买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉沈阳理工大学申请的专利一种基于无人机航拍的单目标车辆跟踪方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114529584B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210156746.6，技术领域涉及：G06T7/246；该发明授权一种基于无人机航拍的单目标车辆跟踪方法是由吕艳辉;郭向坤;李彬设计研发完成，并于2022-02-21向国家知识产权局提交的专利申请。

本一种基于无人机航拍的单目标车辆跟踪方法在说明书摘要公布了：本发明提供一种基于无人机航拍的单目标车辆跟踪方法，涉及计算机视觉技术领域。本发明在目标检测的结果基础上，采用基于多特征融合的图像匹配算法，融合了图像颜色直方图特征和HOG特征，可以显著提高仅使用单一特征对图像的表示程度和在图像匹配过程中的准确率。为了准确预测目标在视频中的出现位置，设计了K++邻域搜索算法，有助于减少计算量，精度更高，可以更有效地排除出现相似目标产生的干扰。在跟踪过程中出现跟踪目标被全部遮挡的情况，本发明采用基于车辆运动状态估计的抗遮挡算法实现单目标跟踪。本发明方法能够快速、准确地在无人机拍摄的视频中对某一车辆目标进行单目标跟踪，具有很好的通用性和可扩展性。

本发明授权一种基于无人机航拍的单目标车辆跟踪方法在权利要求书中公布了：1.一种基于无人机航拍的单目标车辆跟踪方法，其特征在于：该方法包括以下步骤： 步骤1：载入需要车辆跟踪的无人机航拍视频，暂停在第一帧，用鼠标手动框选要跟踪的目标车辆，框选的区域为待跟踪区域，待跟踪区域内的目标车辆为跟踪目标；然后从视频的第二帧开始，执行步骤2，对视频帧中出现的目标车辆进行检测； 步骤2：判断当前帧中的目标车辆是否被全遮挡，如果否，则继续步骤3；否则，执行步骤5； 步骤3：适用K++邻域搜索算法对跟踪目标进行位置预测； 在跟踪框周围建立K++邻域，使用该K++邻域对冗余的目标检测框进行筛选，留下在K++邻域内出现的可能是跟踪目标的车辆，再计算跟踪框与检测框的IoU与中心点的偏移量； 步骤4：将筛选后的检测框内的目标提取为图片，与第一帧选择的跟踪目标使用多特征融合的图像匹配算法进行匹配，分别计算跟踪目标与筛选后的目标的图像相似度并排序，再结合步骤3的计算结果综合判定当前帧中哪一个检测出的目标为要跟踪的目标，然后更新跟踪框，执行步骤6；具体方法为： 步骤4.1：框选完要跟踪的目标之后，对该跟踪目标进行颜色直方图特征和HOG特征的提取，并将两种特征转换为特征向量； 步骤4.2：在后续帧中，将检测出的同类别目标提取为图片，同样提取各个目标的颜色直方图特征和HOG特征，并得到特征向量； 所述步骤4.1和步骤4.2的颜色直方图特征向量的计算中，将每种原色的取值范围0～255分成四个范围相等的区：[0,63]为0区，[64,127]为1区，[128,191]为2区，[192,255]为3区；每种原色的值在分区后对应有四种取值，图像中出现的任何一种颜色，肯定都会属于这四个区其中的一个，统计每个区出现的像素数，获取一个64维的特征向量； 步骤4.3：分别计算跟踪目标和步骤4.2中得到的所有目标之间的颜色直方图特征相似度与HOG特征相似度，并进行加权得分，最后将所有得分排序；最后选取相似度总得分最大的候选框作为真正的跟踪对象进行跟踪；所述颜色直方图特征相似度的计算方式为余弦相似度，满足式5： 夹角越小，夹角对应的余弦值越大，就代表它们越相似；P和Q是两个多维向量，P是[P1,P2,...,Pm]，Q是[Q1,Q2,...,Qm]，m为向量维数； 所述HOG特征相似度使用HOG特征描述子即特征向量，最后计算特征向量之间的欧氏距离，距离越小，则证明两幅图片越相似；由于HOG特征向量为n维向量，即对应的欧氏距离满足式6： 其中，d为向量的欧式距离，xi、yi为多维空间中向量的两个坐标值； 在进行颜色直方图特征的余弦相似度计算和HOG特征的欧式距离相似度计算之后，分别乘以其对应的权重，相加得到最后的相似度得分，满足式7： Si＝W1Sci,ct+W2Shi,ht7 式中，Si为第i个候选框中的图像和跟踪目标的总相似度得分；W1为颜色直方图特征相似度权重系数；W2为HOG特征相似度权重系数；S为括号内参数的相似度计算函数；Sci,ct为第i个候选框和跟踪目标t的颜色直方图特征相似度函数，ci为当前帧检测框的中心点，ct为前一帧跟踪框的中心点；Shi,ht为第i个候选框和跟踪目标t的HOG特征相似度函数，hi为第i个候选框的HOG特征，ht为跟踪目标的HOG特征； 步骤4.4：选择步骤4.3中排序后的最大得分值，并结合步骤3中计算的结果，当跟踪框与检测框的IoU最大并且它们的中心点欧式距离最短的判定条件，选择对应的目标作为当前帧跟踪目标的出现位置； 步骤5：跟踪目标发生遮挡的情况，采用基于车辆运动状态估计的抗遮挡算法，要在跟踪开始超过20帧之后，开始每20帧记录一次车辆在视频中移动的平均速度，依据此方式，当目标在视野中消失时，保存消失时坐标，停止记录目标的移动速度并保存在前20帧的移动速度；如果目标消失在50帧以内，正常估计在消失内的移动轨迹及坐标，同时获取当前估计位置的K邻域，并且记录50帧后目标可能出现的位置，在该位置设置K邻域等待捕获目标，如果车辆被重新检测并且被K邻域捕获到，调用步骤4中的图像匹配算法开始进行匹配，若匹配成功则继续进行跟踪，若未匹配成功则开启全图匹配，解除运动速度和坐标的记录，由跟踪器自行寻找，调用步骤3-步骤4的跟踪方式，使用多特征融合匹配算法匹配当前视野中出现的和初始选择的跟踪目标相似度最大的目标，并以该目标的坐标为基础重新建立K++邻域；执行步骤6； 步骤6：判断视频是否结束；如果是，则结束检测；否则，接收下一帧，返回步骤2。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人沈阳理工大学，其通讯地址为：110159 辽宁省沈阳市浑南新区南屏中路6号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。