基于无人船视觉的水面目标识别与跟踪研究

发布时间：2023-05-19 01:47

　　水面无人船(Unmanned Surface Vessel,USV)对于水面的目标识别和障碍物检测主要依赖其视觉系统。随着USV视觉系统的智能化程度越来越高,其在军事和民用领域具有广阔的应用前景,使得对USV的水面目标识别与跟踪系统的研究成为了当前研究的热点。USV在复杂海面环境以及时变背景下,对于待识别与跟踪的目标因外观和旋转变化而导致跟踪丢失以及不准确的问题,单纯依靠传统的目标检测与跟踪方法难以实现准确的识别与跟踪。因此,本文在对水面目标识别与跟踪的方法研究上,基于当前人工智能技术对水面目标的识别与跟踪提出了一种智能化的解决方案,能够实时准确的对水面目标进行识别与跟踪。首先,针对水面目标检测存在水面场景光照条件的变化以及水面远处小目标识别难的问题,采用YOLOv3(You Only Look Once version 3)的目标检测算法来对水面目标进行检测。分析YOLOv3算法的目标检测特征图输出网络的设计原理,并对非极大值抑制筛选预测框、目标物体边界框的预测和损失函数的设计机理进行阐述。经过相关的实验对比与测试,实验结果显示该算法的识别准确率更高,在实际的水面场景中对无人船的识别...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 水面无人船研究现状
        1.2.2 目标识别研究现状
        1.2.3 目标跟踪研究现状
    1.3 本文章节安排和组织结构
2 理论基础
    2.1 卷积神经网络
    2.2 非极大值抑制与边界框回归
        2.2.1 非极大值抑制
        2.2.2 边界框回归
    2.3 频域滤波基础
        2.3.1 二维循环卷积定理
        2.3.2 响应最值与消除边缘效应
        2.3.3 相关滤波理论思想
    2.4 马氏距离
    2.5 本章小结
3 基于YOLOv3的无人船水面目标检测
    3.1 YOLOv3对水面目标检测原理
        3.1.1 检测特征图输出网络
        3.1.2 目标检测流程
        3.1.3 边界框预测
        3.1.4 损失函数
    3.2 YOLOv3无人船数据集展示与标注
        3.2.1 无人船数据集的展示
        3.2.2 数据集标注
    3.3 实验结果与分析
    3.4 本章小结
4 基于MOSSE的改进型自适应卷积滤波
    4.1 基于MOSSE的卷积滤波
        4.1.1 MOSSE相关滤波算法
        4.1.2 滤波器在线更新
    4.2 基于MOSSE的改进型自适应卷积滤波
    4.3 实验结果与分析
    4.4 本章小结
5 基于Deepsort与YOLOv3的无人船水面目标识别与跟踪
    5.1 Deepsort目标跟踪
    5.2 Deepsort与YOLOv3结合实现对水面目标的识别与跟踪
    5.3 实验结果与分析
    5.4 本章小结
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果



本文编号：3819417