一种基于孪生网络的高鲁棒性实时单目标船舶跟踪方法

发布时间：2021-11-03 11:51

　　视觉目标跟踪在各种海事应用中发挥着重要作用。然而,现有的跟踪方法大多属于生成模型,只关注对象的特征,忽略背景信息。因此,对目标的视觉显著性有更高的要求。本文将深度学习方法应用于船舶跟踪,提出使用孪生网络和区域推荐网络的海上船舶跟踪方法。为进一步提高跟踪性能,参照AlexNet网络对孪生网络的CNN模块进行修改,并提出一种基于历史轨迹的自适应搜索区域提取方法,以适应不同的运动场景。利用数据集对所提出的跟踪器进行评估。结果表明,在使用Intel Xeon CPU E5-2620,GTX TITAN的PC机上可以达到58%的平均精度和124.21 FPS。 

【文章来源】：舰船科学技术. 2019,41(23)北大核心

【文章页数】：6 页

【参考文献】：
期刊论文
[1]无人船远距离目标追踪与自动避障算法优化[J]. 张彩虹,胡彦军.  舰船科学技术. 2019(16)
[2]船舶无人驾驶技术中的数据融合应用技术[J]. 闫雨石,鞠文博.  舰船科学技术. 2016(20)
[3]一种快速鲁棒的内河CCTV系统船舶跟踪算法[J]. 滕飞,刘清,朱琳.  武汉理工大学学报. 2014(05)
[4]基于Kalman滤波的船舶跟踪技术[J]. 刘静,刘以安,杨新刚.  微计算机信息. 2007(31)

硕士论文
[1]基于视觉的船舶跟踪与三维定位技术研究与应用[D]. 李晓飞.广东工业大学 2014



本文编号：3473630