基于深度学习的无人机对地目标跟踪算法研究

发布时间：2020-04-28 18:19

【摘要】：随着机器学习技术的不断发展,深度学习算法越来越受到研究者的重视。在无人机对地目标拍摄的场景下,如何实现高精度实时的目标跟踪是一项具有重要意义的课题。由于无人机航拍场景的特殊性,目标发生形态变化、尺度变化、以及光照变化都会导致跟踪性能的不稳定,甚至出现目标跟踪丢失的情况。传统无人机目标跟踪方法对尺度变化的目标跟踪效果不好,难以处理高速运动的目标,对相邻帧间位移过大或者有遮挡的目标处理不好。由于传统跟踪系统的误差和丢失目标的情况十分严重,我们提出了一种基于深度学习的目标跟踪解决方案,该算法可以在无人机对地目标跟踪的领域中发挥重要作用。为了对地面目标进行跟踪分析,我们还开发了一种实时记录目标路径的算法,该算法可以实时记录图像每一帧中跟踪目标的坐标信息。我们在比较了许多深度学习算法的性能之后,最终采用一种直接预测边界框坐标和类别置信度的SSD(Single Shot Multibox Detector)算法提取候选目标,然后结合颜色直方图和方向梯度直方图特征计算待跟踪目标与候选目标的巴氏系数,取最接近者作为匹配目标,再基于卡尔曼滤波剔除误跟踪目标。实验表明本文所提方法是可行的,具有准确性高、实时性能好等特点。
【图文】：

随着过去几十年计算机硬件和软件的不断发展和升级，许多实际应用场景需逡逑要稳定性强、可靠性高的目标跟踪系统作为基础。常见的应用场景包括车辆视频逡逑监控和客流量监控，如图１－１所示。所有这些应用都毫无例外地十分依赖于目标逡逑跟踪模块的性能。目标跟踪相当于视觉系统中的前端任务，如果发生故障，整个逡逑系统通常会出现无法恢复的错误。因此稳定的目标跟踪系统可以说是许多视觉系逡逑统实际应用的关键。逡逑飞：邋＿ｐｌ逡逑图ｉ－ｉ计算机视觉实际应用逡逑随着无人机行业的快速发展，无人机对地目标跟踪算法的开发是一项非常具逡逑有意义的任务。美国联邦航空管理局和美国国家航空航天局报告了许多无人驾驶逡逑飞机精确跟踪特殊目标的案例。因此开发一种可以识别和跟踪地面目标的监控系逡逑统具有重大意义。由于现实世界环境是多样的，目标一般会在比较复杂背景当中，逡逑再加上地面上众多的目标类型，无人机对地目标跟踪算法的开发是一项艰巨的任逡逑务。无人机对地目标跟踪系统基本组成部分如图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馈神经网络和卷积神经网络。研宄人逡逑员使用前馈神经网络和卷积神经网络进行目标跟踪任务：２６’２７］。近年来虽然深度学逡逑习技术和一些相关的深度网络模型在语音识别、自然语言处理和图像处理领域取逡逑得了显著成果，但它们并未在目标跟踪任务中得到广泛应用。这主要是因为深度逡逑网络模型的训练对计算量和训练数据量有很高的要求。因此在实时目标跟踪任务逡逑中没有太多使用深度网络模型。虽然如此，有部分研究学者依然进行了一些尝试，逡逑并且已经取得了一定的研宄成果。逡逑香港中文大学Ｗａｎｇ等人：２８］提出了一种基于深度神经网络模型的目标跟踪方逡逑法，该方法在大量辅助图像数据上离线学习深度图像特征表示作为目标外观模逡逑型。ｗａｎｇ等人的方法，有一个离线预训练步骤，，因此它可以被视为伪在线方法。逡逑６逡逑
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：V279;TP18

【相似文献】

相关期刊论文 前10条

1 杨凯杰;田畅;关文君;;快速目标跟踪算法及其嵌入式实现[J];军事通信技术;2016年04期

2 陈伟;祝恩;刘天航;殷建平;邱明辉;;目标跟踪算法的并行优化[J];计算机工程与科学;2016年11期

3 张涛;李继生;董恩国;;基于人脸识别的移动目标跟踪算法研究[J];现代制造技术与装备;2017年02期

4 李贺;;基于深度学习的目标跟踪算法研究综述[J];黑龙江科技信息;2017年17期

5 吴小俊;徐天阳;须文波;;基于相关滤波的视频目标跟踪算法综述[J];指挥信息系统与技术;2017年03期

6 王立新,戴冠中;一种分散化多站联合目标跟踪算法[J];航空学报;1988年03期

7 V.纳加拉简;R.N.沙马;肖万选;;改善边跟踪边搜索雷达的检测和跟踪性能的新方法(第二部分)——检测、航迹的产生与组合[J];雷达与对抗;1988年05期

8 窦慧;赵书斌;王强;;基于特征点的典型目标跟踪算法性能分析[J];指挥控制与仿真;2017年02期

9 王丽娜;;基于卡尔曼滤波的单模型目标跟踪算法的仿真研究[J];中国新通信;2016年10期

10 曹晓丽;李明;邢玉娟;谭萍;;几种自动目标跟踪算法的比较研究[J];硅谷;2013年02期

相关会议论文 前10条

1 徐炳吉;;一种多站联合目标跟踪算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集（上卷）[C];1995年

2 肖敬若;胡伏原;郑江滨;张艳宁;;一种有效的多目标跟踪算法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

3 杜方芳;刘士荣;邱雪娜;;一种改进的粒子滤波目标跟踪算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

4 付晓薇;方康玲;李曦;;一种基于特征的多目标跟踪算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

5 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年

6 许伟村;赵清杰;;一种基于粒子滤波的多目标跟踪算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

7 石章松;刘忠;;一种使用辅助变量的单站纯方位目标跟踪算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

8 段萌远;于俊清;王锦;;基于活动状态分类的多目标跟踪算法[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年

9 张震宇;王立松;;基于粒子滤波的传感器目标跟踪算法[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

10 郭春;罗鹏飞;;一种基于小波变换的目标跟踪算法研究[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

相关博士学位论文 前10条

1 产思贤;基于视觉系统的智能目标跟踪算法研究[D];浙江工业大学;2018年

2 王全辉;筛选式知识辅助多模型机动目标跟踪算法[D];深圳大学;2018年

3 胡秀华;复杂场景中目标跟踪算法研究[D];西北工业大学;2017年

4 金加根;基于元数据的雷达目标检测和跟踪研究[D];武汉理工大学;2015年

5 张雷;复杂场景下实时目标跟踪算法及实现技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年

6 胡硕;基于小波理论的目标检测与快速目标跟踪算法研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2006年

7 李安平;复杂环境下的视频目标跟踪算法研究[D];上海交通大学;2007年

8 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年

9 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年

10 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年

相关硕士学位论文 前10条

1 王睿;基于Mean Shift的目标跟踪算法研究[D];武汉大学;2017年

2 王永;基于孪生网络的目标跟踪算法及其在舰船场景中的应用研究[D];厦门大学;2018年

3 肖渤涛;复杂场景下的实时目标跟踪算法研究及DSP实现[D];中国石油大学(华东);2017年

4 张圆;基于图表示模型与学习方法的目标跟踪算法研究[D];安徽大学;2019年

5 赵周鼎;核相关滤波目标跟踪算法的研究及其嵌入式平台的实现[D];郑州大学;2019年

6 王润玲;多带宽融合的实时目标跟踪算法[D];北方工业大学;2019年

7 周启晨;基于深度学习的无人机对地目标跟踪算法研究[D];北方工业大学;2019年

8 湛西羊;基于直觉模糊聚类的视频多目标跟踪算法研究[D];深圳大学;2018年

9 王健;基于自适应巡航的多目标跟踪算法研究[D];合肥工业大学;2018年

10 刘佳琪;基于FPGA的目标跟踪系统设计与实现[D];沈阳工业大学;2018年

本文编号：2643733