申请/专利权人：深圳慧源创新科技有限公司

申请日：2018-10-23

公开（公告）日：2024-05-17

公开（公告）号：CN109636833B

主分类号：G06T7/262

分类号：G06T7/262;G06T7/246

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2020.11.03#实质审查的生效;2019.04.16#公开

摘要：本发明公开了一种基于感知hash算法的无人机跟随防跳变方法及终端，方法包括获取目标图片，选定主目标，利用感知hash算法提取所述主目标的特征描述算子；持续获取后续的图片，执行目标监控流程对所述主目标进行持续监控，并根据主目标的坐标位置变化运行无人机跟随控制算法；本发明的基于感知hash算法的无人机跟随防跳变方法及终端，通过使用感知hash算法提取主目标与待定目标的特征描述算子，并计算待定目标与主目标的汉明距离判断哪个待定目标为主目标，实现单目标情形下防止目标跳变以及多目标情形下锁定主目标的目的，大大提升无人机的跟随能力，具有很强的实用性。

主权项：1.基于感知hash算法的无人机跟随防跳变方法，其特征在于，包括获取目标图片，选定主目标，利用感知hash算法提取所述主目标的特征描述算子；持续获取后续的图片，执行目标监控流程对所述主目标进行持续监控，并根据主目标的坐标位置变化运行无人机跟随控制算法；所述目标监控流程包括利用感知hash算法提取所述图片中的每个待定目标的特征描述算子，并计算每个待定目标的特征描述算子与所述主目标的特征描述算子的汉明距离；判断每个所述汉明距离与设定阈值的关系，认定汉明距离小于设定阈值所对应的待定目标为更新后的主目标；根据更新后的主目标更新主目标的特征描述算子。

全文数据：基于感知hash算法的无人机跟随防跳变方法及终端技术领域本发明涉及无人机跟随技术领域，特别是涉及一种基于感知hash算法的无人机跟随防跳变方法及终端。背景技术当前无人机目标跟随技术主要是通过对视频图像中指定目标的坐标位置变化规律进行分析，得到目标的实际位置变化轨迹，进而控制无人机进行跟随。单目标情况下这种技术基本没有什么问题，但当视频图像中出现多个目标时，这种技术就会出现问题，算法很难判断哪一个才是需要跟随的目标，导致跟随失败。发明内容发明目的：为了克服现有技术中存在的不足，本发明提供一种基于感知hash算法的无人机跟随防跳变方法及终端，旨在解决现有技术中视频图像中出现多个目标时无法判断跟随目标的问题。技术方案：为实现上述目的，本发明的基于感知hash算法的无人机跟随防跳变方法，包括获取目标图片，选定主目标，利用感知hash算法提取所述主目标的特征描述算子；持续获取后续的图片，执行目标监控流程对所述主目标进行持续监控，并根据主目标的坐标位置变化运行无人机跟随控制算法；所述目标监控流程包括利用感知hash算法提取所述图片中的每个待定目标的特征描述算子，并计算每个待定目标的特征描述算子与所述主目标的特征描述算子的汉明距离；判断每个所述汉明距离与设定阈值的关系，认定汉明距离小于设定阈值所对应的待定目标为更新后的主目标；根据更新后的主目标更新主目标的特征描述算子。进一步地，所述选定主目标具体包括判断所述目标图片中包含的目标的数量，若为单目标，则选定该目标为主目标；若为多目标，则选定一个目标作为主目标。进一步地，所述利用感知hash算法提取所述图片中的每个待定目标的特征描述算子具体包括判断所述图片中包含的待定目标的数量；若所述待定目标的数量为单个，则利用感知hash算法直接提取该待定目标的特征描述算子；若所述待定目标的数量为多个，则分别利用感知hash算法分别提取该待定目标的特征描述算子。进一步地，所述判断每个所述汉明距离与设定阈值的关系，认定汉明距离小于设定阈值所对应的待定目标为更新后的主目标之后还包括若所有的所述汉明距离均大于设定阈值，则重新获取目标图片，选定主目标，利用感知hash算法提取所述主目标的特征描述算子。进一步地，利用感知hash算法提取主目标或待定目标的特征描述算子的流程包括将图像缩小至设定尺寸；将缩小后的图像转化为灰度图像；对灰度图像进行DCT变换，得到灰度图像的大小为32x32的DCT系数矩阵；提取所述DCT系数矩阵左上角的大小为8x8的矩阵；计算所提取出的8x8的矩阵的均值；对所述8x8的矩阵设置由0与1组成的64bit的hash值作为其特征描述算子，具体为：8x8的矩阵中大于等于所述均值的系数对应的bit位记为1，小于均值的系数对应的bit位记为0。进一步地，所述计算每个待定目标的特征描述算子与所述主目标的特征描述算子的汉明距离具体包括将所述待定目标的特征描述算子与所述主目标的特征描述算子进行异或运算得出运算结果，并统计所述运算结果中1的数量得到汉明距离。终端，所述终端包括处理器以及存储器；所述存储器用于存储可执行程序；所述处理器用于执行所述可执行程序以实现上述的基于感知hash算法的无人机跟随防跳变方法。有益效果：本发明的基于感知hash算法的无人机跟随防跳变方法及终端，通过使用感知hash算法提取主目标与待定目标的特征描述算子，并计算待定目标与主目标的汉明距离判断哪个待定目标为主目标，实现单目标情形下防止目标跳变以及多目标情形下锁定主目标的目的，大大提升无人机的跟随能力，具有很强的实用性。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图1为基于感知hash算法的无人机跟随防跳变方法的流程图；附图2为目标监控流程的流程图；附图3为本发明实施例提供的一种终端的结构示意图。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有预设的的意义。因此，“模块”、“部件”或“单元”可以混合地使用。此外，下面所描述的本发明的各个实施方式中所涉及到的技术特征只要彼此未构成冲突就可以相互使用。本发明的基于感知hash算法的无人机跟随防跳变方法应用于搭载有摄像头的无人机上，用于跟踪运动目标，方法的执行主体为无人机的控制器或者外搭于无人机上的终端，若执行主体为外搭于无人机上的终端，终端包含处理器以及存储器，且终端可与无人机自带的控制器进行数据交互，且终端可采集摄像头获取的图像数据。如附图1所示的基于感知hash算法的无人机跟随防跳变方法，包括如下步骤S1-S2：步骤S1，获取目标图片，选定主目标，利用感知hash算法提取所述主目标的特征描述算子；步骤S2，持续获取后续的图片，执行目标监控流程对所述主目标进行持续监控，并根据主目标的坐标位置变化运行无人机跟随控制算法；本步骤中，根据主目标的坐标位置变化运行无人机跟随控制算法即根据主目标的坐标位置变化情况控制无人机向相应的方向飞行，使得主目标一直保持在无人机上所搭载的摄像头的视野内。所述目标监控流程如附图2所示，包括如下步骤S201-S203：步骤S201,利用感知hash算法提取所述图片中的每个待定目标的特征描述算子，并计算每个待定目标的特征描述算子与所述主目标的特征描述算子的汉明距离；步骤S202,判断每个所述汉明距离与设定阈值的关系，认定汉明距离小于设定阈值所对应的待定目标为更新后的主目标；步骤S203,根据更新后的主目标更新主目标的特征描述算子。进一步地，步骤S1中所述选定主目标具体包括：判断所述目标图片中包含的目标的数量，若为单目标，则选定该目标为主目标；若为多目标，则选定一个目标作为主目标。一般来说，多目标情况下，由用户进行辅助确定主目标，即程序接收用户的操作指令选定主目标。进一步地，步骤S2中所述利用感知hash算法提取所述图片中的每个待定目标的特征描述算子具体包括如下步骤A1-A2:步骤A1，判断所述图片中包含的待定目标的数量；步骤A2，若所述待定目标的数量为单个，则利用感知hash算法直接提取该待定目标的特征描述算子；若所述待定目标的数量为多个，则分别利用感知hash算法分别提取该待定目标的特征描述算子。之所以单目标情形下也要通过汉明距离进行主目标判断，是为了防止单目标情形下，主目标突然消失在视野中，同时出现非主目标的目标，如此会发生目标跳变，而通过计算汉明距离可避免主目标发生跳变的情形发生。进一步地，所述判断每个所述汉明距离与设定阈值的关系，认定汉明距离小于设定阈值所对应的待定目标为更新后的主目标之后还包括：若所有的所述汉明距离均大于设定阈值，此情形下视为主目标丢失，需重新回到步骤S1重新确立主目标并提取其特征描述算子。进一步地，利用感知hash算法提取主目标或待定目标的特征描述算子的流程包括如下步骤B1-B6：步骤B1，将图像缩小至设定尺寸，本实施例中优选地将图像缩小至64x64的尺寸；步骤B2，将缩小后的图像转化为灰度图像；步骤B3，对灰度图像进行DCT变换，得到灰度图像的大小为32x32的DCT系数矩阵；步骤B4，提取所述DCT系数矩阵左上角的大小为8x8的矩阵；步骤B5，计算所提取出的8x8的矩阵的均值；步骤B6，对所述8x8的矩阵设置由0与1组成的64bit的hash值作为其特征描述算子，具体为：8x8的矩阵中大于等于所述均值的系数对应的bit位记为1，小于均值的系数对应的bit位记为0。进一步地，所述计算每个待定目标的特征描述算子与所述主目标的特征描述算子的汉明距离具体包括：将所述待定目标的特征描述算子与所述主目标的特征描述算子进行异或运算得出运算结果，并统计所述运算结果中1的数量得到汉明距离。终端，如图3所示，所述终端包括处理器以及存储器；在本发明的实施例中，处理器、存储器可通过总线或其它方式连接，其中，图3中以通过总线连接为例。所述存储器用于存储可执行程序；所述处理器用于执行所述可执行程序以实现上述的基于感知hash算法的无人机跟随防跳变方法。本发明的基于感知hash算法的无人机跟随防跳变方法及终端，通过使用感知hash算法提取主目标与待定目标的特征描述算子，并计算待定目标与主目标的汉明距离判断哪个待定目标为主目标，实现单目标情形下防止目标跳变以及多目标情形下锁定主目标的目的，大大提升无人机的跟随能力，具有很强的实用性。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做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如ROMRAM、磁碟、光盘中，包括若干指令用以使得一台终端可以是手机，计算机，服务器，或者网络设备等执行本发明各个实施例所述的方法。上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

权利要求：1.基于感知hash算法的无人机跟随防跳变方法，其特征在于，包括获取目标图片，选定主目标，利用感知hash算法提取所述主目标的特征描述算子；持续获取后续的图片，执行目标监控流程对所述主目标进行持续监控，并根据主目标的坐标位置变化运行无人机跟随控制算法；所述目标监控流程包括利用感知hash算法提取所述图片中的每个待定目标的特征描述算子，并计算每个待定目标的特征描述算子与所述主目标的特征描述算子的汉明距离；判断每个所述汉明距离与设定阈值的关系，认定汉明距离小于设定阈值所对应的待定目标为更新后的主目标；根据更新后的主目标更新主目标的特征描述算子。2.根据权利要求1所述的基于感知hash算法的无人机跟随防跳变方法，其特征在于，所述选定主目标具体包括判断所述目标图片中包含的目标的数量，若为单目标，则选定该目标为主目标；若为多目标，则选定一个目标作为主目标。3.根据权利要求1所述的基于感知hash算法的无人机跟随防跳变方法，其特征在于，所述利用感知hash算法提取所述图片中的每个待定目标的特征描述算子具体包括判断所述图片中包含的待定目标的数量；若所述待定目标的数量为单个，则利用感知hash算法直接提取该待定目标的特征描述算子；若所述待定目标的数量为多个，则分别利用感知hash算法分别提取该待定目标的特征描述算子。4.根据权利要求1所述的基于感知hash算法的无人机跟随防跳变方法，其特征在于，所述判断每个所述汉明距离与设定阈值的关系，认定汉明距离小于设定阈值所对应的待定目标为更新后的主目标之后还包括若所有的所述汉明距离均大于设定阈值，则重新获取目标图片，选定主目标，利用感知hash算法提取所述主目标的特征描述算子。5.根据权利要求1所述的基于感知hash算法的无人机跟随防跳变方法，其特征在于，利用感知hash算法提取主目标或待定目标的特征描述算子的流程包括将图像缩小至设定尺寸；将缩小后的图像转化为灰度图像；对灰度图像进行DCT变换，得到灰度图像的大小为32x32的DCT系数矩阵；提取所述DCT系数矩阵左上角的大小为8x8的矩阵；计算所提取出的8x8的矩阵的均值；对所述8x8的矩阵设置由0与1组成的64bit的hash值作为其特征描述算子，具体为：8x8的矩阵中大于等于所述均值的系数对应的bit位记为1，小于均值的系数对应的bit位记为0。6.根据权利要求5所述的基于感知hash算法的无人机跟随防跳变方法，其特征在于，所述计算每个待定目标的特征描述算子与所述主目标的特征描述算子的汉明距离具体包括将所述待定目标的特征描述算子与所述主目标的特征描述算子进行异或运算得出运算结果，并统计所述运算结果中1的数量得到汉明距离。7.终端，其特征在于，所述终端包括处理器以及存储器；所述存储器用于存储可执行程序；所述处理器用于执行所述可执行程序以实现如权利要求1-6任一项所述的基于感知hash算法的无人机跟随防跳变方法。

百度查询： 深圳慧源创新科技有限公司 基于感知hash算法的无人机跟随防跳变方法及终端

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD