(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 202210046007.1 (22)申请日 2022.01.14 (71)申请人 北京理工大 学重庆创新中心 地址 401120 重庆市渝北区龙兴镇曙光路9 号9幢 申请人 北京理工大 学 (72)发明人 许廷发　王磊　李佳男　陈俊杰　 郭佳鑫　 (74)专利代理 机构 成都九鼎天元知识产权代理 有限公司 51214 专利代理师 刘世权 (51)Int.Cl. G06V 20/10(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 无人机目标跟踪方法、 装置、 无人机及存储 介质 (57)摘要 本发明公开了一种无人机目标跟踪 方法、 装 置、 无人机及存储介质， 该方法包括获取第一图 像帧， 提取目标标注框的HOG特征和CN特征， 训练 获得第一滤波器和第二滤波器， 提取第二图像帧 的HOG特征和CN特征， 利用第一滤波器和第二滤 波器对第二图像帧的HOG特征和CN特征执行相关 操作， 获得第一响应图像和第二响应图像， 根据 第一响应图像和第二响应图像， 获得最终响应图 像， 并确定目标跟踪结果。 本发明通过当前帧图 像的多特征自适应融合， 获得最终响应图像， 并 根据最终响应图像确定目标跟踪结果， 实现自适 应的显著特征提取和防退化在 线模型更新， 提高 了无人机在目标被遮挡、 形变或丢失时目标跟踪 的精度。 权利要求书2页 说明书10页 附图2页 CN 114639010 A 2022.06.17 CN 114639010 A 1.一种无 人机目标跟踪方法， 其特 征在于， 所述方法包括以下步骤： 获取第一图像帧； 其中， 所述第一图像帧具有目标 标注框； 提取所述目标标注框 的HOG特征和CN特征， 并根据所述HOG特征和所述CN特征， 分别训 练获得第一滤波器和第二滤波器； 在接收到第二图像帧时， 提取所述第二图像帧的HOG特征和CN特征， 利用所述第一滤波 器和所述第二滤波器对所述第二图像帧的HOG特征和CN特征执行相关操作， 获得第二图像 帧的第一响应图像和第二响应图像； 根据所述第一响应图像和所述第二响应图像关于所述HOG特征和所述CN特征的置信 度， 将所述第一响应图像和所述第二响应图像互补融合， 获得最终响应图像； 根据所述 最终响应图像的最大值对应的坐标， 获得目标跟踪结果。 2.如权利要求1所述的无人机目标跟踪方法， 其特征在于， 所述根据所述第 一响应图像 和所述第二响应图像关于所述HOG特征和所述CN特征的置信度， 将所述第一响应图像和所 述第二响应图像互补融合， 获得最终响应图像步骤之前， 所述方法还 包括： 根据目标状态评估指标和置信度评估函数， 对所述第 一响应图像和所述第 二响应图像 进行质量评价， 获得 所述HOG特征和所述CN特 征的置信度。 3.如权利要求2所述的无人机目标跟踪方法， 其特征在于， 所述目标状态评估指标的表 达式为： 其中， Mi,j代表大小为W*H的响应图像在(i,j)处的响应值， T为预设的响应强度， 指示函 数1[Mi,j>T]在Mi,j>T的情况 下等于1， 否则等于 0； 所述置信度评估函数的表达式为： 其中， υi代表第i个特 征的特征向量的占比， ξ和 θ 为超参数。 4.如权利要求3所述的无人机目标跟踪方法， 其特征在于， 所述将所述第 一响应图像和 所述第二响应图像互补融合的表达式为： 其中， fi和ft分别代表第i个特 征的特征向量和最终的融合特 征。 5.如权利要求4所述的无人机目标跟踪方法， 其特征在于， 所述根据所述最终响应图 像， 获得目标跟踪结果 步骤之后， 所述方法还 包括： 根据所述置信度， 获得 所述HOG特征和所述CN特 征的学习率； 基于所述学习率， 更新所述HOG特征和CN特征， 并利用更新后的所述HOG特征和所述CN 特征， 训练第一滤波器和第二滤波器； 返回执行在接收到第二图像帧时， 提取所述第二图像帧的HOG特征和CN特征， 利用所述权　利　要　求　书 1/2 页 2 CN 114639010 A 2第一滤波器和所述第二滤波器对所述第二图像帧的HOG特征和 CN特征执行相关操作， 获得 第一响应图像和第二响应图像步骤。 6.如权利要求5所述的无人机目标跟踪方法， 其特征在于， 所述更新所述HOG特征和CN 特征的表达式为： 式中， ^代表对信号进行DFT变换， 和 分别代表第k帧第i个特征对应的模板向 量和当前视频图像搜索区域的特征向量， ηik为第k帧第i个特征对应的学习 率， ηi为每帧对 应特征的学习率， η0为基础学习率 值。 7.如权利要求1所述的无人机目标跟踪方法， 其特征在于， 所述训练第 一滤波器和第 二 滤波器步骤， 具体包括： 基于目标中心的约束以及相邻两帧图像的第一响应图之间和第二响应图之间的约束 项， 构建目标函数； 对所述目标函数进行迭代求 解， 获得训练后的第一滤波器和所述第二滤波器。 8.一种无 人机目标跟踪装置， 其特 征在于， 所述无 人机目标跟踪装置包括： 获取模块， 用于获取第一图像帧； 其中， 所述第一图像帧具有目标 标注框； 训练模块， 用于提取所述目标标注框的HOG特征和CN特征， 并根据所述HOG特征和所述 CN特征， 分别训练获得第一滤波器和第二滤波器； 提取模块， 用于在接收到第二 图像帧时， 提取所述第二 图像帧的HOG特征和CN特征， 利 用所述第一滤波器和所述第二滤波器对所述第二图像帧的HOG特征和CN特征执行相关操 作， 获得第一响应图像和第二响应图像； 融合模块， 用于根据所述第一响应图像和所述第二响应图像关于所述HOG特征和所述 CN特征的置信度， 将所述第一响应图像和所述第二响应图像互补融合， 获得最终响应图像； 跟踪模块， 用于根据所述 最终响应图像的最大值对应的坐标， 获得目标跟踪结果。 9.一种无 人机， 其特 征在于， 所述无 人机包括： 无人机目标跟踪设备， 所述无人机目标跟踪设备包括： 存储器、 处理器及存储在所述存 储器上并可在所述处理器上运行的无人机目标跟踪程序， 所述无人机目标跟踪程序被所述 处理器执行时实现如权利要求1至7中任一项所述的无 人机目标跟踪方法的步骤。 10.一种存储介质， 其特征在于， 所述存储介质上存储有无人机目标跟踪程序， 所述无 人机目标跟踪程序被处理器执行时实现如权利要求1至7中任一项所述的无人机目标跟踪 方法的步骤。权　利　要　求　书 2/2 页 3 CN 114639010 A 3