面向无人机航拍图像序列的空中目标快速跟踪方法与流程

本发明涉及的是无人机技术领域，具体的说是一种面向无人机航拍图像序列的空中目标快速跟踪方法。

背景技术：

无人飞行器(UAV)也称为无人机，可以在没有驾驶员情况下实现自主飞行。飞行状态和航线则通过无线遥控器或计算机程序控制。无人机利用空中力量来支持其在大气中的飞行，具有视角宽广、潜力巨大等优点，具有自主飞行能力的小型无人直升机，适用于军事、民用和科研领域。无人机的基本结构由6个模块组成：1)无人机体，2)导航系统，3)飞行控制系统，4)无线信息通信系统，5)地面站系统和6)任务应用系统。

作为飞机的重要组成部分，无人机天线已成为空间数据提取的重要手段。在军用和民用的应用领域，无人机被认为是解决许多复杂问题的有效途径。尤其是近年来，无人机在海湾战争和阿富汗战争中变现突出，已被成功运用于军事目的。在过去的十年里，无人机已被应用在科学和商业领域。目前，各类无人机可以应用于微波链路、军事监视、交通管理、科学研究、大气监测、地理测绘、森林防火、应急救援等领域。

无人机航拍图像序列的快速目标跟踪是非常复杂的，这个过程需要使用低成本和高性能的技术，特别是无人机系统接收天底相机获取的视频帧，然后将纹理特征输入图像序列目标跟踪系统的过程。此外，在实际飞行过程中，需要修正帧的旋转和缩放信息来提高无人机仪表导航性能，跟踪速度慢。

技术实现要素：

本发明的目的在于针对现有技术的缺陷和不足，提供了一种面向无人机航拍图像序列的空中目标快速跟踪方法。

为实现上述目的，本发明采用的技术方案是：

面向无人机航拍图像序列的空中目标快速跟踪方法，其步骤是：

1、假设当前时钟为T，那么t时刻的观测集可以表示为Z(t)，i∈{1，2，...T}，t时刻的观测数则表示为M_k＝|Z(t)|，数据关联过程可以描述为寻找集合Z到轨道集Tr的分割方案；进一步假设Z是在[t₀，t₀+T]时间范围内与轨道集T_r关联的图像序列，并且轨道集T_r一直保留到t₀+T-1时刻；

2、从无人机航拍图像序列中获得轨道集，选中某个特定时间，将轨道集分解成轨道；

3、在帧A中选择目标，使用基于滑动时间窗的MHT算法聚类轮廓，构造目标对象；

4、检测目标对象的SIFT描述符，采用多假设跟踪，预测SIFT描述符所在的下一帧B；

5、使用基于滑动时间窗的MHT算法最大化轨迹关联的后验概率，将轨道进行分类；

6、检测帧B中的目标，如果检测到，则继续跟踪，否则跟踪结束。

7、将所有轨道片段迭代合并，直到没有更多的片段可以合并为止。

进一步，所述轨道分类的步骤是：

1、删除Z中与轨道集T_r关联的图像序列；

2、构建具有门控的多假设树，然后将保存在T上的图像序列分配到轨道集T_r上；

3、将多种假设聚集成不相交的树；

4、利用贪婪随机自适应局部搜索算法获取轨道集

5、如果集中的某个轨道是从T_r中延伸的，那么将其划分到“继续跟踪类”；如果集中的某个轨道不与T_r中的其他轨道重叠，那么将其划分到“新轨道类”；剩下的轨道划分到t₀+T-1时刻结束的“结束类”。

本发明的有益效果为：

1、利用多假设跟踪(MHT)算法跟踪对象(目标)的一系列图像序列。

2、使用SIFT特征描述无人机航拍图像的视觉内容。

3、基于多维分配公式和滑动时间窗方案，构建MHT框架。

4、跟踪速度快、跟踪精确。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明。

实施例：

面向无人机航拍图像序列的空中目标快速跟踪方法是：

1.假设当前时钟为T，那么t时刻的观测集可以表示为Z(t)，i∈{1，2，...T}，t时刻的观测数则表示为M_k＝|Z(t)|。因此，数据关联过程可以描述为寻找集合Z到轨道集Tr的分割方案。

进一步假设Z是在[t₀，t₀+T]时间范围内与轨道集T_r关联的图像序列，并且轨道集T_r一直保留到t₀+T-1时刻。

2.从无人机航拍图像序列中获得轨道集，选中某个特定时间，将轨道集分解成轨道；

3.在帧A中选择目标，使用基于滑动时间窗的MHT算法聚类轮廓，构造目标对象；

4.检测目标对象的SIFT描述符，采用多假设跟踪，预测SIFT描述符所在的下一帧B；

5.使用基于滑动时间窗的MHT算法最大化轨迹关联的后验概率；将轨道进行分类，具体步骤如下：

5.1：删除Z中与轨道集T_r关联的图像序列；

5.2：构建具有门控的多假设树，然后将保存在T上的图像序列分配到轨道集T_r上；

5.3：将多种假设聚集成不相交的树；

5.4：利用贪婪随机自适应局部搜索算法获取轨道集

5.5：轨道分类：

a)如果集中的某个轨道是从T_r中延伸的，那么将其划分到“继续跟踪类”。

b)如果集中的某个轨道不与T_r中的其他轨道重叠，那么将其划分到“新轨道类”。

c)剩下的轨道划分到t₀+T-1时刻结束的“结束类”。

6.检测帧B中的目标，如果检测到，则继续跟踪，否则跟踪结束。

7.将所有轨道片段迭代合并，直到没有更多的片段可以合并为止。

本具体实施方式利用多假设跟踪(MHT)算法跟踪对象(目标)的一系列图像序列，使用SIFT特征描述无人机航拍图像的视觉内容，基于多维分配公式和滑动时间窗方案，构建MHT框架，跟踪速度快、跟踪精确。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。