【摘要】：實(shí)時(shí)目標(biāo)跟蹤與軌跡預(yù)測(cè)在安防監(jiān)控、智能交通、軍事打擊等領(lǐng)域有著廣闊的應(yīng)用前景。本課題以國(guó)際空中機(jī)器人大賽(IARC)第7代任務(wù)為背景,以四旋翼無(wú)人機(jī)為平臺(tái)對(duì)該問(wèn)題進(jìn)行了研究,設(shè)計(jì)了一種檢測(cè)器與跟蹤器相融合的多相似目標(biāo)跟蹤算法,并以此為基礎(chǔ)實(shí)現(xiàn)了目標(biāo)的軌跡預(yù)測(cè)。首先,為了實(shí)現(xiàn)初始跟蹤與跟蹤失敗后目標(biāo)跟蹤區(qū)域的自動(dòng)獲取,以方向梯度直方圖(HOG)為特征,設(shè)計(jì)了一個(gè)基于支持向量機(jī)(SVM)的多目標(biāo)檢測(cè)器,并通過(guò)自舉法與交叉驗(yàn)證法對(duì)初始的檢測(cè)器進(jìn)行性能改善,使得該檢測(cè)器的準(zhǔn)確率達(dá)98%以上,并且對(duì)目標(biāo)的尺度、旋轉(zhuǎn)變化以及環(huán)境的光照變化都有較好的魯棒性。其次,設(shè)計(jì)了一個(gè)基于改進(jìn)的Mean Shift算法的實(shí)時(shí)目標(biāo)跟蹤器。針對(duì)該算法需要手動(dòng)選取目標(biāo)模型,引入目標(biāo)模型模板,實(shí)現(xiàn)目標(biāo)模型的自動(dòng)獲取;針對(duì)目標(biāo)跟蹤狀態(tài)的不明確性,制定了跟蹤是否失敗的多重判斷條件,實(shí)現(xiàn)了對(duì)跟蹤器狀態(tài)的準(zhǔn)確監(jiān)測(cè)。再次,將上述檢測(cè)器與跟蹤器通過(guò)融合器相結(jié)合,設(shè)計(jì)了多相似目標(biāo)跟蹤算法。系統(tǒng)啟動(dòng)時(shí)逐幀檢測(cè)目標(biāo),搜索潛在目標(biāo),并通過(guò)顏色分割鑒定出需要跟蹤的目標(biāo),引入相應(yīng)的模板,開(kāi)啟跟蹤器;在跟蹤過(guò)程中,逐幀判斷目標(biāo)跟蹤狀態(tài),并隔幀進(jìn)行目標(biāo)檢測(cè),搜尋可能出現(xiàn)的目標(biāo)并進(jìn)行跟蹤,獲得了系統(tǒng)穩(wěn)定與實(shí)時(shí)的性能平衡。最后,提出了一種基于Kalman濾波器與最小二乘法的目標(biāo)軌跡預(yù)測(cè)算法。首先對(duì)地面移動(dòng)目標(biāo)進(jìn)行了建模分析;然后通過(guò)攝像機(jī)標(biāo)定與逆透視映射,將圖像坐標(biāo)系中的目標(biāo)位置映射到世界坐標(biāo)系中,實(shí)現(xiàn)目標(biāo)的全局定位;最后通過(guò)Kalman濾波器與最小二乘法預(yù)測(cè)并擬合目標(biāo)軌跡,為四旋翼無(wú)人機(jī)搜尋并跟蹤目標(biāo)提供決策依據(jù)。
[Abstract]:Real-time target tracking and trajectory prediction have broad application prospects in security monitoring, intelligent transportation, military strike and other fields. In this paper, based on the 7th generation mission of (IARC), the problem is studied on the platform of four-rotor UAV, and a multi-similar target tracking algorithm combining detector and tracker is designed, on the basis of which the trajectory prediction of the target is realized. Firstly, in order to realize the automatic acquisition of target tracking area after initial tracking and tracking failure, a multi-target detector based on support vector machine (SVM) is designed, which is characterized by direction gradient histogram (HOG). The performance of the initial detector is improved by bootstrap method and cross-verification method, so that the accuracy of the detector is more than 98%, and the target scale is also improved. The rotation change and the light change of the environment have good robustness. Secondly, a real-time target tracker based on improved Mean Shift algorithm is designed. In view of the fact that the algorithm needs to select the target model manually, introduce the target model template to realize the automatic acquisition of the target model, aiming at the uncertainty of the target tracking state, the multiple judgment conditions of tracking failure are established, and the accurate monitoring of the tracker state is realized. Thirdly, a multi-similar target tracking algorithm is designed by combining the detector with the tracker through the fusion cage. When the system starts, the target is detected frame by frame, the potential target is searched, and the target that needs to be traced is identified by color segmentation, the corresponding template is introduced, and the tracker is turned on. In the tracking process, the target tracking state is judged frame by frame, and the target detection is carried out at different frames, and the stability and real-time performance balance of the system is obtained. Finally, a target trajectory prediction algorithm based on Kalman filter and least square method is proposed. Firstly, the ground moving target is modeled and analyzed, then the target position in the image coordinate system is mapped to the world coordinate system through camera calibration and inverse perspective mapping, and the global positioning of the target is realized. Finally, the target trajectory is predicted and fitted by Kalman filter and least square method, which provides the decision basis for the four-rotor UAV to search for and track the target.
【學(xué)位授予單位】：中國(guó)民航大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：V279

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 單甘霖;梅衛(wèi);王春平;;聯(lián)合目標(biāo)跟蹤與分類(lèi)技術(shù)的進(jìn)展及存在問(wèn)題[J];兵工學(xué)報(bào);2007年06期

2 呂鐵軍;蔣宏;梁國(guó)威;丁全心;;基于多模型的聯(lián)合目標(biāo)跟蹤與分類(lèi)算法[J];電光與控制;2013年08期

3 趙云峰;陳隆道;孟慶利;;提高紅外經(jīng)緯儀跟蹤弱小目標(biāo)精度的新算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2008年07期

4 何獻(xiàn)武;胥輝旗;程永茂;;基于加速度的多目標(biāo)聯(lián)合跟蹤與分類(lèi)[J];艦船電子工程;2011年06期

5 高俊吉;劉大明;周?chē)?guó)華;;水中非合作運(yùn)動(dòng)磁性目標(biāo)跟蹤及參數(shù)估計(jì)[J];哈爾濱工程大學(xué)學(xué)報(bào);2013年09期

6 ;[J];;年期

相關(guān)會(huì)議論文 前2條

1 楚威;閻星娥;蘇春梅;;仿真系統(tǒng)中飛機(jī)目標(biāo)典型運(yùn)動(dòng)模型的研究與實(shí)現(xiàn)[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

2 張曉勇;羅來(lái)源;;被動(dòng)測(cè)向聲納目標(biāo)最近時(shí)刻估計(jì)[A];第六屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2012年

相關(guān)博士學(xué)位論文 前10條

1 馮肖雪;復(fù)雜環(huán)境下多傳感器目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

2 江同洋;基于隨機(jī)有限集的多目標(biāo)貝葉斯濾波方法研究[D];浙江大學(xué);2015年

3 史春妹;隨機(jī)濾波方程數(shù)值解法及顯微目標(biāo)跟蹤研究[D];哈爾濱工業(yè)大學(xué);2015年

4 趙海楠;視覺(jué)目標(biāo)跟蹤中表觀建模方法研究[D];哈爾濱工業(yè)大學(xué);2016年

5 張國(guó)亮;紅外多光譜多個(gè)弱小運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

6 顧菘;視頻目標(biāo)的跟蹤與分割的理論和方法研究[D];電子科技大學(xué);2016年

7 鐘金琴;基于視覺(jué)的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2014年

8 趙玲玲;目標(biāo)跟蹤中的粒子濾波與概率假設(shè)密度濾波研究[D];哈爾濱工業(yè)大學(xué);2011年

9 羅飛騰;目標(biāo)跟蹤的粒子濾波技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

10 王勇;基于統(tǒng)計(jì)方法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];華中科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 章聰;空中虛擬靶標(biāo)技術(shù)的研究[D];南京理工大學(xué);2015年

2 侯勝彬;基于OpenCV的運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤的研究[D];電子科技大學(xué);2014年

3 伍俊橙;多目標(biāo)粒子濾波算法研究[D];電子科技大學(xué);2014年

4 廖良雄;基于隨機(jī)有限集的弱小目標(biāo)TBD方法研究[D];西安電子科技大學(xué);2014年

5 段羽浩;基于SE-WORKBENCH的飛機(jī)目標(biāo)雷達(dá)信號(hào)仿真[D];華中科技大學(xué);2014年

6 陳大龍;基于DSP的目標(biāo)檢測(cè)與跟蹤系統(tǒng)的研究與設(shè)計(jì)[D];燕山大學(xué);2016年

7 曾政超;四旋翼無(wú)人機(jī)多地面相似目標(biāo)跟蹤與軌跡預(yù)測(cè)[D];中國(guó)民航大學(xué);2015年

8 張儒元;基于PTZ鏡頭的主動(dòng)目標(biāo)跟蹤[D];西安電子科技大學(xué);2009年

9 范晶晶;分布式多視角目標(biāo)跟蹤的統(tǒng)計(jì)推理方法及實(shí)現(xiàn)[D];復(fù)旦大學(xué);2011年

10 胡鵬;Kalman濾波在視頻目標(biāo)跟蹤中的應(yīng)用研究[D];重慶大學(xué);2010年

，

本文編號(hào)：2498388