CN115272393B 用于无人机的视频流目标跟踪方法、装置及存储介质 （中国电子科技集团公司第五十四研究所）

本发明公开了一种用于无人机的视频流目2S1：对无人机实时视频流的图像帧进行目标检通过步骤S7执行的步骤S6还包括：确定所述特征样本库中的深度IOU匹配，并对重新检测到的目标位置信息对应的深度特征信息与所述特征样本库的深度步骤S2的具体方式为：在地面站通过交互方式选取目标5.根据权利要求1所述的一种用于无人机的视频配程度和深度特征的匹配程度的权重系数λ随着特征样本库的深度特征信息样本量增加3目标初检模块，用于采用mobilenet_SSD的检测模型对无人机的实时视频流中每一帧权利要求1_6中任一项所述的一种用于无人机的视频流目标跟4资源设备上进行部署，传统的跟踪算法由于时间和环境原因也难以较为稳定地跟住目标。长时间跟踪出现大偏移或在目标离开视野并重新进入视野后如何重新匹配并能够在现有的有限的计算资源限制下实现可行5大于IOU阈值且交并比最大的目标位置信息作为更新后的进行IOU匹配，并对重新检测到的目标位置信息对应的深度特征信息与所述特征样本库的[0028]目标初检模块，用于采用mobilenet_SSD的检测模型对无人机的实时视频流中每6[0045]图1为本发明实施例一提供的一种用于无人机的视频流目标跟踪方法的流程图，[0046]步骤S1、采用mobilenet_SSD的检测模型对无人机的实时视频流中每一帧图像进[0049]mobilenet主要是为了适用于移动端而提出的一种轻量级深度网络模型。主要使用了深度可分离卷积(DepthwiseSeparableConvolution)将标准卷积核进行分解计算，7[0051]深度可分离卷积是将一个标准的卷积核分成深度卷积核和1*1的点卷积核，假设踪目标跟踪预设的帧数，则停止跟踪并执行步骤S1进行目标检测,重新检测到的目标位置[0057]其中，KCF为KernelCorrelationFilter核相关滤波算法。是在2014年由JoaoF.Henriques,RuiCaseiro,PedroMartins,andJorgeBatista提出来的，不论是在跟踪大于IOU阈值且交并比最大的目标位置信息作为更新后的将重新检测到的目标位置信息与之前的跟踪目标的位置信息进行IOU匹配，同时重新检测8到的目标位置信息对应的深度特征信息与特征样本库的深度特征信息进行余弦距离计算[0064]C=λd(1)+(1_λ)d(2)匹配程度和深度特征的匹配程度的权重系数λ随着特征样本库的深度特征信息样本量增加一阶段输入目标的编号信息后读取此编号信息对应的位置信息box，同时将此目标的位置信息作为输入用以初始化MOSSE或KCF跟踪器，并在后续帧中通过跟踪算法持续跟踪此目并将重新检测到的所有目标位置信息与之前的跟踪目标box信息进行IOU匹配，将大于IOU阈值且交并比最大的检测框作为更新后的目标位置并将此位置信息用于重新初始化MOSSE9[0074]C=λd(1)+(1_λ)d(2)[0077]如图5为本发明的实施例三还提供一种于无人机的视频流目标跟踪装置的结构框检测目标ID.[0079]目标确定模块320，用于选取所述检测目标ID中的至少一个对应的检测目标作为[0080]初始化模块330，用于将所述跟踪目标的位置信息输入MOSSE或KCF跟踪器以进行[0081]目标跟踪模块340，用于通过所述MOSSE或KCF跟踪器在后续所述无人机的实时视[0082]该用于无人机的视频流目标跟踪装置也能实现用于无人机的视频流目标跟踪方有指令，所述指令运行时执行前述实施例提供的任一种用于无人机的视频流目标跟踪方出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质