(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210735571.4 (22)申请日 2022.06.27 (71)申请人 北京理工雷 科电子信息技 术有限公 司 地址 100081 北京市海淀区中关村南大街5 号2区683号楼理工科技大厦401 (72)发明人 刘峰　梁若飞　高净植　赵爱玲　 (74)专利代理 机构 北京艾纬铂知识产权代理有 限公司 16101 专利代理师 高会允 (51)Int.Cl. G06V 20/17(2022.01) G06V 20/40(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01)G06V 10/50(2022.01) G06V 10/44(2022.01) (54)发明名称 一种低空无 人机视频跟踪方法 (57)摘要 本发明提供了一种低空无人机视频跟踪方 法， 能够对低空防御中的 “低小慢”进行视频跟 踪， 准确、 实时地定位跟踪目标位置。 在KCF算法 框架下， 本发 明采用岭回归分类器和多维筛选模 块结合的方法， 使捕获过程精准化， 解决目标特 定部位锁定、 辨识及跟踪过程中的关键问题。 本 发明针对反无人机系统远距离检测跟踪需求， 在 光电探测系统下分析空中目标识别、 锁定、 跟踪 过程中由远及近、 由小到大的多阶段协同作战任 务关联， 以关注目标的形态、 尺度、 特性变化为参 考， 将以特定部位辨识锁定为技术核心的过程划 分为三个模态阶段， 并在每阶段采 取有针对性的 智能化处理手段， 最终实现对低空防御中弱小目 标光电系统下全天候的侦测跟踪。 权利要求书1页 说明书7页 附图1页 CN 115410097 A 2022.11.29 CN 115410097 A 1.一种低空无 人机视频跟踪方法， 其特 征在于， 具体步骤 包括： 步骤一、 对视频中的每一帧图像进行增强处理并背景建模， 提取跟踪目标的外接矩形 框， 完成初步筛选； 将外接矩形框输入SORT算法， 与SORT算法的预测框进行匈牙利匹配， 匹 配结果经 过卡尔曼 滤波， 得到跟踪目标每一帧的预测框； 步骤二、 提取 预测框中图像块的HO G特征； 对图像块稠密采样， 得到正负 样本； 步骤三、 将HOG特征和正负样本输入岭回归分类器， 得到目标的位置信息； 同时， 将正负 样本输入多维筛 选模块， 得到含有目标的图像块； 步骤四、 将含有目标的图像块和目标的位置信息进行特征融合， 得到跟踪目标的最终 位置。 2.如权利要求1所述的方法， 其特征在于， 所述多维筛选模块包括三维筛选模块、 级联 决策树模块和最近邻筛 选模块。 3.如权利要求2所述的方法， 其特征在于， 所述将正负样本输入多维筛选模块， 得到含 有目标的图像块， 具体方法为： 首先， 正负样本 中的所有图像块输入三维筛选模块， 通过统计特性筛选， 去除灰度值方 差低于外接矩形框的灰度值方差的50％的图像块； 接着， 所有图像块输入级联决策树模块 进行筛选， 得到后验概率的均值大于50％的图像块； 最 终， 将图像块输入最近邻筛选模块与 现有模板进行相似度分析， 筛 选出相似度大于给定阈值的图像块， 作为含有目标的图像块。 4.如权利要求1或2所述的方法， 其特 征在于， 所述 步骤四具体为： 岭回归分类器与多维筛选模块都能得到跟踪目标的位置信 息， 并且位置信 息重叠度不 小于0.6时， 则将岭回归分类器得到的跟踪目标位置信息与多维筛选模块得到的跟踪目标 位置信息按10:1的权 重进行加权平均， 得到跟踪目标的最终位置； 当岭回归分类器与多维筛选模块得到的位置信息重叠度小于0.6， 并且多维筛选模块 得到的跟踪目标位置信息更加 准确时， 则由多维筛选模块的跟踪目标位置信息为准， 重新 初始化跟踪目标的位置信息， 再次提取HO G特征输入岭回归分类 器与多维筛 选模块； 当多维筛选模块得到跟踪目标的位置信 息时， 以岭回归分类器的位置信 息作为跟踪目 标的最终位置 。 5.如权利要求1所述的方法， 其特征在于， 所述对视频中的每一帧图像进行增强处理并 背景建模， 提取跟踪目标的外 接矩形框， 完成初步筛 选， 具体方法为： 将每一帧图像进行设定尺度的缩放， 在每个尺度 下计算每个像素点及其局部的方差与 局部熵， 计算方差与局部熵乘积最大与最小值之差， 归一化到原始尺度下， 构建尺度一致性 感知模型， 以表征图像中的所有像素， 凸显目标区域； 将增强处理后的图像进行背景建模， 根据运动位移特性进行虚警过 滤， 得到二 值化后的跟踪目标轮廓为外 接矩形框 。权　利　要　求　书 1/1 页 2 CN 115410097 A 2一种低空无人机 视频跟踪方法 技术领域 [0001]本发明涉及机器学习和深度学习的技术领域， 具体涉及 一种低空无人机视频跟踪 方法。 背景技术 [0002] [0003]国内针对“低小慢”无人飞行器的监管措施和反制手段研究起步较晚， 设备效能有 限。 目前， 发现、 跟踪、 反制 “低小慢”航空器的技术能力有限， 仅依靠人工视觉监视、 线下海 量视频影像筛选的方式， 已难以适应军事要地防护中实时、 快速、 精确捕获 “低小慢”目标的 迫切需求。 此外， “低小慢”航空器具有飞行高度低、 运动速度 慢、 目标弱小的特点， 借助单一 探测手段已难以有效将该类目标从大视场复杂空域中剥离， 难以实现对 “低小慢”目标的稳 定跟踪及确认。 [0004]因此， 目前亟需一种跟踪方法， 能够对 “低小慢”的无人机 飞行器进行高时效、 高精 度的检测跟踪。 发明内容 [0005]有鉴于此， 本 发明提供了一种低空无人机视频跟踪方法， 能够对低空防御中的 “低 小慢”无人机进行视频跟踪， 准确、 实时地定位跟踪目标位置 。 [0006]为达成上述发明目的， 本发明的技 术方案为： [0007]一种低空无 人机视频跟踪方法， 具体步骤 包括： [0008]步骤一、 对视频中的每一帧图像进行增强处理并背景建模， 提取跟踪 目标的外接 矩形框， 完成初步筛选； 将外接矩形框输入SORT算法， 与SORT算法的预测框进行匈牙利匹 配， 匹配结果经 过卡尔曼 滤波， 得到跟踪目标每一帧的预测框 。 [0009]步骤二、 提取 预测框中图像块的HO G特征； 对图像块稠密采样， 得到正负 样本。 [0010]步骤三、 将HOG特征和正负样本输入岭回归分类器， 得到目标的位置信息； 同时， 将 正负样本输入多维筛 选模块， 得到含有目标的图像块。 [0011]步骤四、 将含有 目标的图像块和目标的位置信息进行特征融合， 得到跟踪 目标的 最终位置 。 [0012]进一步的， 多维筛 选模块包括 三维筛选模块、 级联决策树模块和最近邻筛 选模块。 [0013]进一步的， 将正负 样本输入多维筛 选模块， 得到含有目标的图像块， 具体方法为： [0014]首先， 正负样本中的所有图像块输入三维筛选模块， 通过统计特性筛选， 去除灰度 值方差低于外接矩形框的灰度值方差的50％的图像块； 接着， 所有图像块输入级联决策树 模块进行筛选， 得到后验概率的均值大于50％的图像块； 最 终， 将图像块输入最近邻筛选模 块与现有模板进行相似度分析， 筛选出相似度大于给定阈值的图像块， 作为含有目标的图 像块。 [0015]进一步的， 步骤四具体为：说　明　书 1/7 页 3 CN 115410097 A 3