多特征融合的次峰抑制无人机目标跟踪

发布时间：2021-05-31 16:22

　　无人机目标跟踪是计算机视觉一个热门的研究方向。多特征融合后的响应通常含有噪声,为了解决这个问题,提出一种基于多特征融合的次峰响应抑制的无人机目标跟踪算法。提取HOG特征和二维颜色属性特征,并进行融合产生响应。对次峰响应进行抑制以去除噪声,将多个次峰聚合为一个中心主峰。引入自适应模型更新策略进一步增强算法的鲁棒性。在UAV123和VisDrone2019数据集上进行实验,结果显示该算法在无人机的快速运动、视角变化等挑战场景中表现出较好的跟踪精度和鲁棒性。 

【文章来源】：计算机工程与应用. 2020,56(14)北大核心CSCD

【文章页数】：7 页

【部分图文】：

SSMT跟踪流程图

VisDrone2019是朱鹏飞等人拍摄和标注的数据集，包含263个视频剪辑和10 209个图像。定义10个感兴趣的对象类别，注释来自这些类别的250万个对象实例的边界框，包括对象边界框、对象类别、遮挡、截断率等。实验挑选其中较有挑战性的35个视频序列进行测试。图3 在UAV123上FM等属性的精度和成功率

图2 在UAV123数据集上的精度和成功率在VisDrone2019数据集上与ECO-HC[6]、ARCF[20]、AMCF[12]、BACF[21]、OMFL[9]、MCCT-H[22]和Staple[25]七个先进跟踪算法进行对比。整体性能比较结果如图4所示，跟踪器SSMT在一次通过的精度和成功率都取得很好的结果，分别为81.9%、60.2%。

【参考文献】：
期刊论文
[1]多特征重检测的相关滤波无人机视觉跟踪[J]. 董美宝,杨涵文,郭文,马思源,郑创.  图学学报. 2019(06)
[2]基于自适应深度网络的无人机目标跟踪算法[J]. 刘芳,王洪娟,黄光伟,路丽霞,王鑫.  航空学报. 2019(03)
[3]基于置信度的加权特征融合相关滤波跟踪[J]. 成悦,李建增,李爱华,褚丽娜.  计算机工程与应用. 2019(20)
[4]基于随机森林的无人机检测方法[J]. 刘阳,杜华军,岳子涵,马杰,吕武.  计算机工程与应用. 2019(07)



本文编号：3208570