【摘要】：視覺目標(biāo)跟蹤是計(jì)算機(jī)視覺研究中的一項(xiàng)重要任務(wù),在機(jī)器人服務(wù)、人體運(yùn)動(dòng)分析和自動(dòng)駕駛等領(lǐng)域中有著廣泛的應(yīng)用。隨著高性能計(jì)算機(jī)的發(fā)展及無(wú)人機(jī)技術(shù)在軍事和民用領(lǐng)域的巨大應(yīng)用前景,目標(biāo)跟蹤算法和無(wú)人機(jī)技術(shù)的結(jié)合已成為一個(gè)研究熱點(diǎn)。近年來(lái),盡管目標(biāo)跟蹤領(lǐng)域取得了很大進(jìn)展,但建立跟蹤整體性能好,能夠較好地處理背景復(fù)雜、光照變化、遮擋等情況的目標(biāo)跟蹤算法,仍是一個(gè)具有挑戰(zhàn)性的問題�；谏鲜龇治�,本文針對(duì)復(fù)雜無(wú)人機(jī)場(chǎng)景下的目標(biāo)跟蹤算法進(jìn)行研究,在保證算法準(zhǔn)確性和魯棒性的前提下,提高算法的實(shí)時(shí)性。針對(duì)傳統(tǒng)壓縮跟蹤算法對(duì)光照變化敏感、在目標(biāo)被遮擋情況下跟蹤性能差的問題,提出了一種預(yù)測(cè)的自適應(yīng)壓縮跟蹤算法。該算法首先引入位置預(yù)測(cè)機(jī)制對(duì)目標(biāo)位置進(jìn)行預(yù)測(cè),并對(duì)預(yù)測(cè)位置周圍的搜索區(qū)域進(jìn)行相位一致性變換;然后根據(jù)兩幀目標(biāo)跟蹤窗口的相似度自適應(yīng)地更新分類器;最后以更新后的分類器來(lái)確定下一幀中的目標(biāo)位置。本文借助權(quán)威公共數(shù)據(jù)集OTB和無(wú)人機(jī)公共數(shù)據(jù)集UAV123對(duì)所提算法進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,該算法能夠很好地適應(yīng)無(wú)人機(jī)場(chǎng)景下的光照變化、目標(biāo)被遮擋等情況,可以有效提高目標(biāo)跟蹤的準(zhǔn)確度。針對(duì)相關(guān)濾波器的跟蹤結(jié)果容易陷入局部最優(yōu)值以及背景雜亂下易跟蹤失敗等問題,提出了將上下文環(huán)境信息加入相關(guān)濾波跟蹤算法的框架中,在降低復(fù)雜背景對(duì)目標(biāo)跟蹤影響的同時(shí)保持較高的計(jì)算效率;在空間可靠性的跟蹤模板中建立空間置信圖作為相關(guān)濾波的約束項(xiàng),實(shí)現(xiàn)對(duì)形狀不規(guī)則跟蹤對(duì)象的自適應(yīng),有效地緩解邊界效應(yīng),降低相關(guān)濾波跟蹤算法的復(fù)雜度,提高了跟蹤效果,達(dá)到了無(wú)人機(jī)對(duì)跟蹤實(shí)時(shí)性的要求。實(shí)驗(yàn)結(jié)果證明了本文所提算法在跟蹤性能上的優(yōu)越性。
【圖文】：

圖 1.4 無(wú)人機(jī)視頻序列由圖 1.4 可以看出，在實(shí)際無(wú)人機(jī)場(chǎng)景下進(jìn)行目標(biāo)跟蹤時(shí)，UAV 具有體積、運(yùn)動(dòng)迅速且靈敏的優(yōu)點(diǎn)，，因此可飛行的場(chǎng)景千變?nèi)f化。但由于機(jī)載攝像機(jī)標(biāo)的相對(duì)移動(dòng)、客觀環(huán)境的光照變化、目標(biāo)尺度變化極大、目標(biāo)抖動(dòng)劇烈以

重慶郵電大學(xué)碩士學(xué)位論文加權(quán)差在邊緣處取極值進(jìn)行檢測(cè)邊緣。Sobel 算子的邊緣檢obel 算子的表達(dá)式為：( , ) ( 1, 1) 2 ( 1, ) ( 1, 1)( 1, 1) 2 ( 1, ) ( 1, 1)xf x y f x y f x y f x yf x y f x y f x y ( , ) ( 1, 1) 2 ( , 1) ( 1, 1)( 1, 1) 2 ( , 1) ( 1, 1)yf x y f x y f x y f x yf x y f x y f x y 水平垂直方向的卷積模板為：1 0 1 1 2 1( , ) 2 0 2 ( , ) 0 0 01 0 1 1 2 1x yf x y f x y
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：V279;V249

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊凱杰;田暢;關(guān)文君;;快速目標(biāo)跟蹤算法及其嵌入式實(shí)現(xiàn)[J];軍事通信技術(shù);2016年04期

2 陳偉;祝恩;劉天航;殷建平;邱明輝;;目標(biāo)跟蹤算法的并行優(yōu)化[J];計(jì)算機(jī)工程與科學(xué);2016年11期

3 張濤;李繼生;董恩國(guó);;基于人臉識(shí)別的移動(dòng)目標(biāo)跟蹤算法研究[J];現(xiàn)代制造技術(shù)與裝備;2017年02期

4 李賀;;基于深度學(xué)習(xí)的目標(biāo)跟蹤算法研究綜述[J];黑龍江科技信息;2017年17期

5 吳小俊;徐天陽(yáng);須文波;;基于相關(guān)濾波的視頻目標(biāo)跟蹤算法綜述[J];指揮信息系統(tǒng)與技術(shù);2017年03期

6 王立新,戴冠中;一種分散化多站聯(lián)合目標(biāo)跟蹤算法[J];航空學(xué)報(bào);1988年03期

7 V.納加拉簡(jiǎn);R.N.沙馬;肖萬(wàn)選;;改善邊跟蹤邊搜索雷達(dá)的檢測(cè)和跟蹤性能的新方法(第二部分)——檢測(cè)、航跡的產(chǎn)生與組合[J];雷達(dá)與對(duì)抗;1988年05期

8 孟t-;李誠(chéng)新;;近年目標(biāo)跟蹤算法短評(píng)——相關(guān)濾波與深度學(xué)習(xí)[J];中國(guó)圖象圖形學(xué)報(bào);2019年07期

9 竇慧;趙書斌;王強(qiáng);;基于特征點(diǎn)的典型目標(biāo)跟蹤算法性能分析[J];指揮控制與仿真;2017年02期

10 王麗娜;;基于卡爾曼濾波的單模型目標(biāo)跟蹤算法的仿真研究[J];中國(guó)新通信;2016年10期

相關(guān)會(huì)議論文 前10條

1 徐炳吉;;一種多站聯(lián)合目標(biāo)跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會(huì)第三屆年會(huì)論文集（上卷）[C];1995年

2 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標(biāo)跟蹤算法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

3 杜方芳;劉士榮;邱雪娜;;一種改進(jìn)的粒子濾波目標(biāo)跟蹤算法[A];PCC2009—第20屆中國(guó)過程控制會(huì)議論文集[C];2009年

4 付曉薇;方康玲;李曦;;一種基于特征的多目標(biāo)跟蹤算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

5 王亞楠;陳杰;甘明剛;;基于差分進(jìn)化的改進(jìn)粒子濾波目標(biāo)跟蹤算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)C卷[C];2011年

6 許偉村;趙清杰;;一種基于粒子濾波的多目標(biāo)跟蹤算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

7 石章松;劉忠;;一種使用輔助變量的單站純方位目標(biāo)跟蹤算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

8 段萌遠(yuǎn);于俊清;王錦;;基于活動(dòng)狀態(tài)分類的多目標(biāo)跟蹤算法[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國(guó)多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

9 張震宇;王立松;;基于粒子濾波的傳感器目標(biāo)跟蹤算法[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（上冊(cè)）[C];2009年

10 郭春;羅鵬飛;;一種基于小波變換的目標(biāo)跟蹤算法研究[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

相關(guān)博士學(xué)位論文 前10條

1 曾憲佑;復(fù)雜場(chǎng)景下魯棒的目標(biāo)跟蹤算法研究[D];北京交通大學(xué);2019年

2 李康;圖像序列中魯棒的視覺目標(biāo)跟蹤算法研究[D];武漢大學(xué);2016年

3 楊森泉;基于稀疏分析的魯棒目標(biāo)跟蹤研究[D];廣東工業(yè)大學(xué);2019年

4 虎小龍;未知場(chǎng)景多伯努利濾波多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2019年

5 胡秀華;復(fù)雜場(chǎng)景中目標(biāo)跟蹤算法研究[D];西北工業(yè)大學(xué);2017年

6 王全輝;篩選式知識(shí)輔助多模型機(jī)動(dòng)目標(biāo)跟蹤算法[D];深圳大學(xué);2018年

7 產(chǎn)思賢;基于視覺系統(tǒng)的智能目標(biāo)跟蹤算法研究[D];浙江工業(yè)大學(xué);2018年

8 胡琪;基于隨機(jī)矩陣的擴(kuò)展目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2018年

9 張鐸;基于水下無(wú)線傳感器網(wǎng)絡(luò)的自組織目標(biāo)跟蹤算法研究[D];浙江大學(xué);2019年

10 郭巳秋;基于TLD的粒子群目標(biāo)跟蹤理論與應(yīng)用技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2019年

相關(guān)碩士學(xué)位論文 前10條

1 王鐸;時(shí)變數(shù)目多目標(biāo)跟蹤算法研究[D];上海交通大學(xué);2016年

2 董凌翔;基于嵌入式的目標(biāo)跟蹤算法研究及其在移動(dòng)終端上的實(shí)現(xiàn)[D];上海交通大學(xué);2017年

3 熊江豐;基于孿生網(wǎng)絡(luò)的實(shí)時(shí)視覺目標(biāo)跟蹤算法[D];華南理工大學(xué);2019年

4 徐寧文;基于可見光和紅外視頻的在線目標(biāo)跟蹤算法研究[D];上海交通大學(xué);2018年

5 劉漢語(yǔ);基于核相關(guān)濾波的長(zhǎng)時(shí)間實(shí)時(shí)目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2019年

6 李坦坦;基于信度傳播的多傳感器多目標(biāo)跟蹤算法研究[D];上海交通大學(xué);2018年

7 胡聰;基于核相關(guān)濾波的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2019年

8 張宇軒;多屬性分類在雷達(dá)目標(biāo)跟蹤算法中的應(yīng)用研究[D];上海交通大學(xué);2018年

9 楊一豐;基于CNN的目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2019年

10 陳小旋;視頻目標(biāo)跟蹤算法魯棒性研究[D];廣州大學(xué);2019年

本文編號(hào)：2596513