基于地面场景的长期目标跟踪算法研究与应用

发布时间：2021-09-06 19:02

　　目标跟踪是计算机视觉领域的研究热点之一,其目的在于对连续图像序列中的目标进行定位与跟踪。长期跟踪是目标跟踪领域的一个重要分支,考虑跟踪偏移情况加入重检测模块,在无人驾驶、武器制导、无人机导航和视频监控等领域具有广泛的应用前景。地面场景相比空天场景和海洋场景,面临着更多挑战,跟踪过程中容易出现相似目标干扰、尺度变化、遮挡甚至超出视野等复杂情况,往往导致跟踪失败。由于具有强大的特征表征能力,深度学习在目标跟踪领域是前沿热点,其代表为SiamFC算法,本文也在深入研究该算法的基础上开展研究。本文分析了地面场景下的长期跟踪存在的问题,提出一系列改进方法,进行算法的研究与应用,主要贡献如下:（1）针对现有的深度学习跟踪算法在相似目标干扰下跟踪性能的不足,在SiamFC算法的基础上,结合迁移学习,提出一种基于实例迁移学习的目标跟踪算法（TLSiamFC）。在图像序列的初始帧,通过对离线预训练的目标识别网络,进行基于目标实例的迁移学习,提取出网络中的实例判别特征和尺度敏感特征,进而构建针对该目标的跟踪特征提取网络,最后结合Siamese网络,进行后续帧的跟踪任务。实验结果表明,改进的TLSiamFC... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：95 页

【学位级别】：硕士

【部分图文】：

目标遮挡

快速运动与模糊

光照变化与背景干扰

【参考文献】：
期刊论文
[1]基于KCF框架的长时间视频目标跟踪算法[J]. 梁硕,陈金勇,吴金亮,王长力.  无线电通信技术. 2017(02)
[2]基于深度稀疏学习的鲁棒视觉跟踪[J]. 王鑫,侯志强,余旺盛,戴铂,金泽芬芬.  北京航空航天大学学报. 2017(12)
[3]精确制导技术研究[J]. 魏伟波,芮筱亭.  火力与指挥控制. 2006(02)
[4]粒子滤波算法综述[J]. 胡士强,敬忠良.  控制与决策. 2005(04)

硕士论文
[1]基于相关滤波的目标跟踪研究[D]. 姚保琛.安徽大学 2017



本文编号：3388004