基于机器学习的运动目标检测与跟踪算法研究

发布时间：2020-12-21 00:54

　　无人机由于体积小、成本低、灵活易操作等特点得到各领域的广泛关注,在应急救援、农业植保、军事侦察、地质勘探、环境监测、影视娱乐等行业应用领域需求旺盛。运动目标检测及跟踪是无人机航拍方面研究的基础内容之一,为实现无人机地跟踪拍摄,运动目标的检测及跟踪必不可少。本文采用随机森林（Random Forest,RF）和核相关滤波（Kernelized Correlation Filter,KCF）算法,围绕运动目标检测及跟踪这一课题,对运动目标的特征提取、边界检测、遮挡检测机制等算法进行了研究,最后将EBKCF（Edges Boxes with Kernelized Correlation Filter,EBKCF）算法移植到Manifold上,验证EBKCF算法的有效性。首先,由于结构随机森林（Structured Random Forest,SRF）的特征提取算法复杂,造成运动目标检测时间过长,本文提出了一种简单的梯度提取算法Simple-gradient。该算法减少了特征提取的复杂度,减少了算法提取时间,缩短了运动目标模型的训练时间以及运动目标边界检测时间;针对多棵决策树之间可能存在冗余,... 

【文章来源】：燕山大学河北省

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 运动目标检测算法的研究现状
        1.2.2 核相关滤波类跟踪算法的研究现状
    1.3 无人机跟踪的研究现状
    1.4 本课题主要研究内容及结构安排
第2章 改进的结构随机森林运动目标边界检测
    2.1 决策树
        2.1.1 ID3 算法
        2.1.2 C4.5 算法
        2.1.3 CART算法
    2.2 随机森林算法
        2.2.1 随机森林的检测过程
        2.2.2 随机森林的训练过程
    2.3 结构化随机森林算法
        2.3.1 Sketch Tokens的定义
        2.3.2 随机森林的结构化处理
    2.4 改进的结构随机森林检测算法
        2.4.1 特征提取算法
        2.4.2 间隔最优化算法
        2.4.3 本文的算法执行步骤
    2.5 改进的结构随机森林算法性能测试
        2.5.1 定性分析
        2.5.2 定量分析
    2.6 本章小结
第3章 结合抗遮挡改进的KCF跟踪算法
    3.1 核相关滤波算法跟踪运动目标
        3.1.1 核相关滤波算法的训练样本
        3.1.2 训练分类器
        3.1.3 快速检测
        3.1.4 在线更新模型
    3.2 Edges Boxes评估算法
    3.3 EBKCF算法
        3.3.1 遮挡检测机制
        3.3.2 候选框提案否决机制
        3.3.3 算法执行步骤
    3.4 EBKCF算法性能测试
        3.4.1 参数设置
        3.4.2 实验结果定性分析
        3.4.3 实验结果定量分析
    3.5 本章小结
第4章 基于DJI Guidance的 EBKCF算法实现
    4.1 系统硬件平台搭建
        4.1.1 Guidance视觉系统
        4.1.2 Manifold嵌入式开发板
    4.2 系统软件环境搭建
        4.2.1 DJI SDK介绍
        4.2.2 软件安装
    4.3 算法移植和实验设计
        4.3.1 基于ROS平台的算法移植
        4.3.2 实验步骤设计
    4.4 实验结果与分析
        4.4.1 尺度变化验证
        4.4.2 遮挡算法验证
    4.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]目标跟踪算法综述[J]. 孟琭,杨旭.  自动化学报. 2019(07)
[2]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋.  模式识别与人工智能. 2018(01)
[3]背景差分与帧间差分相融合的遥感卫星视频运动车辆检测方法[J]. 袁益琴,何国金,王桂周,江威,康金忠.  中国科学院大学学报. 2018(01)
[4]基于光流法和卡尔曼滤波的多目标跟踪[J]. 石龙伟,邓欣,王进,陈乔松.  计算机应用. 2017(S1)
[5]基于C4.5决策树的视频车辆车型分类算法[J]. 卞建勇,徐建闽.  微电子学与计算机. 2017(05)
[6]基于图像化多帧积累滤波的慢小目标探测方法[J]. 朱源才,王红,曲智国.  系统工程与电子技术. 2017(08)
[7]基于深度卷积特征的细粒度图像分类研究综述[J]. 罗建豪,吴建鑫.  自动化学报. 2017(08)
[8]改进的核相关滤波器目标跟踪算法[J]. 余礼杨,范春晓,明悦.  计算机应用. 2015(12)
[9]一种基于综合不放回抽样的随机森林算法改进[J]. 李慧,李正,佘堃.  计算机工程与科学. 2015(07)
[10]最大化边际的分类器选取算法[J]. 付彬,王志海,王中锋.  计算机科学与探索. 2011(01)



本文编号：2928879