【摘要】：隨著機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展,深度學(xué)習(xí)算法越來越受到研究者的重視。在無人機(jī)對地目標(biāo)拍攝的場景下,如何實現(xiàn)高精度實時的目標(biāo)跟蹤是一項具有重要意義的課題。由于無人機(jī)航拍場景的特殊性,目標(biāo)發(fā)生形態(tài)變化、尺度變化、以及光照變化都會導(dǎo)致跟蹤性能的不穩(wěn)定,甚至出現(xiàn)目標(biāo)跟蹤丟失的情況。傳統(tǒng)無人機(jī)目標(biāo)跟蹤方法對尺度變化的目標(biāo)跟蹤效果不好,難以處理高速運動的目標(biāo),對相鄰幀間位移過大或者有遮擋的目標(biāo)處理不好。由于傳統(tǒng)跟蹤系統(tǒng)的誤差和丟失目標(biāo)的情況十分嚴(yán)重,我們提出了一種基于深度學(xué)習(xí)的目標(biāo)跟蹤解決方案,該算法可以在無人機(jī)對地目標(biāo)跟蹤的領(lǐng)域中發(fā)揮重要作用。為了對地面目標(biāo)進(jìn)行跟蹤分析,我們還開發(fā)了一種實時記錄目標(biāo)路徑的算法,該算法可以實時記錄圖像每一幀中跟蹤目標(biāo)的坐標(biāo)信息。我們在比較了許多深度學(xué)習(xí)算法的性能之后,最終采用一種直接預(yù)測邊界框坐標(biāo)和類別置信度的SSD(Single Shot Multibox Detector)算法提取候選目標(biāo),然后結(jié)合顏色直方圖和方向梯度直方圖特征計算待跟蹤目標(biāo)與候選目標(biāo)的巴氏系數(shù),取最接近者作為匹配目標(biāo),再基于卡爾曼濾波剔除誤跟蹤目標(biāo)。實驗表明本文所提方法是可行的,具有準(zhǔn)確性高、實時性能好等特點。
【圖文】：

隨著過去幾十年計算機(jī)硬件和軟件的不斷發(fā)展和升級，許多實際應(yīng)用場景需逡逑要穩(wěn)定性強(qiáng)、可靠性高的目標(biāo)跟蹤系統(tǒng)作為基礎(chǔ)。常見的應(yīng)用場景包括車輛視頻逡逑監(jiān)控和客流量監(jiān)控，如圖１－１所示。所有這些應(yīng)用都毫無例外地十分依賴于目標(biāo)逡逑跟蹤模塊的性能。目標(biāo)跟蹤相當(dāng)于視覺系統(tǒng)中的前端任務(wù)，如果發(fā)生故障，整個逡逑系統(tǒng)通常會出現(xiàn)無法恢復(fù)的錯誤。因此穩(wěn)定的目標(biāo)跟蹤系統(tǒng)可以說是許多視覺系逡逑統(tǒng)實際應(yīng)用的關(guān)鍵。逡逑飛：邋＿ｐｌ逡逑圖ｉ－ｉ計算機(jī)視覺實際應(yīng)用逡逑隨著無人機(jī)行業(yè)的快速發(fā)展，無人機(jī)對地目標(biāo)跟蹤算法的開發(fā)是一項非常具逡逑有意義的任務(wù)。美國聯(lián)邦航空管理局和美國國家航空航天局報告了許多無人駕駛逡逑飛機(jī)精確跟蹤特殊目標(biāo)的案例。因此開發(fā)一種可以識別和跟蹤地面目標(biāo)的監(jiān)控系逡逑統(tǒng)具有重大意義。由于現(xiàn)實世界環(huán)境是多樣的，目標(biāo)一般會在比較復(fù)雜背景當(dāng)中，逡逑再加上地面上眾多的目標(biāo)類型，無人機(jī)對地目標(biāo)跟蹤算法的開發(fā)是一項艱巨的任逡逑務(wù)。無人機(jī)對地目標(biāo)跟蹤系統(tǒng)基本組成部分如圖１－２所示。逡逑１逡逑

在二十年前有研究者就提出了普通的前饋神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)。研宄人逡逑員使用前饋神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)跟蹤任務(wù)：２６’２７］。近年來雖然深度學(xué)逡逑習(xí)技術(shù)和一些相關(guān)的深度網(wǎng)絡(luò)模型在語音識別、自然語言處理和圖像處理領(lǐng)域取逡逑得了顯著成果，但它們并未在目標(biāo)跟蹤任務(wù)中得到廣泛應(yīng)用。這主要是因為深度逡逑網(wǎng)絡(luò)模型的訓(xùn)練對計算量和訓(xùn)練數(shù)據(jù)量有很高的要求。因此在實時目標(biāo)跟蹤任務(wù)逡逑中沒有太多使用深度網(wǎng)絡(luò)模型。雖然如此，有部分研究學(xué)者依然進(jìn)行了一些嘗試，逡逑并且已經(jīng)取得了一定的研宄成果。逡逑香港中文大學(xué)Ｗａｎｇ等人：２８］提出了一種基于深度神經(jīng)網(wǎng)絡(luò)模型的目標(biāo)跟蹤方逡逑法，該方法在大量輔助圖像數(shù)據(jù)上離線學(xué)習(xí)深度圖像特征表示作為目標(biāo)外觀模逡逑型。ｗａｎｇ等人的方法，有一個離線預(yù)訓(xùn)練步驟，，因此它可以被視為偽在線方法。逡逑６逡逑
【學(xué)位授予單位】：北方工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：V279;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊凱杰;田暢;關(guān)文君;;快速目標(biāo)跟蹤算法及其嵌入式實現(xiàn)[J];軍事通信技術(shù);2016年04期

2 陳偉;祝恩;劉天航;殷建平;邱明輝;;目標(biāo)跟蹤算法的并行優(yōu)化[J];計算機(jī)工程與科學(xué);2016年11期

3 張濤;李繼生;董恩國;;基于人臉識別的移動目標(biāo)跟蹤算法研究[J];現(xiàn)代制造技術(shù)與裝備;2017年02期

4 李賀;;基于深度學(xué)習(xí)的目標(biāo)跟蹤算法研究綜述[J];黑龍江科技信息;2017年17期

5 吳小俊;徐天陽;須文波;;基于相關(guān)濾波的視頻目標(biāo)跟蹤算法綜述[J];指揮信息系統(tǒng)與技術(shù);2017年03期

6 王立新,戴冠中;一種分散化多站聯(lián)合目標(biāo)跟蹤算法[J];航空學(xué)報;1988年03期

7 V.納加拉簡;R.N.沙馬;肖萬選;;改善邊跟蹤邊搜索雷達(dá)的檢測和跟蹤性能的新方法(第二部分)——檢測、航跡的產(chǎn)生與組合[J];雷達(dá)與對抗;1988年05期

8 竇慧;趙書斌;王強(qiáng);;基于特征點的典型目標(biāo)跟蹤算法性能分析[J];指揮控制與仿真;2017年02期

9 王麗娜;;基于卡爾曼濾波的單模型目標(biāo)跟蹤算法的仿真研究[J];中國新通信;2016年10期

10 曹曉麗;李明;邢玉娟;譚萍;;幾種自動目標(biāo)跟蹤算法的比較研究[J];硅谷;2013年02期

相關(guān)會議論文 前10條

1 徐炳吉;;一種多站聯(lián)合目標(biāo)跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會第三屆年會論文集（上卷）[C];1995年

2 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標(biāo)跟蹤算法[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

3 杜方芳;劉士榮;邱雪娜;;一種改進(jìn)的粒子濾波目標(biāo)跟蹤算法[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

4 付曉薇;方康玲;李曦;;一種基于特征的多目標(biāo)跟蹤算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

5 王亞楠;陳杰;甘明剛;;基于差分進(jìn)化的改進(jìn)粒子濾波目標(biāo)跟蹤算法[A];中國自動化學(xué)會控制理論專業(yè)委員會C卷[C];2011年

6 許偉村;趙清杰;;一種基于粒子濾波的多目標(biāo)跟蹤算法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

7 石章松;劉忠;;一種使用輔助變量的單站純方位目標(biāo)跟蹤算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

8 段萌遠(yuǎn);于俊清;王錦;;基于活動狀態(tài)分類的多目標(biāo)跟蹤算法[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會議(NCMT'06)論文集[C];2006年

9 張震宇;王立松;;基于粒子濾波的傳感器目標(biāo)跟蹤算法[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（上冊）[C];2009年

10 郭春;羅鵬飛;;一種基于小波變換的目標(biāo)跟蹤算法研究[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

相關(guān)博士學(xué)位論文 前10條

1 產(chǎn)思賢;基于視覺系統(tǒng)的智能目標(biāo)跟蹤算法研究[D];浙江工業(yè)大學(xué);2018年

2 王全輝;篩選式知識輔助多模型機(jī)動目標(biāo)跟蹤算法[D];深圳大學(xué);2018年

3 胡秀華;復(fù)雜場景中目標(biāo)跟蹤算法研究[D];西北工業(yè)大學(xué);2017年

4 金加根;基于元數(shù)據(jù)的雷達(dá)目標(biāo)檢測和跟蹤研究[D];武漢理工大學(xué);2015年

5 張雷;復(fù)雜場景下實時目標(biāo)跟蹤算法及實現(xiàn)技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2016年

6 胡碩;基于小波理論的目標(biāo)檢測與快速目標(biāo)跟蹤算法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2006年

7 李安平;復(fù)雜環(huán)境下的視頻目標(biāo)跟蹤算法研究[D];上海交通大學(xué);2007年

8 王書朋;視頻目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2009年

9 劉晴;基于區(qū)域特征的目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2014年

10 盧建國;基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];北京郵電大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 王睿;基于Mean Shift的目標(biāo)跟蹤算法研究[D];武漢大學(xué);2017年

2 王永;基于孿生網(wǎng)絡(luò)的目標(biāo)跟蹤算法及其在艦船場景中的應(yīng)用研究[D];廈門大學(xué);2018年

3 肖渤濤;復(fù)雜場景下的實時目標(biāo)跟蹤算法研究及DSP實現(xiàn)[D];中國石油大學(xué)(華東);2017年

4 張圓;基于圖表示模型與學(xué)習(xí)方法的目標(biāo)跟蹤算法研究[D];安徽大學(xué);2019年

5 趙周鼎;核相關(guān)濾波目標(biāo)跟蹤算法的研究及其嵌入式平臺的實現(xiàn)[D];鄭州大學(xué);2019年

6 王潤玲;多帶寬融合的實時目標(biāo)跟蹤算法[D];北方工業(yè)大學(xué);2019年

7 周啟晨;基于深度學(xué)習(xí)的無人機(jī)對地目標(biāo)跟蹤算法研究[D];北方工業(yè)大學(xué);2019年

8 湛西羊;基于直覺模糊聚類的視頻多目標(biāo)跟蹤算法研究[D];深圳大學(xué);2018年

9 王健;基于自適應(yīng)巡航的多目標(biāo)跟蹤算法研究[D];合肥工業(yè)大學(xué);2018年

10 劉佳琪;基于FPGA的目標(biāo)跟蹤系統(tǒng)設(shè)計與實現(xiàn)[D];沈陽工業(yè)大學(xué);2018年

本文編號：2643733