相比于普通場景的目標(biāo)跟蹤,無人艇海面目標(biāo)跟蹤具有目標(biāo)尺度變化大、目標(biāo)抖動(dòng)劇烈和視角變化大等獨(dú)特挑戰(zhàn)。針對(duì)此,文中提出了基于深度學(xué)習(xí)的尺度自適應(yīng)海面目標(biāo)跟蹤算法,以樣本中心點(diǎn)是否落在真實(shí)目標(biāo)框內(nèi)對(duì)樣本進(jìn)行分類,直接回歸中心點(diǎn)到目標(biāo)框上下左右的距離預(yù)測(cè)目標(biāo)框的位置和尺度。同時(shí),建立了海面目標(biāo)跟蹤算法評(píng)估平臺(tái),以驗(yàn)證所提算法的有效性。試驗(yàn)結(jié)果表明,文中算法相比基于錨框的算法跟蹤位置精度提升了4.8%,成功率提升了11.49%,有效解決了目標(biāo)尺度自適應(yīng)問題。 

【文章來源】：水下無人系統(tǒng)學(xué)報(bào). 2020,28(06)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

OPE評(píng)估精確度和成功率曲線Fig.9PrecisionandsuccessratecurvesofOPE

2020年12月吳翔,等:基于深度學(xué)習(xí)的尺度自適應(yīng)海面目標(biāo)跟蹤算法第6期水下無人系統(tǒng)學(xué)報(bào)www.yljszz.cn619標(biāo)的信息,該任務(wù)負(fù)責(zé)在之后的每一幀圖像中定位出該目標(biāo)[2-3]。不同于普通場景的目標(biāo)跟蹤任務(wù),海面目標(biāo)跟蹤雖背景較為簡單,但具有目標(biāo)尺度變化大(見圖1)等特點(diǎn)。圖1目標(biāo)尺度變化Fig.1Changeofobjectscale目前較流行的目標(biāo)跟蹤算法有基于相關(guān)濾波器跟蹤算法和基于孿生網(wǎng)絡(luò)跟蹤算法�；谙嚓P(guān)濾波器跟蹤算法通過循環(huán)樣本集訓(xùn)練一個(gè)二維濾波器來尋找圖像中目標(biāo)的位置,并根據(jù)循環(huán)矩陣在傅里葉域?qū)腔男再|(zhì),將復(fù)雜的時(shí)域運(yùn)算轉(zhuǎn)化到傅里葉域元素間的點(diǎn)乘運(yùn)算,大大減少了運(yùn)算量,提高了跟蹤算法效率[4]。在基于相關(guān)濾波器的跟蹤算法中,解決目標(biāo)尺度問題的算法包括判別式尺度空間跟蹤(discriminativescalespacetracking,DSST)算法[5]、多特征尺度自適應(yīng)(scaleadaptivemultiplefeature,SAMF)算法[6]、核相關(guān)濾波器與檢測(cè)建議(kernelizedcorrelationfilterwithdetectionproposal,KCFDP)算法[7]、可伸縮核相關(guān)濾波器(scalablekernelcorrelationfilter,SKCF)算法[8]、積分邊界中心相關(guān)濾波器(integratingboun-daryandcentercorrelationfilter,IBCCF)算法[9]等,該類目標(biāo)跟蹤算法大部分使用手工特征,或使用應(yīng)用于分類任務(wù)的預(yù)訓(xùn)練網(wǎng)絡(luò)提取特征,無法形成端到端的訓(xùn)練。2016年,Bertinetto等[10]首次將孿生網(wǎng)絡(luò)用于視覺目標(biāo)跟蹤領(lǐng)域,提出SiamFC跟蹤器,該跟蹤器采用第1幀作為模板,在后續(xù)幀中通過相似性匹配尋找目標(biāo)位置,通過采樣3種不同尺度樣本分別與模板幀作相似性匹配以獲得最佳尺

2020年12月水下無人系統(tǒng)學(xué)報(bào)第28卷620JournalofUnmannedUnderseaSystemswww.yljszz.cn用z表示;下分支稱為搜索分支,其輸入為根據(jù)上一幀目標(biāo)信息獲得的當(dāng)前幀搜索區(qū)域圖像,大小調(diào)整為255px×255px,用x表示。圖中:表示特征提取網(wǎng)絡(luò),模板分支和搜索分支特征提取網(wǎng)絡(luò)參數(shù)共享。模板分支目標(biāo)圖像塊特征(z)和檢測(cè)分支搜索圖像塊特征(x)進(jìn)行交叉相關(guān)操作,得到最終響應(yīng)圖,即將(z)作為卷積核在(x)上進(jìn)行卷積。卷積時(shí),每個(gè)子窗口可以看成一個(gè)候選樣本,共有17×17個(gè)候選樣本,因此最終響應(yīng)圖的大小為17×17,每個(gè)值代表對(duì)應(yīng)候選樣本的分類結(jié)果。SiamFC跟蹤器通過對(duì)當(dāng)前幀圖像進(jìn)行3種不同尺度的采樣,然后輸入網(wǎng)絡(luò)進(jìn)行以上操作,可得到3個(gè)響應(yīng)圖,將最大響應(yīng)值所在響應(yīng)圖對(duì)應(yīng)的尺度作為當(dāng)前幀目標(biāo)的尺度。圖2孿生網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2Diagramofsiamesenetworkstructure1.2問題分析將SiamRPN跟蹤器應(yīng)用于海面目標(biāo)跟蹤數(shù)據(jù)集,發(fā)現(xiàn)其表現(xiàn)效果并不好。在分析其原因之前,首先簡單介紹SiamRPN跟蹤器的目標(biāo)跟蹤過程。SiamRPN跟蹤器共有17×17個(gè)候選區(qū)域,對(duì)于每一個(gè)候選區(qū)域設(shè)置尺度以及長寬比不同的錨框,在訓(xùn)練過程中根據(jù)錨框與GT的交并比(intersection-over-union,IOU)大小對(duì)錨框分類,設(shè)置分類標(biāo)簽,將與GT的IOU大于0.6的錨框設(shè)置為正樣本,其余設(shè)置為負(fù)樣本,最后再將錨框向GT回歸。如上所述,基于錨框的目標(biāo)跟蹤算法的訓(xùn)練過程注定其表現(xiàn)效果對(duì)錨框的尺寸、長寬比和數(shù)目非常敏感,與錨框相關(guān)的超參數(shù)需要針對(duì)不同對(duì)象大小或長寬比進(jìn)

【參考文獻(xiàn)】：
期刊論文
[1]時(shí)空上下文融合的無人艇海面目標(biāo)跟蹤[J]. 彭艷,陳加宏,李小毛,羅均,謝少榮,劉暢,蒲華燕.  中國科學(xué):技術(shù)科學(xué). 2018(12)



本文編號(hào)：3284358