本文關(guān)鍵詞：面向無人機伴飛的多核相關(guān)濾波跟蹤算法研究

  更多相關(guān)文章： 無人機 伴隨 目標(biāo)跟蹤 多核 相關(guān)濾波器

【摘要】：無人機智能飛行技術(shù)是當(dāng)前無人機領(lǐng)域的研究熱點,吸引了廣大學(xué)者的密切關(guān)注和深入研究。無人機伴飛是指通過無人機所攜帶的前向攝像機對目標(biāo)進行定位,并估計目標(biāo)的運動狀態(tài),從而反過來控制無人機的飛行軌跡,達到伴隨飛行的目的。隨著無人機的廣泛應(yīng)用,如田徑、滑雪、劃艇等極限運動拍攝和日常生活記錄等,無人機伴飛具有重要的研究意義和發(fā)展前景,但與之相關(guān)的研究仍處于探索階段。無人機伴飛的關(guān)鍵技術(shù)主要涉及基于視覺的目標(biāo)檢測跟蹤技術(shù),它是無人機能夠安全、準(zhǔn)確伴隨飛行的基礎(chǔ)。本論文主要針對伴飛應(yīng)用中的基于視覺的目標(biāo)檢測跟蹤技術(shù)展開研究,主要工作內(nèi)容如下:首先,回顧了當(dāng)前現(xiàn)有的運動目標(biāo)檢測跟蹤算法,包括光流法、背景差分法、幀間差分法和相關(guān)濾波跟蹤算法,對其算法機理和性能進行了分析。其次針對當(dāng)前跟蹤速度快、精度高的基于核函數(shù)相關(guān)濾波的跟蹤算法進行研究,該方法通過循環(huán)矩陣實現(xiàn)密集采樣,并利用其性質(zhì)加速分類器訓(xùn)練和核函數(shù)矩陣的計算。然后對其進行了仿真,在算法復(fù)雜度、光照改變、遮擋和姿態(tài)變化等方面進行了實驗分析,結(jié)果表明該算法具有良好的跟蹤效果,但是當(dāng)目標(biāo)全部被遮擋情況,會出現(xiàn)目標(biāo)丟失的情況。其次,針對現(xiàn)有基于核函數(shù)相關(guān)濾波跟蹤算法的不足,提出一種級聯(lián)迭代分類器初始化方法,以彌補分類器初始化時樣本單一問題。該方法采用弱分類器融合集成的思路,設(shè)計了一種自適應(yīng)的分類器權(quán)值分配策略,以得到強分類器。實驗表明,集成后的強分類器有效的包含了多幀視頻的目標(biāo)信息,能夠檢測出較大變換后的目標(biāo)。然后,針對基于核函數(shù)相關(guān)濾波的跟蹤算法難以處理目標(biāo)遮擋的問題,提出了一種多核并行相關(guān)跟蹤算法,該算法能夠準(zhǔn)確判別真實目標(biāo)和偽目標(biāo),從而保證分類器訓(xùn)練和更新的準(zhǔn)確性。該方法采用三個分類器聯(lián)合估計目標(biāo)的位置,并根據(jù)輸出響應(yīng)更新分類器。這種多分類器并行檢測,獨立更新的方法,保證了分類器中既能適應(yīng)目標(biāo)的多種變換,還能防止因為融入偽目標(biāo)信息而丟失真實目標(biāo)信息。為了驗證所提算法的有效性,論文最后在11個測試視頻上進行了實驗對比測試,結(jié)果表明,在相同條件下,改進算法的處理速度(79fps)比原始算法(115fps)略慢一些,但準(zhǔn)確率從78%提高到87%,同時比目前最先進的(State-of-Art)算法Struck(Structured Output Tracking With Kernels)的速度(8fps)要快得多。在目標(biāo)遮擋試驗中,當(dāng)目標(biāo)被全部遮擋時,原始算法會丟失目標(biāo),而改進算法仍能準(zhǔn)確的跟蹤目標(biāo),具有更強的魯棒性。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：V279

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前9條

1 李由;張恒;李立春;;基于多測量融合的粒子濾波跟蹤算法[J];國防科技大學(xué)學(xué)報;2007年05期

2 羅濤;王建中;陸培源;;融合背景信息的改進粒子濾波跟蹤算法[J];北京理工大學(xué)學(xué)報;2011年05期

3 王湘予;李秀娟;王蘭英;鈕廣華;;一種改進的粒子濾波跟蹤算法的應(yīng)用研究[J];機電工程技術(shù);2011年11期

4 包加桐;郭晏;唐鴻儒;宋愛國;;一種基于多特征聚類的粒子濾波跟蹤算法[J];機器人;2011年05期

5 宋開臣;徐僑榮;葉凌云;劉曉偉;;基于濾波跟蹤的汽車AMT電機測速方法[J];中國機械工程;2007年23期

6 邱曉暉;繆飛;劉欽富;;一種適用于無線傳感器網(wǎng)絡(luò)的遺傳粒子濾波跟蹤算法[J];南京師范大學(xué)學(xué)報(工程技術(shù)版);2010年03期

7 相入喜;李見為;;多特征自適應(yīng)融合的粒子濾波跟蹤算法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2012年01期

8 胡獻君;王航宇;周德超;;粒子濾波跟蹤彈道下降段在炮位偵察中的應(yīng)用[J];現(xiàn)代防御技術(shù);2013年01期

9 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 吳川;;基于DSP平臺的粒子濾波跟蹤算法的實現(xiàn)[A];第八屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2010年

2 高丙坤;李文超;王帥;;一種改進的粒子濾波跟蹤算法[A];第二十九屆中國控制會議論文集[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 朱明清;基于粒子濾波的魯棒視覺目標(biāo)跟蹤算法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 周潔蕓;GPGPU加強的3D粒子濾波跟蹤算法研究[D];電子科技大學(xué);2015年

2 單浩宇;面向無人機伴飛的多核相關(guān)濾波跟蹤算法研究[D];西安電子科技大學(xué);2015年

3 李恒暉;復(fù)雜背景動態(tài)建模與粒子濾波跟蹤方法[D];中國民航大學(xué);2009年

4 薛孝琴;基于改進Mean-Shift算法的粒子濾波跟蹤的應(yīng)用研究[D];武漢科技大學(xué);2009年

5 唐曉梅;面向視頻的粒子濾波目標(biāo)跟蹤算法研究[D];浙江工業(yè)大學(xué);2011年

6 吳迪;基于粒子濾波的目標(biāo)跟蹤算法研究[D];東北大學(xué);2009年

7 張曉利;基于粒子濾波跟蹤的步態(tài)特征提取算法研究[D];山東大學(xué);2010年

8 王月領(lǐng);基于粒子濾波的感興趣視頻目標(biāo)跟蹤的技術(shù)研究[D];寧波大學(xué);2009年

9 王松林;基于壓縮感知的目標(biāo)跟蹤研究[D];南京理工大學(xué);2014年

10 張寶亮;粒子濾波目標(biāo)成像跟蹤算法研究[D];西安電子科技大學(xué);2008年

，

本文編號：1282538