在基于對(duì)擴(kuò)展目標(biāo)成像的光電跟蹤系統(tǒng)中,對(duì)目標(biāo)圖像的定位將對(duì)后續(xù)的跟蹤控制性能產(chǎn)生很大的影響,如何從一系列具有復(fù)雜背景和較大擴(kuò)展度的目標(biāo)序列圖像中實(shí)現(xiàn)高精度的特征定位跟蹤一直是非常活躍的研究方向。本課題所研究的目標(biāo)圖像具有一定的擴(kuò)展度,有一定的紋理和形狀信息,但是目標(biāo)的運(yùn)動(dòng)過(guò)程比較復(fù)雜,可能出現(xiàn)尺度變化,旋轉(zhuǎn),遮擋等情形從而導(dǎo)致跟蹤精度下降。因此,研究一種針對(duì)擴(kuò)展目標(biāo)圖像的高魯棒性的特征定位跟蹤算法很有必要。特征表達(dá)是目標(biāo)跟蹤過(guò)程的關(guān)鍵部分。人工特征相對(duì)簡(jiǎn)單,實(shí)時(shí)性強(qiáng),但存在表征能力不足的問(wèn)題。當(dāng)處理諸如快速變化和目標(biāo)遮擋之類的問(wèn)題時(shí),其易于漂移。隨著深度神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測(cè)和識(shí)別任務(wù)中的強(qiáng)特征表達(dá)能力,深層神經(jīng)網(wǎng)絡(luò)特征逐漸被用作特征提取工具,但如何使用和集成這些特征仍值得研究�；谀繕�(biāo)跟蹤實(shí)時(shí)性的考慮,本文以相關(guān)濾波為基本框架,從特征改進(jìn)的路線來(lái)進(jìn)行算法研究。在目標(biāo)檢測(cè)和識(shí)別等領(lǐng)域中,特征層數(shù)的增加對(duì)算法效果是正增益的。本文將特征層數(shù)比目前普遍使用的VGG-19更深的殘差神經(jīng)網(wǎng)絡(luò)（ResNet-50）作為主要研究對(duì)象,詳細(xì)分析了各特征層對(duì)目標(biāo)跟蹤性能的影響。創(chuàng)新性的將ResNet-50的... 

【文章來(lái)源】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所)四川省

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

ATP系統(tǒng)跟蹤目標(biāo)示意圖，引自文獻(xiàn)[2]

2夠?qū)崟r(shí)探測(cè)和校正波前誤差，是目標(biāo)以接近光學(xué)系統(tǒng)衍射極限的質(zhì)量成像，因而可以提高目標(biāo)在探測(cè)器靶面上的成像質(zhì)量，提高目標(biāo)的對(duì)比度和信噪比[3]。將自適應(yīng)光學(xué)技術(shù)與ATP望遠(yuǎn)鏡結(jié)合，利用自適應(yīng)光學(xué)技術(shù)校正大氣湍流后的高分辨圖像，可以獲得高精度的目標(biāo)跟蹤性能。經(jīng)過(guò)自適應(yīng)光學(xué)系統(tǒng)變形鏡校正后的擴(kuò)展目標(biāo)的高精度定位信息用來(lái)控制快反鏡，可以獲得更高的跟蹤精度。一般將加入自適應(yīng)光學(xué)校正的跟蹤系統(tǒng)稱為“高精跟蹤系統(tǒng)”，如圖1.2所示。圖1.2自適應(yīng)光學(xué)系統(tǒng)高精跟蹤示意圖Figure1.2Highprecisiontrackinginadaptiveopticalsystem在整個(gè)光電跟蹤系統(tǒng)中，對(duì)擴(kuò)展目標(biāo)位置的提取精度和準(zhǔn)確性將對(duì)后續(xù)的跟蹤控制產(chǎn)生很大的影響，所以本課題將高精度光電跟蹤系統(tǒng)中的圖像跟蹤處理部分作為研究重點(diǎn)，通過(guò)分析一系列的序列圖像信息，旨在提出一種目標(biāo)跟蹤算法輸出更高精度和更準(zhǔn)確的目標(biāo)定位值。在實(shí)際的定位和跟蹤中，會(huì)根據(jù)目標(biāo)的特點(diǎn)定制相應(yīng)定位跟蹤策略。本課題研究的目標(biāo)為擴(kuò)展目標(biāo)[4]，定義為每個(gè)時(shí)間點(diǎn)可能產(chǎn)生一個(gè)以上計(jì)量參數(shù)的目標(biāo)。具體應(yīng)用背景如圖1.2所示，本課題研究的擴(kuò)展目標(biāo)圖像來(lái)自于經(jīng)過(guò)大氣湍流擾動(dòng)以后，經(jīng)過(guò)AO自適應(yīng)光學(xué)系統(tǒng)自適應(yīng)校正后高分辨擴(kuò)展目標(biāo)圖像。在成像平面上，該目標(biāo)占有一定比例，具有邊緣、紋理、灰度、形狀等豐富的目標(biāo)特征信息，可以結(jié)合特征做高精度的定位和跟蹤，也是這個(gè)原因，在計(jì)算特征描述模板

3時(shí)，算法的實(shí)時(shí)性將會(huì)很難得到保障。另外，擴(kuò)展目標(biāo)運(yùn)動(dòng)過(guò)程比較復(fù)雜，這也給擴(kuò)展目標(biāo)的跟蹤帶來(lái)了難點(diǎn)：1.目標(biāo)的尺度大小會(huì)引起目標(biāo)的局部特征區(qū)域的細(xì)節(jié)信息發(fā)生變化。2.目標(biāo)的方向會(huì)不斷地改變，有時(shí)目標(biāo)姿態(tài)的變化甚至?xí)霈F(xiàn)自遮擋的問(wèn)題，該情形下的目標(biāo)特征信息發(fā)生部分缺失。3.當(dāng)場(chǎng)景中存在光照變化時(shí)，擴(kuò)展目標(biāo)的某些部位的灰度信息發(fā)生快速變化。以上的因素都可能會(huì)導(dǎo)致選取的特征漂移或丟失，導(dǎo)致跟蹤失敗。因此不僅要滿足大范圍搜索下目標(biāo)跟蹤算法的實(shí)時(shí)性的需求，盡量避免或簡(jiǎn)化過(guò)于復(fù)雜的計(jì)算量，而且要滿足現(xiàn)實(shí)復(fù)雜場(chǎng)景下對(duì)目標(biāo)跟蹤算法魯棒性和適應(yīng)性的考驗(yàn)。圖1.3目標(biāo)的復(fù)雜姿態(tài)變化Figure1.3Complexattitudechangeoftarget因此研究一種能夠在擴(kuò)展目標(biāo)圖像中穩(wěn)定表達(dá)的，且在尺度變換、目標(biāo)旋轉(zhuǎn)、目標(biāo)自遮擋，光照變化等多參數(shù)下具備不變性和同一性的特征描述模板以及相應(yīng)的目標(biāo)跟蹤算法，當(dāng)擴(kuò)展目標(biāo)環(huán)境變化發(fā)生變化以及自身姿態(tài)變化時(shí)，依舊能夠穩(wěn)定的表征目標(biāo)和跟蹤目標(biāo)，并且在短期跟蹤失敗后能重新檢測(cè)并跟蹤目標(biāo)，輸

【參考文獻(xiàn)】：
期刊論文
[1]基于相關(guān)濾波器的目標(biāo)跟蹤方法綜述[J]. 馬曉虹,尹向雷.  電子技術(shù)應(yīng)用. 2018(06)
[2]基于GBVS改進(jìn)的Object Bank場(chǎng)景分類方法[J]. 陳夢(mèng)婷,陳思喜.  計(jì)算機(jī)與現(xiàn)代化. 2017(01)

博士論文
[1]光電經(jīng)緯儀電視跟蹤、捕獲快速運(yùn)動(dòng)目標(biāo)技術(shù)的研究[D]. 王建立.中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所） 2002

碩士論文
[1]光電跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 孔慶珊.哈爾濱工程大學(xué) 2010



本文編號(hào)：2953136