由于非制冷紅外熱像儀采集的紅外圖像具有對(duì)比度低、紋理模糊的特點(diǎn),僅僅利用灰度特征很難實(shí)現(xiàn)穩(wěn)定的追蹤性能,嚴(yán)重制約復(fù)雜環(huán)境下武器裝備精確打擊的能力。在多視角協(xié)同學(xué)習(xí)的基礎(chǔ)上,利用脊回歸具有解析解的優(yōu)勢(shì),通過(guò)最小化類(lèi)內(nèi)方差來(lái)分析樣本之間的類(lèi)內(nèi)結(jié)構(gòu)關(guān)系,提出一種基于最優(yōu)間隔分布與多視角特征協(xié)同的紅外目標(biāo)跟蹤算法,可以同時(shí)優(yōu)化類(lèi)內(nèi)間隔方差和類(lèi)間間隔方差,實(shí)現(xiàn)紅外目標(biāo)的實(shí)時(shí)精確追蹤;針對(duì)傳統(tǒng)模型參數(shù)更新適應(yīng)性不強(qiáng)的問(wèn)題,引入峰值旁瓣比對(duì)跟蹤參數(shù)進(jìn)行自適應(yīng)更新,提升模型的泛化能力。大量定性定量仿真實(shí)驗(yàn)結(jié)果表明,提出的紅外目標(biāo)追蹤算法在目標(biāo)發(fā)生部分遮擋、運(yùn)動(dòng)模糊、背景干擾、旋轉(zhuǎn)以及灰度變化等復(fù)雜環(huán)境下,能夠較準(zhǔn)確地追蹤目標(biāo),具有重要的理論和應(yīng)用研究?jī)r(jià)值,適合高性能低成本非制冷紅外導(dǎo)引頭。 

【文章來(lái)源】：重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020年04期 北大核心

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

本文算法的追蹤重疊精度性能曲線

圖1 本文算法的追蹤重疊精度性能曲線圖3展示了外場(chǎng)數(shù)據(jù)的跟蹤結(jié)果,通過(guò)本算法與KCF算法之間的比較表明,KCF算法的運(yùn)行速度非�？�,但是當(dāng)背景復(fù)雜和目標(biāo)發(fā)生巨大形變或被嚴(yán)重遮擋的情況下會(huì)發(fā)生跟蹤失敗。這樣的結(jié)果表明,使用單一特征的目標(biāo)跟蹤算法,在特征提取的過(guò)程中計(jì)算量小,提取特征的算法復(fù)雜度低,而得到的特征維度不高。而本文算法則是采取多視角協(xié)同學(xué)習(xí)多類(lèi)互補(bǔ)特征關(guān)系,對(duì)目標(biāo)的表征能力更強(qiáng),其跟蹤性能更優(yōu)。

表2 各追蹤算法的重疊精度對(duì)比Tab.2 Overlap accuracy in comparison algorithms 紅外序列 算法 TLD KCF FCT MFT 本文算法 基準(zhǔn)序列 1 0.479 0.655 0.597 0.602 0.661 ˉ 基準(zhǔn)序列 2 0.607 0.715 0.722 0.539 0.761 ˉ 基準(zhǔn)序列 3 0.416 0.725 0.708 0.391 0.733 ˉ 外場(chǎng)序列 1 0.651 0.757 0.643 0.504 0.797 ˉ 外場(chǎng)序列 2 0.479 0.757 0.700 0.498 0.801 ˉ 外場(chǎng)序列 3 0.307 0.682 0.687 0.509 0.694 ˉ以上分析表明,追蹤過(guò)程中,如何利用多特征的互補(bǔ)特性是提高追蹤性能的關(guān)鍵。TLD僅僅簡(jiǎn)單采用了目標(biāo)的灰度特征,不能較好地描述目標(biāo)的外觀變化;FCT追蹤算法則使用了紋理特性更強(qiáng)的haar特征來(lái)描述目標(biāo),使得對(duì)目標(biāo)的外觀描述更加準(zhǔn)確。KCF算法通過(guò)核函數(shù)對(duì)多通道特征進(jìn)行累加,增強(qiáng)待檢測(cè)目標(biāo)的泛化能力,但該算法對(duì)具有尺度變化、模糊等序列追蹤效果不佳。MFT追蹤算法利用多特征級(jí)聯(lián)的追蹤算法來(lái)進(jìn)行追蹤,雖然表現(xiàn)出不錯(cuò)的追蹤效果,但級(jí)聯(lián)的特征受目標(biāo)本身特性影響,算法性能不穩(wěn)定。本文提出的算法,充分利用了基于形狀的HOG特征與基于灰度的直方圖特征的互補(bǔ)特性,具有明顯的抗干擾能力。

【參考文獻(xiàn)】：
期刊論文
[1]卷積自編碼融合網(wǎng)絡(luò)的紅外可見(jiàn)光圖像融合[J]. 楊勇,劉家祥,黃淑英,張迎梅,吳嘉驊,李露奕.  小型微型計(jì)算機(jī)系統(tǒng). 2019(12)
[2]基于雙核協(xié)同學(xué)習(xí)模型的紅外目標(biāo)跟蹤算法[J]. 曾金發(fā),吳恩斯,李能勇.  紅外技術(shù). 2018(05)
[3]中心對(duì)稱(chēng)紋理描述及其在目標(biāo)跟蹤中的應(yīng)用[J]. 程國(guó).  紅外技術(shù). 2018(05)
[4]特征融合的核相關(guān)濾波目標(biāo)跟蹤[J]. 張曉玄,高美鳳.  小型微型計(jì)算機(jī)系統(tǒng). 2017(10)
[5]高速激光光斑檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 李一芒,盛磊,陳云善.  激光技術(shù). 2015(04)
[6]一種基于OSLOM的快速社團(tuán)發(fā)現(xiàn)算法[J]. 于洋,李樹(shù)棟,劉娟,李?lèi)?ài)平,金松昌.  魯東大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[7]在線加權(quán)多示例學(xué)習(xí)實(shí)時(shí)目標(biāo)跟蹤[J]. 陳東成,朱明,高文,孫宏海,楊文波.  光學(xué)精密工程. 2014(06)



本文編號(hào)：2939648