無人機目標跟蹤是計算機視覺一個熱門的研究方向。多特征融合后的響應通常含有噪聲,為了解決這個問題,提出一種基于多特征融合的次峰響應抑制的無人機目標跟蹤算法。提取HOG特征和二維顏色屬性特征,并進行融合產生響應。對次峰響應進行抑制以去除噪聲,將多個次峰聚合為一個中心主峰。引入自適應模型更新策略進一步增強算法的魯棒性。在UAV123和VisDrone2019數(shù)據(jù)集上進行實驗,結果顯示該算法在無人機的快速運動、視角變化等挑戰(zhàn)場景中表現(xiàn)出較好的跟蹤精度和魯棒性。 

【文章來源】：計算機工程與應用. 2020,56(14)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

SSMT跟蹤流程圖

VisDrone2019是朱鵬飛等人拍攝和標注的數(shù)據(jù)集，包含263個視頻剪輯和10 209個圖像。定義10個感興趣的對象類別，注釋來自這些類別的250萬個對象實例的邊界框，包括對象邊界框、對象類別、遮擋、截斷率等。實驗挑選其中較有挑戰(zhàn)性的35個視頻序列進行測試。圖3 在UAV123上FM等屬性的精度和成功率

圖2 在UAV123數(shù)據(jù)集上的精度和成功率在VisDrone2019數(shù)據(jù)集上與ECO-HC[6]、ARCF[20]、AMCF[12]、BACF[21]、OMFL[9]、MCCT-H[22]和Staple[25]七個先進跟蹤算法進行對比。整體性能比較結果如圖4所示，跟蹤器SSMT在一次通過的精度和成功率都取得很好的結果，分別為81.9%、60.2%。

【參考文獻】：
期刊論文
[1]多特征重檢測的相關濾波無人機視覺跟蹤[J]. 董美寶,楊涵文,郭文,馬思源,鄭創(chuàng).  圖學學報. 2019(06)
[2]基于自適應深度網(wǎng)絡的無人機目標跟蹤算法[J]. 劉芳,王洪娟,黃光偉,路麗霞,王鑫.  航空學報. 2019(03)
[3]基于置信度的加權特征融合相關濾波跟蹤[J]. 成悅,李建增,李愛華,褚麗娜.  計算機工程與應用. 2019(20)
[4]基于隨機森林的無人機檢測方法[J]. 劉陽,杜華軍,岳子涵,馬杰,呂武.  計算機工程與應用. 2019(07)



本文編號：3208570