視覺目標跟蹤在各種海事應用中發(fā)揮著重要作用。然而,現(xiàn)有的跟蹤方法大多屬于生成模型,只關注對象的特征,忽略背景信息。因此,對目標的視覺顯著性有更高的要求。本文將深度學習方法應用于船舶跟蹤,提出使用孿生網(wǎng)絡和區(qū)域推薦網(wǎng)絡的海上船舶跟蹤方法。為進一步提高跟蹤性能,參照AlexNet網(wǎng)絡對孿生網(wǎng)絡的CNN模塊進行修改,并提出一種基于歷史軌跡的自適應搜索區(qū)域提取方法,以適應不同的運動場景。利用數(shù)據(jù)集對所提出的跟蹤器進行評估。結果表明,在使用Intel Xeon CPU E5-2620,GTX TITAN的PC機上可以達到58%的平均精度和124.21 FPS。 

【文章來源】：艦船科學技術. 2019,41(23)北大核心

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]無人船遠距離目標追蹤與自動避障算法優(yōu)化[J]. 張彩虹,胡彥軍.  艦船科學技術. 2019(16)
[2]船舶無人駕駛技術中的數(shù)據(jù)融合應用技術[J]. 閆雨石,鞠文博.  艦船科學技術. 2016(20)
[3]一種快速魯棒的內(nèi)河CCTV系統(tǒng)船舶跟蹤算法[J]. 滕飛,劉清,朱琳.  武漢理工大學學報. 2014(05)
[4]基于Kalman濾波的船舶跟蹤技術[J]. 劉靜,劉以安,楊新剛.  微計算機信息. 2007(31)

碩士論文
[1]基于視覺的船舶跟蹤與三維定位技術研究與應用[D]. 李曉飛.廣東工業(yè)大學 2014



本文編號：3473630