當(dāng)艦載或機載光電傳感器晃動、掉幀或者目標(biāo)做復(fù)雜戰(zhàn)術(shù)機動時,跟蹤目標(biāo)在相鄰幀間會突然改變原來的運動軌跡,此時如何有效跟蹤突然機動目標(biāo)是一個難點問題。首先利用基于組合基于（speeded up robust features,SURF）特征描述子的二幀差分法進行背景差分,然后再利用卡爾曼濾波給出目標(biāo)的預(yù)測位置,在以此為中心的搜索區(qū)域內(nèi)用Mean shift跟蹤方法尋找目標(biāo)的最佳匹配,同時逐幀根據(jù)卡爾曼濾波的先驗預(yù)測誤差協(xié)方差判斷目標(biāo)是否出現(xiàn)機動。在檢測到目標(biāo)機動后,利用基于顯著密度的高效子窗口搜索方法快速檢測視場內(nèi)的所有可疑目標(biāo),最后利用SURF算法進行特征匹配篩選出原始跟蹤目標(biāo)并返回目標(biāo)位置,實現(xiàn)突然機動目標(biāo)的自動可靠跟蹤。仿真實驗表明,新系統(tǒng)無論針對常規(guī)運動目標(biāo)還是突然機動目標(biāo)都能保證又快又準(zhǔn)的跟蹤效果。 

【文章來源】：系統(tǒng)工程與電子技術(shù). 2019,41(08)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 移動攝像下的常規(guī)運動目標(biāo)跟蹤方法
    1.1 基于SURF特征點匹配的二幀差分方法
    1.2 組合卡爾曼濾波和Mean Shift算法的目標(biāo)跟蹤方法
    1.3 移動攝像下的目標(biāo)跟蹤方法設(shè)計
2 基于顯著密度的高效子窗口搜索精準(zhǔn)目標(biāo)檢測方法
    2.1 基于HFT的顯著性檢測方法
    2.2 基于顯著密度最大化的ESS方法設(shè)計
    2.3 基于粗定位區(qū)域的目標(biāo)精準(zhǔn)檢測方法
    2.4 快速精確的目標(biāo)檢測方法設(shè)計
3 融合常規(guī)運動目標(biāo)和突然機動目標(biāo)的圖像跟蹤系統(tǒng)設(shè)計
    3.1 基于卡爾曼濾波先驗誤差協(xié)方差的目標(biāo)機動判別器
    3.2 基于SURF特征描述子的目標(biāo)匹配方法
    3.3 圖像目標(biāo)跟蹤系統(tǒng)設(shè)計
        3.3.1 系統(tǒng)框架設(shè)計
        3.3.2 人工交互界面 （GUI） 設(shè)計
4 實驗結(jié)果分析
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于Mean Shift算法的目標(biāo)跟蹤綜述[J]. 李慧霞,李臨生,閆慶森,周景文.  計算機與現(xiàn)代化. 2017(01)
[2]基于顯著圖生成和顯著密度最大化的高效子窗口搜索目標(biāo)檢測方法[J]. 劉松濤,黃金濤,劉振興.  電光與控制. 2015(12)
[3]光電跟蹤系統(tǒng)論證與設(shè)計[J]. 瞿建榮,王小齊,段紅建.  應(yīng)用光學(xué). 2014(02)
[4]光電跟蹤系統(tǒng)高速運動目標(biāo)快速跟蹤算法[J]. 鄧洪高,王國富,孫少帥.  光通信技術(shù). 2012(03)

碩士論文
[1]融合速度與緊致特征的目標(biāo)跟蹤算法研究[D]. 田健.福建師范大學(xué) 2016
[2]復(fù)雜場景下的多尺度特征分析與目標(biāo)追蹤[D]. 施國敏.大連理工大學(xué) 2013



本文編號：3088947