟踪目标的识别跟踪信号发送至主控芯片之后，根据无人机的位置信息和跟踪目标的位置信息，计算无人机位置与跟踪目标位置之间的跟踪路段；路段分割单元404，用于将跟踪路段分割为多个短程路段；地图搜索单元405，用于在云服务器40存储的数据库中搜索是否存在多个短程路段的地图记录；第一调整单元406，用于当地图搜索单元405在云服务器40存储的数据库中搜索存在多个短程路段的地图记录时，调用多个短程路段的地图记录，并将多个短程路段的飞行高度调整到多个短程路段对应的地图记录中的高度；发送单元407，用于将多个短程路段的每一个短程路段的飞行高度信息发送至主控芯片30；信号传输单元302，具体用于将避障运动控制信号、跟踪目标的识别跟踪信号以及多个短程路段的每一个短程路段的飞行高度信息传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

对于基于云平台和机器视觉的无人机自动识别跟踪系统，云服务器40还包括：地图建立单元408，用于当地图搜索单元405在云服务器40存储的数据库中搜索不存在多个短程路段的地图记录时，根据无人机周围的视频图像信息以及无人机与周围物体之间距离的信息，调用slam算法对多个短程路段的每一个短程路段建立二维地图；第二调整单元409，用于将多个短程路段的飞行高度调整到多个短程路段对应的二维地图中的高度；发送单元407，用于将多个短程路段的每一个短程路段的飞行高度信息发送至主控芯片30；信号传输单元302，具体用于将避障运动控制信号、跟踪目标的识别跟踪信号以及多个短程路段的每一个短程路段的飞行高度信息传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

需要说明的是，装置实施例中描述的基于云平台和机器视觉的无人机自动识别跟踪系统对应于上述的方法实施例，其具体的实现过程在方法实施例中已经进行过详细说明，在此不再赘述。

为了使本发明的技术方案和实现方法更加清楚，下面将结合优选的实施例对其实现过程进行详细描述。

实施例一

本实施例提供另一种基于云平台和机器视觉的无人机自动识别跟踪方法，如图3所示，图3是根据本发明实施例一的另一种基于云平台和机器视觉的无人机自动识别跟踪方法的流程图，包括以下步骤：

步骤s301：用户端app接收用户输入的无人机跟踪任务，并将跟踪目标的信息发送至云服务器；

本发明实施例中，在利用无人机进行自动识别跟踪之前，用户可以先在用户端app上输入跟踪任务，并且将跟踪任务发送至云服务器，云服务器会对跟踪任务进行分析并调用相关的程序完成任务；

作为一种可选的实施方式，用户在用户端app上输入的任务模式可以是人员识别跟踪模式，在此模式下，录入目标人员人脸信息后，当无人机检测到该目标人员时，就会向用户端app发送目标人员的位置消息，并自动控制无人机跟踪该目标人员；用户在用户端app上输入的任务模式也可以是物体寻找模式，在此模式下，需要提前录入待识别物体的信息，无人机飞行过程中，云服务器会对采集到的视频图像进行识别处理，当出现目标物体时，会发送此时无人机的位置信息到用户端app中进行显示，同时控制无人机悬停在该物体位置，或进行下一目标物体的寻找；用户在用户端app上输入的任务模式还可以是巡逻模式，在此模式下，无人机会间隔固定时长在指定范围内进行巡逻飞行，在飞行过程中，云服务器会对采集到的视频图像进行识别处理，当检测到危险人物或者危险行为时，实时反馈给用户端app以提示用户报警；

步骤s302：数据采集装置采集无人机的飞行信息并将飞行信息传输至主控芯片；

本发明实施例中，无人机的飞行信息包括无人机的位置信息、无人机与周围物体的距离信息以及无人机周围的视频图像信息；

作为一种可选的实施方式，上述数据采集装置包括激光避障传感器、gps定位装置以及摄像头，激光避障传感器用于测量无人机与周边物体之间的距离，gps定位装置用于定位无人机的位置，摄像头用于拍摄无人机周围的视频图像；

本发明实施例中，上述主控芯片以esp32-cam模块为核心，esp32-cam是安信可公司的小尺寸的摄像头模组，支持ov2640和ov7670摄像头，内置闪光灯，支持图片wifi上传，支持uart、spi、i2c、pwm接口进行扩展外设，esp32芯片集成了传统蓝牙、低功耗蓝牙和wi-fi功能，直接使用esp32板载的wi-fi配置ip地址和网络端口号接入无线热点可以连接到互联网云服务器，直接配置esp32的板载蓝牙可以连接用户手机；上述主控芯片的内部原理结构图如图4所示；上述主控芯片通过串口连接有4g通讯模块，4g通讯模块选用do4g-me3630m02模块，该模块使用me3630-c3c芯片，支持串口通信和4g全网通，并支持gps和北斗定位功能，esp32模块通过串口将图像和激光测距传感器的距离信息传递给该4g通讯模块，上传到云服务器。而且该模块自带的gps和北斗定位信息作为无人机定位信息，通过该模块上传给云服务器，该模块与esp32间串口配置参数为1mbps、1位停止位、8位数据位、无奇偶校验位；

激光避障传感器采用vl53l激光测距传感器，vl53l0x是新一代tof激光测距模块，采用目前市场上最小型的封装，可基于各种目标物颜色和反射特性进行测距，精确测距30-2000mm，测距精度达±3％，测距时间<＝30ms，支持i2c总线，esp32-cam模块使用i2c总线驱动多个激光测距传感器，获取无人机周围障碍距离信息，esp32的i2c配置为传输速率100kbit/s，8位数据位；

摄像头选用ov2640摄像头模块，采用1/4寸的200万高清cmos传感器，具有高灵敏度、高灵活性，支持jpeg/rgb565格式输出，并且可以支持曝光、白平衡、色度、饱和度、对比度等众多参数设置，esp32通过dvp接口与ov2640连接；

步骤s303：主控芯片将飞行信息发送至云服务器和用户端app；

本发明实施例中，esp32-cam模块将获取到的激光测距传感器的距离数据、gps模块的定位数据、摄像头模块的图像数据通过板载wifi模块或者4g模块上传至云服务器处理，处理后得到的飞控指令再发送至esp32-cam模块，esp32-cam模块再将飞控指令发送至无人机的飞控板控制无人机的飞行；具体的，esp32主控模块通过配备的摄像头模块获取图像信息，通过sccb协议驱动摄像头模块，并打包成ros格式传输到云服务器存储到rosbag数据包中；esp32主控模块通过串口读取gps模块中的地理位置数据，并通过wifi或者4g网络上传给服务器，在服务器中调用高德地图api解析出gps编码对应的无人机地理位置；esp32主控模块通过i2c接口读取l53l0x激光测距传感器的测距信息，上传给云服务器后，用于避障计算；

作为一种可选的实施方式，本发明实施例使用与无人机独立的3.7v聚合物锂电池供电，通过升压电路输出5v电压对esp32-cam模块和do4g-me3630m02模块供电，5v再降压3.3v对激光测距传感器供电，升压芯片选用tps61088rhlr，降压芯片选用asm1117-3.3，升压电路原理图如图5所示，降压电路原理图如图6所示；

手机app可以通过访问云服务器的公网ip地址和端口来查看系统状态和进行远程操作；

步骤s304：云服务器分析用户端app发送的跟踪目标的信息，识别跟踪目标是否为人；如果是，则执行步骤s305～步骤s312；

步骤s305：云服务器调用adaboost算法从无人机周围的视频图像中识别人脸；

作为一种可选的实施方式，云服务器需要对获取的无人机周围的视频图像进行处理，首先需要解决图像模糊问题，本实施例采用最小二乘移动窗口多项式平滑方法来减少姿态抖动造成的图像模糊问题，这种方法参数少，计算量小，速度快，具有不错的平滑效果，然后再对预处理后的视频图像按照用户需求调用opencv中的图像处理函数进行目标识别与追踪控制；具体的图像识别处理算法流程图如图7所示；

步骤s306：云服务器将识别出来的人脸输入跟踪目标的信息包含的有效人脸模型中进行匹配，将匹配度最高的人脸确定为跟踪目标；

步骤s307：云服务器根据无人机的位置信息以及无人机与周围物体之间的距离信息，计算出跟踪目标的位置信息；

步骤s308：云服务器根据无人机的位置信息和跟踪目标的位置信息，得到避障运动控制信号和跟踪目标的识别跟踪信号；

步骤s309：云服务器将避障运动控制信号和跟踪目标的识别跟踪信号发送至主控芯片；

步骤s310：云服务器根据无人机的位置信息和跟踪目标的位置信息，计算无人机位置与跟踪目标位置之间的跟踪路段；

步骤s311：云服务器将跟踪路段分割为多个短程路段；

步骤s312：云服务器在其存储的数据库中搜索是否存在多个短程路段的地图记录；如果是，则执行步骤s313、步骤s316～步骤s317；如果否，则执行步骤s314～步骤s317；

步骤s313：云服务器调用多个短程路段的地图记录，并将多个短程路段的飞行高度调整到多个短程路段对应的地图记录中的高度；

作为一种可选的实施方式，云服务器会逐个调整短程路段的飞行高度，具体为，从第一个短程路段开始，云服务器先搜索是否有这一短程路段的地图记录，如果有，则将无人机的飞行高度调整为地图记录的高度，使无人机根据地图记录和飞行高度飞过这一短程路段，当无人机飞到这一短程路段的终点时，再继续搜索第二个短程路段的地图记录，如果有，则将无人机的飞行高度调整至这一短程路段的地图记录的高度，以此类推，直到将所有的短程路段飞过，这样就达到的跟踪目标的目的，而且还可以准确的跟踪；

步骤s314：云服务器根据无人机周围的视频图像信息以及无人机与周围物体之间距离的信息，调用slam算法对多个短程路段的每一个短程路段建立二维地图；

步骤s315：云服务器将多个短程路段的飞行高度调整到多个短程路段对应的二维地图中的高度；

步骤s316：云服务器将多个短程路段的每一个短程路段的飞行高度信息发送至主控芯片；

步骤s317：主控芯片将避障运动控制信号、跟踪目标的识别跟踪信号以及多个短程路段的每一个短程路段的飞行高度信息传输至无人机的飞行控制板，以控制无人机对目标物体进行跟踪。

综合上述，通过上述实施例，采用数据采集装置采集无人机的飞行信息并将飞行信息传输至云服务器进行处理，进而得到跟踪信号，实现对目标的自动识别跟踪，本发明的数据采集装置可以移植到一般的无人机上进行数据采集，云服务器中的数据处理软件也可以移植到一般无人机的服务器中进行数据处理，这样不仅增强了本发明的可移植性和集成度，也极大的提高了一般无人机的智能性，降低了高智能性无人机的生产成本，更方便使用。