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：南京信息工程大学

摘要：本发明公开了一种无人机视觉强跟踪方法、系统及设备，属于无人机目标检测与跟踪领域，基于判别尺度空间跟踪器引入一种新的滤波状态监督器宽度学习系统，用于解决判别尺度空间跟踪器中滤波器退化，即不能及时发现目标由旋转引起的异常状态并校正的问题。将滚动标准值作为宽度学习系统的监督对象以此来及时发现目标的异常。最后，通过建立旋转角度记忆库来进行异常校正。旋转角度记忆库是通过在第一帧中以一定角度旋转目标并获取旋转目标包围框的大小而制备的。在宽度学习系统发现滚动标准值出现异常状态时，就通过搜索旋转角度记忆库，对异常滤波状态进行适当的调整，从而实现判别尺度空间跟踪器优化的自调整，使其达到较好的跟踪效果。

主权项：1.一种无人机视觉强跟踪方法，其特征在于，包括：基于视频中的第一帧中目标的位置和大小，确定第一帧中的目标区域；将第一帧中的目标区域中的目标旋转若干角度，提取不同角度下对应的目标包围框的宽高比，来构建目标旋转记忆库；基于判别尺度空间跟踪器获取目标的位置滤波模型和尺度滤波模型；基于位置滤波模型和尺度滤波模型获取位置和尺度的响应图，并通过响应图获取滚动标准值；根据滚动标准值判断跟踪过程中，跟踪信号的目标包围框是否将目标全部包围；若否，则从目标旋转记忆库中重新选取目标包围框的宽高比，使得目标包围框将目标全部包围；若是，基于响应图输出目标的位置和尺度信息，实现对目标的抓取；所述位置滤波模型At-1,trans，Bt-1,trans和尺度滤波模型At-1,scale，Bt-1,scale的获取，包括以下步骤：第一帧中的目标区域输入到判别尺度空间跟踪器中，进行模型训练，推导出目标样本每个通道的滤波器hl，其离散傅里叶变换为Hl： 在式1中，gt为对应的滤波器响应输出，由高斯函数构建得出；G表示为g的离散傅里叶变换，表示G的复共轭，f表示特征，d为f特征对应的特征深度层数，l为f中每一层的特征；F表示f的离散傅里叶变换，λ为权重参数；将滤波模型Hl拆分成分子At和分母Bt，设ft表示当前帧的图像特征，前一帧目标位置记为pt-1，前一帧的目标尺度记为st-1；得到目标样本的位置滤波模型At-1,trans，Bt-1,trans与尺度滤波模型At-1,scale，Bt-1,scale。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种无人机视觉强跟踪方法、系统及设备