基于特征权重池的动态特征选择的无人机视觉跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113808171A(43)申请公布日2021.12.17(21)申请号202111134051.X(22)申请日2021.09.27(71)申请人山东工商学院地址264003山东省烟台市莱山区滨海中路191号(72)发明人安志勇王秀敏李博张斌(74)专利代理机构北京中创博腾知识产权代理事务所(普通合伙)11636代理人孙福岭(51)Int.Cl.G06T7/246(2017.01)G06T7/277(2017.01)G06N3/04(2006.01)权利要求书2页说明书5页附图7页(54)发明名称基于特征权重池的动态特征选择的无人机视觉跟踪方法(57)摘要基于特征权重池的动态特征选择的无人机视觉跟踪方法，首先读取跟踪序列；然后提取目标特征，使用特征权重池中的特征权重对目标特征进行加权，获取多个加权后的特征通道；将所有特征通道与偏移滤波器进行卷积，获取多个响应图；计算响应图的峰值旁瓣比，记录下最优响应图对应的特征权重及峰值；使用EdgeBoxes提取建议，放弃评分过高或过低的建议，提取建议区域特征，使用保留的特征权重加权，随后与模型外观做高斯相关操作，得到建议的置信度，如果建议的置信度高于峰值，则保留建议。最后将建议尺度与基线滤波器估计的尺度进行线性融合。本发明在目标发生尺度变化、背景扰动等复杂挑战下，有效提高了跟踪器对小目标跟踪的整体性能。CN113808171ACN113808171A权利要求书1/2页1.基于特征权重池的动态特征选择的无人机视觉跟踪方法，其特征在于，包括以下步骤：步骤1：读取跟踪序列，获取跟踪目标的位置信息及尺度信息；步骤2：提取目标特征，使用特征权重池中的特征权重对目标特征进行加权，获取多个加权后的特征通道；步骤3：将所有特征通道与偏移滤波器进行卷积，获取多个响应图；步骤4：计算响应图的峰值旁瓣比，使用峰值旁瓣比最高的响应图作为目标所处的位置的判断依据，并记录下最优响应图对应的特征权重及峰值；步骤5：使用EdgeBoxes提取建议，建议中包括随机纵横比的尺度信息以及尺度信息对应的评分；步骤6：放弃评分过高或过低的建议，筛选后的建议使用特征权重加权，随后与模型外观做高斯相关操作，得到建议的置信度，如果建议的置信度高于峰值，则保留建议；步骤7：将建议尺度与基线滤波器估计的尺度进行线性融合。2.根据权利要求1所述的基于特征权重池的动态特征选择的无人机视觉跟踪方法，其特征在于，步骤2的具体步骤如下：提取目标特征，形成特征通道xt，使用特征权重池P中的特征权重对目标特征进行加权，获取多个加权后的特征通道,可分为如下步骤：S2.1特征权重池为：S2.2使用特征权重池对特征通道进行加权：其中，xt是具有多个通道的特征；是特征权重池中的一组特征权重。3.根据权利要求1所述的基于特征权重池的动态特征选择的无人机视觉跟踪方法，其特征在于，步骤3的具体步骤如下：将所有特征通道与偏移滤波器ft‑1进行卷积，获取多个响应图Ri：iR＝Xt*ft‑1(3)4.根据权利要求1所述的基于特征权重池的动态特征选择的无人机视觉跟踪方法，其特征在于，步骤4的具体步骤如下：计算响应图的峰值旁瓣比PSR(Ri)，使用峰值旁瓣比最高的响应图作为目标所处的位置的判断依据，并记录下最优响应图对应的特征权重及峰值，可分为如下步骤：S4.1计算响应图的峰值旁瓣比：PSR(Ri)为第i个响应图的峰值旁瓣比，为第i个响应图峰值，为第i个响应图均值，std(Ri)为第i个响应图的方差；S4.2记录下最优响应图对应的特征权重：2CN113808171A权利要求书2/2页S4.3记录下最优响应图对应的峰值：5.根据权利要求1所述的基于特征权重池的动态特征选择的无人机视觉跟踪方法，其特征在于，步骤5的具体步骤如下：EdgeBoxes利用边缘信息，判断搜索区域内的物体个数及物体尺度信息，输出随机纵横比的尺度信息以及尺度信息对应的评分。6.根据权利要求1所述的基于特征权重池的动态特征选择的无人机视觉跟踪方法，其特征在于，步骤6的具体步骤如下：放弃评分过高或过低的建议，提取筛选后建议的目标特征，使用特征权重加权，随后将加权后特征与模型外观做高斯相关操作，得到建议的置信度，如果建议的置信度高于峰值，则保留建议，可分为如下步骤：S6.1放弃评分过高或过低的建议：当评分大于阈值0.9时，EdgeBoxes提出的信息与前一帧的信息基本相同，当评分小于阈值0.6时，建议包含过多的干扰信息；S6.2将建议特征与模型外观做高斯相关操作：ωt是高斯置信度，如果大于最优响应图对应的峰值则表明建议有效，否则放弃建议，是偏移滤波器向量化后的转置向量，e是历史帧目标特征进行线性融合得到目标外观，F‑1是傅里叶逆变换符号