技术摘要：
本发明公开了运动目标实时检测跟踪系统及方法，包括：检测设备；所述检测设备与云台连接，所述云台上搭载摄像头，所述摄像头将采集的图像存储到存储器中，所述存储器与检测设备连接；所述检测设备，用于对摄像头采集的图像进行处理，完成摄像头的自动对焦；所述检测设  全部
背景技术：
本部分的陈述仅仅是提到了与本公开相关的
技术实现要素：
，并不必然构成现有技术。 运动目标的识别、检测和跟踪是计算机视觉领域的热点问题，在人机交互、视频跟 踪、视觉导航、机器人以及军事指导等方面有广泛的应用。近年来，消费级无人机市场的快 速增长，具有强大功能的消费级无人机价格不断降低，操作简便性不断提高，无人机正快速 地从尖端的军用设备转入大众市场，成为普通民众手中的玩具。然而，功能越来越先进的新 式无人机的不断涌现，也带来了安全和隐私方面的忧患，如无人机偷窥侵犯隐私权，在国家 机关、军队驻地、机场周边等敏感区域飞行危害国家安全，以及无人机操作不当引发安全事 故等等。 yolov3是深度学习方面的一种目标检测网络，在单帧图像的识别和检测层面应用 很广，相比于传统的目标检测方法，其优势在于更高的检测精度以及更快的检测速度。基于 检测的目标跟踪是一种常用的目标跟踪方法，通过对每帧图像进行目标识别与检测，即可 完成对视频系列的跟踪。但是，基于深度学习的yolov3对前期训练样本有很高的要求，如果 一旦拍摄到的目标及背景图像不包含在训练样本里时，yolov3是无法检测到目标的，从而 导致跟踪失败。 sort多目标跟踪算法高效地实现了目标检测并使用卡尔曼滤波去滤波以及 Hungarian算法进行跟踪，但是在有遮挡的情况下准确度很低。