1.本发明涉及无人机追踪方法领域，尤其涉及一种基于图像处理技术的无人机追踪方法。
背景技术：
2.现有的无人机追踪方法大多采用gps技术或激光雷达对目标进行定位，并结合传统目标算法进行识别跟踪，但这类方法易受环境遮挡、并易遭到天气、光照条件变化等因素影响，跟踪性能较差，易导致目标无法识别或跟丢目标。
3.同时现有的无人机在对目标进行追踪时容易造成目标的丢失，对目标的锁定能力差，不能智能自主的对目标进行确定并锁定，以及实时的进行锁定追踪，且易受外在因素影响，无法在复杂环境下进行目标跟踪，跟踪性能较差。
4.而图像处理技术是用计算机对图像信息进行处理的技术。主要包括图像数字化、图像增强和复原、图像数据编码、图像分割和图像识别等。随着科技的发展，目前所采用的深度学习图像处理技术可以更好的帮助相关设备对图像的特征值进行提取，以方便更为精准的对目标进行锁定。而目前无人机追踪技术还没有应用这一领域技术。因此提出一种基于图像处理技术的无人机追踪方法。
技术实现要素：
5.本发明的目的在于提供一种基于图像处理技术的无人机追踪方法，解决了现有的无人机在对目标进行追踪时，不能自主的对目标进行锁定，同时无法在复杂环境下进行目标跟踪导致现有无人机的跟踪能力较差的问题。
6.为实现上述目的，本发明提供如下技术方案：一种基于图像处理技术的无人机追踪方法，包括以下步骤：
7.s1：搜索目标：以无人机上搭载的红外全向摄像机，对飞行区域地面进行飞掠拍摄；
8.s2：人工目标匹配：由人工在无人机通过其上搭载的红外全向摄像机所拍摄的图像或者视频内选择确定追踪目标；
9.s3：自主目标匹配：
10.(1)将所追踪的目标图像输入无人机图像处理模块进行处理；
11.(2)图像分类算法对图像中的区域进行识别和换分、进而对图像涉及的特征进行提取、最后进行分类器识别等过程；
12.s4：确定追踪目标：用与s3中(2)相同的方式对通过无人机拍摄的图像画面内的目标进行分类器识别，并与s2或s3中所选定的目标确定具有相同的特征值；
13.s5：目标融合定位：利用布置于无人机机体上的定位模块对所确定的追踪目标进行目标定位，得到定位数据，并对激光雷达定位数据和毫米波雷达定位数据进行融合定位，得到最优目标位置数据；
14.s6：目标测速：通过无人机内的测速模块对所确定的追踪目标进行测速；
15.s7：锁定跟踪：有无人机内的飞控模块对无人机的飞行状态进行自主控制，以保持与所确定的追踪目标在稳定的跟踪范围内。
16.优选的，所述s3中结合pca和lda算法实现对单标记图像的内容维度的降低，
17.优选的，所述s3运用svm和knn分类器对图像内容进行分类，实现单标记图像降维处理下的优化。
18.优选的，所述s5中定位模块为激光雷达、毫米波雷达或者相控阵雷达。
19.优选的，所述跟踪范围是无人机与追踪目标的直线距离在 300-500m内。
20.与相关技术相比较，本发明提供的一种基于图像处理技术的无人机追踪方法具有如下有益效果：
21.本发明提供一种基于图像处理技术的无人机追踪方法，该基于深度学习图像处理技术的无人机追踪方法，pca和lda算法实现对单标记图像的内容维度的降低；运用svm和knn分类器对图像内容进行分类，实现单标记图像降维处理下的优化，以实现可以对目标图像进行深度学习的图像处理，进而可以准确的提取目标的特征值，这样可以极大的提高对目标锁定的准确性，以及可以大大的提高对目标追踪的稳定性。
22.以及可以通过自身可以对目标特征值进行提取后，及时追踪目标在切换状态后，依然可以控制无人机在移动跟踪范围内对追踪目标进行追踪。
具体实施方式
23.下面将结合本发明实施例对技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.实施例一：
25.本发明提供一种技术方案：一种基于图像处理技术的无人机追踪方法，包括以下步骤：
26.s1：搜索目标：以无人机上搭载的红外全向摄像机，对飞行区域地面进行飞掠拍摄；
27.s2：人工目标匹配：由人工在无人机通过其上搭载的红外全向摄像机所拍摄的图像或者视频内选择确定追踪目标；
28.s3：自主目标匹配：
29.(1)将所追踪的目标图像输入无人机图像处理模块进行处理；
30.(2)图像分类算法对图像中的区域进行识别和换分、进而对图像涉及的特征进行提取、最后进行分类器识别等过程；
31.s4：确定追踪目标：用与s3中(2)相同的方式对通过无人机拍摄的图像画面内的目标进行分类器识别，并与s2或s3中所选定的目标确定具有相同的特征值；
32.s5：目标融合定位：利用布置于无人机机体上的定位模块对所确定的追踪目标进行目标定位，得到定位数据，并对激光雷达定位数据和毫米波雷达定位数据进行融合定位，得到最优目标位置数据；
33.s6：目标测速：通过无人机内的测速模块对所确定的追踪目标进行测速；
34.s7：锁定跟踪：有无人机内的飞控模块对无人机的飞行状态进行自主控制，以保持与所确定的追踪目标在稳定的跟踪范围内。
35.s3中结合pca和lda算法实现对单标记图像的内容维度的降低，
36.s3运用svm和knn分类器对图像内容进行分类，实现单标记图像降维处理下的优化。
37.s5中定位模块为激光雷达、毫米波雷达或者相控阵雷达。
38.跟踪范围是无人机与追踪目标的直线距离在300-500m内。
39.本实施方案中，通过基于深度学习图像处理技术的无人机追踪方法，pca和lda算法实现对单标记图像的内容维度的降低；运用svm 和knn分类器对图像内容进行分类，实现单标记图像降维处理下的优化，以实现可以对目标图像进行深度学习的图像处理，进而可以准确的提取目标的特征值，这样可以极大的提高对目标锁定的准确性，以及可以大大的提高对目标追踪的稳定性。
40.以及可以通过自身可以对目标特征值进行提取后，及时追踪目标在切换状态后，依然可以控制无人机在移动跟踪范围内对追踪目标进行追踪。
技术特征：
1.一种基于图像处理技术的无人机追踪方法，其特征在于，包括以下步骤：s1：搜索目标：以无人机上搭载的红外全向摄像机，对飞行区域地面进行飞掠拍摄；s2：人工目标匹配：由人工在无人机通过其上搭载的红外全向摄像机所拍摄的图像或者视频内选择确定追踪目标；s3：自主目标匹配：(1)将所追踪的目标图像输入无人机图像处理模块进行处理；(2)图像分类算法对图像中的区域进行识别和换分、进而对图像涉及的特征进行提取、最后进行分类器识别等过程；s4：确定追踪目标：用与s3中(2)相同的方式对通过无人机拍摄的图像画面内的目标进行分类器识别，并与s2或s3中所选定的目标确定具有相同的特征值；s5：目标融合定位：利用布置于无人机机体上的定位模块对所确定的追踪目标进行目标定位，得到定位数据，并对激光雷达定位数据和毫米波雷达定位数据进行融合定位，得到最优目标位置数据；s6：目标测速：通过无人机内的测速模块对所确定的追踪目标进行测速；s7：锁定跟踪：有无人机内的飞控模块对无人机的飞行状态进行自主控制，以保持与所确定的追踪目标在稳定的跟踪范围内。2.根据权利要求1所述一种基于图像处理技术的无人机追踪方法，其特征在于，所述s3中结合pca和lda算法实现对单标记图像的内容维度的降低。3.根据权利要求1所述一种基于图像处理技术的无人机追踪方法，其特征在于，所述s3运用svm和knn分类器对图像内容进行分类，实现单标记图像降维处理下的优化。4.根据权利要求1所述一种基于图像处理技术的无人机追踪方法，其特征在于，所述s5中定位模块为激光雷达、毫米波雷达或者相控阵雷达。5.根据权利要求1所述一种基于图像处理技术的无人机追踪方法，其特征在于，所述跟踪范围是无人机与追踪目标的直线距离在300-500m内。
技术总结
本发明公开了一种基于图像处理技术的无人机追踪方法，涉及仪表控制盘领域，解决了现有的仪表控制盘采用独立电源，对电源依赖较大，不方便在无电源状态下使用，以及不方便进行拆装的问题，现提出如下方案，其包括以下步骤：搜索目标；人工目标匹配；自主目标匹配；确定追踪目标；目标融合定位；目标测速；锁定跟踪。本方法具有可以对追踪的目标的主要特征值进行精准的提取，进而可以稳定且精确的对目标进行实时的跟踪，大大的提高了无人机在复杂环境下的跟踪效果的特点。境下的跟踪效果的特点。
技术研发人员：王晓跃
受保护的技术使用者：江苏熙枫智能科技有限公司
技术研发日：2022.04.29
技术公布日：2022/10/3