多特征融合尺度自适应无人机跟踪方法

涂 婷,周志峰,周 围,庞正雅

(1.上海工程技术大学 机械与汽车工程学院,上海 201620；2.陆军装备部驻湘潭地区军事代表室,湖南 湘潭 411100)

0 引 言

四旋翼无人机因外观小巧,易于隐蔽等特点被广泛应用于测绘、监测等领域。在一些特定场景中,需要时刻关注无人机飞行状况,因此对无人机进行视觉跟踪显得尤为重要,而实现高效率的视觉跟踪的挑战在于对目标进行合理的表观表达以及选择合适的跟踪策略。文献[1]中已经验证了多特征融合技术能够有效地提高目标跟踪性能。文献[2]提出通过融合底层颜色、纹理和边缘特征信息来提高算法的鲁棒性。官洪运等人提出了一种特征融合的LCT算法,在梯度方向直方图特征的基础上提取颜色直方图特征,得到目标预测位置,随后根据置信度确定特征融合权重,综合考虑多特征的跟踪结果[3]。文献[4]提出了一种基于视觉显著性的均值漂移跟踪算法,可以在相机晃动的场景下准确跟踪目标。文献[5]提出一种改进的基于多通道记忆模型的核相关滤波(kernel correlation filtering,KCF)跟踪算法,在遮挡、形变和背景复杂的情况下能够较好地跟踪。朱明敏等人结合了KCF跟踪器和光流法的检测器提出了一种长时核相关滤波器(long time kernel correlation filter,LKCF),对快速运动目标具有较强的适应能力[6],但无法适用于背景与目标相似的场景。文献[7]通过融合KCF和时空上下文(STC)跟踪器,提高跟踪性能,能够较好地跟踪运动模糊和快速运动的目标。

四旋翼无人机外观小巧,运动速度快,在运动过程中极易出现旋转、遮挡、光照变化等问题,若要较好地跟踪该目标需要一种快速稳定的跟踪算法。……