买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京航空航天大学

摘要：本发明提供了一种基于空地协同的目标跟踪方法及系统，涉及智能空地协同系统和人工智能深度学习交叉领域，方法包括：空地端分别拍摄目标区域的图像数据；天空端采用跨时序特征提取网络对相邻时序的本地图像数据进行相似特征提取，利用自适应时序融合编解码模块进行修正，进而预测目标检测结果；地面端采用自适应锚检测模块预测目标检测结果；天空端和地面端分别将异地目标检测结果和本地目标检测结果进行融合。本发明在空地端交互时，采用的是目标检测结果；天空端进行目标检测时，采用神经网络提取跨时序相似特征图，又采用自适应时序融合编解码模块进行修正；既解决了天空端本地计算资源和通信带宽受限的问题，又提高了目标检测结果的质量。

主权项：1.一种基于空地协同的目标跟踪方法，其特征在于，所述方法包括：天空端拍摄目标区域的图像数据，得到天空端图像数据；地面端拍摄目标区域的图像数据，得到地面端图像数据；天空端采用跨时序特征提取网络对相邻时序的所述天空端图像数据进行相似特征提取，得到跨时序相似特征图，利用自适应时序融合编解码模块修正所述跨时序相似特征图，预测修正后的跨时序相似特征图中的目标检测结果，并将所述目标检测结果传输到地面端；其中，采用跨时序特征提取网络对相邻时序的所述天空端图像数据进行相似特征提取，具体包括：采用经过预训练的残差卷积神经网络分别提取相邻时序的所述天空端图像数据的高层语义特征；采用全局平均池化操作分别提取所述高层语义特征的描述子；将前一时序的描述子作为时序学习模版，将前后时序的高层语义特征和描述子输入时序自适应校准卷积网络，得到当前时序的所述跨时序相似特征图，见如下公式： 其中，★表示深度互相关操作，σ·表示1×1卷积操作，Wa和ba分别是可学习的权重和偏差；公式1描述了将时序学习模版Z、当前帧描述子当前帧语义特征以及前一帧语义特征作为输入，经过TAC-Conv卷积网络得到当前时刻的初始相似度公式2描述了当输入为描述子和语义特征X时，TAC-Conv卷积网络的运算过程；当前时刻跨时序相似度特征地面端采用自适应锚检测模块预测所述地面端图像数据中的目标检测结果，并将所述目标检测结果传输到天空端；天空端和地面端分别将异地目标检测结果和本地目标检测结果进行融合，得到协同融合检测结果；所述异地目标检测结果为接收到的目标检测结果。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于空地协同的目标跟踪方法及系统