一种基于无人机云台的视觉目标跟踪方法

鉴于无人机视觉目标跟踪时会遇到目标遮挡、目标尺度变化等问题,同时目标跟踪方法复杂度受到云台芯片算力的严格限制,提出了一种基于无人机云台的视觉目标跟踪方法。基于多个特征相关滤波器的自适应权重融合来提升目标位置预测的精度。引入长宽相互独立变化的尺度变化池策略,解决无人机目标跟踪过程中目标尺度估计问题。通过设置模板检测和轨迹预测模块来有效地对目标跟踪过程中的遮挡状态进行检测和处理。该方法可在无人机云台芯片中实现实时跟踪,且在公开无人机目标跟踪数据集和自采集数据集中取得了很好的跟踪效果,与基线方法相比,成功率提升了10.7个百分点,准确率提升了3个百分点。

无人机端路面车辆违停检测及取证系统

路边车辆违停现象日益严重,而针对路边违停现象的检测主要依赖于交警巡逻和固定相机抓拍,其时效性和灵活性不足。提出一种基于深度学习技术的无人机端路面车辆违停检测及取证系统,包含无人机车辆违停巡检和车辆违停取证两种模式。利用无人机高效灵活的优势,结合深度学习车辆检测技术检测路边车辆违停现象,并对深度学习目标检测算法进行了优化,得出更加贴合的检测框,同时辅以红外测温技术,进一步降低车辆违停的误判情况。选取了多个不同场景,分多天时间进行了多次实验。通过实验证明,本系统运行速度快、检测精度高、检测区域灵活,能保障道路巡检的及时性,减轻交管部门工作压力,为居民的交通便利及交通安全提供保障。