無(wú)人機(jī)對(duì)地運(yùn)動(dòng)目標(biāo)跟蹤在軍事和民用領(lǐng)域起到了偵察、打擊、監(jiān)控等重要作用。本文重點(diǎn)研究了不同影響因素下圖像表征模型、無(wú)人機(jī)對(duì)地單運(yùn)動(dòng)目標(biāo)跟蹤和無(wú)人機(jī)對(duì)地多運(yùn)動(dòng)目標(biāo)跟蹤。針對(duì)環(huán)境因素影響下陰影干擾、紋理缺乏、跟蹤漂移對(duì)目標(biāo)的影響,建立相應(yīng)的目標(biāo)特征模型。針對(duì)載機(jī)和相機(jī)運(yùn)動(dòng)影響下場(chǎng)景抖動(dòng)、背景旋轉(zhuǎn)和目標(biāo)形變對(duì)背景和目標(biāo)的影響,建立相應(yīng)的背景模型或目標(biāo)特征模型。針對(duì)無(wú)人機(jī)對(duì)地小目標(biāo)實(shí)時(shí)跟蹤中陰影干擾、目標(biāo)形變、跟蹤漂移的情況,提出了基于改進(jìn)相關(guān)濾波器和目標(biāo)多特征的無(wú)人機(jī)對(duì)地單運(yùn)動(dòng)目標(biāo)跟蹤算法。提取目標(biāo)多特征:梯度方向直方圖（HOG）特征、顏色特征（CN）、深度特征（CNN）。利用空間可靠性圖改進(jìn)相關(guān)濾波器提高對(duì)不規(guī)則形狀目標(biāo)的跟蹤性能�；诟咝Ь矸e算子進(jìn)行特征降維和構(gòu)建緊湊的樣本空間,顯著降低空間和時(shí)間復(fù)雜度,提供更好的樣本多樣性。根據(jù)相關(guān)濾波器得到的目標(biāo)特征響應(yīng)確定目標(biāo)跟蹤框的位置,實(shí)現(xiàn)目標(biāo)跟蹤。實(shí)驗(yàn)結(jié)果表明:算法能夠?qū)崟r(shí)準(zhǔn)確的跟蹤單運(yùn)動(dòng)小目標(biāo),平均幀率44.09幀/秒,具有較好的實(shí)時(shí)性。針對(duì)隨著時(shí)間推移多目標(biāo)跟蹤軌跡離散和狀態(tài)空間巨大等問(wèn)題,提出了一種融合數(shù)據(jù)關(guān)聯(lián)和軌跡估計(jì)的無(wú)人機(jī)對(duì)地多運(yùn)... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于計(jì)算機(jī)視覺(jué)的運(yùn)動(dòng)目標(biāo)跟蹤
        1.2.2 無(wú)人機(jī)對(duì)地運(yùn)動(dòng)目標(biāo)跟蹤
    1.3 論文主要工作及安排
第二章 無(wú)人機(jī)對(duì)地運(yùn)動(dòng)目標(biāo)跟蹤建模
    2.1 環(huán)境因素下的無(wú)人機(jī)對(duì)地運(yùn)動(dòng)目標(biāo)跟蹤建模
        2.1.1 陰影干擾下的目標(biāo)特征
        2.1.2 紋理缺乏下的目標(biāo)特征
        2.1.3 跟蹤漂移下的目標(biāo)特征
    2.2 載機(jī)和相機(jī)運(yùn)動(dòng)下的無(wú)人機(jī)對(duì)地運(yùn)動(dòng)目標(biāo)跟蹤建模
        2.2.1 場(chǎng)景抖動(dòng)下的背景建模
        2.2.2 背景旋轉(zhuǎn)下的目標(biāo)特征
        2.2.3 目標(biāo)形變下的目標(biāo)特征
    2.3 本章小結(jié)
第三章 基于改進(jìn)相關(guān)濾波器和目標(biāo)多特征的無(wú)人機(jī)對(duì)地單運(yùn)動(dòng)目標(biāo)跟蹤
    3.1 引言
    3.2 基于目標(biāo)多特征提取樣本特征
    3.3 基于空間可靠性圖改進(jìn)相關(guān)濾波器
        3.3.1 構(gòu)造空間可靠性圖
        3.3.2 約束相關(guān)濾波器的學(xué)習(xí)
        3.3.3 空間可靠性圖更新策略
    3.4 基于高效卷積算子特征降維和構(gòu)建緊湊樣本空間
        3.4.1 基于高效卷積算子分解的特征降維
        3.4.2 構(gòu)建緊湊的樣本空間模型
        3.4.3 最優(yōu)濾波器更新策略
        3.4.4 空間可靠性圖更新與濾波器更新關(guān)系建模
    3.5 無(wú)人機(jī)對(duì)地單運(yùn)動(dòng)目標(biāo)跟蹤算法流程
    3.6 實(shí)驗(yàn)結(jié)果與分析
        3.6.1 FSEUT與其他算法跟蹤結(jié)果可視化對(duì)比
        3.6.2 目標(biāo)跟蹤精度實(shí)驗(yàn)
        3.6.3 目標(biāo)跟蹤成功率實(shí)驗(yàn)
        3.6.4 目標(biāo)跟蹤效率實(shí)驗(yàn)
    3.7 本章小結(jié)
第四章 融合數(shù)據(jù)關(guān)聯(lián)和軌跡估計(jì)的無(wú)人機(jī)對(duì)地多運(yùn)動(dòng)目標(biāo)跟蹤
    4.1 引言
    4.2 無(wú)人機(jī)對(duì)地多運(yùn)動(dòng)目標(biāo)跟蹤算法框圖
    4.3 連續(xù)軌跡估計(jì)
    4.4 離散數(shù)據(jù)關(guān)聯(lián)
    4.5 結(jié)合標(biāo)簽成本的離散-連續(xù)多運(yùn)動(dòng)目標(biāo)跟蹤
        4.5.1 結(jié)合標(biāo)簽成本的聯(lián)合多目標(biāo)跟蹤能量模型
        4.5.2 基于顏色特征的外觀模型
        4.5.3 能量最小化優(yōu)化
    4.6 交錯(cuò)場(chǎng)景下多目標(biāo)持續(xù)跟蹤
        4.6.1 基于顏色直方圖的多目標(biāo)身份驗(yàn)證
        4.6.2 基于顏色分布法的多目標(biāo)身份驗(yàn)證
        4.6.3 融合顏色直方圖和顏色分布的多目標(biāo)身份驗(yàn)證
    4.7 無(wú)人機(jī)對(duì)地多運(yùn)動(dòng)目標(biāo)跟蹤算法流程圖
    4.8 實(shí)驗(yàn)結(jié)果與分析
        4.8.1 實(shí)驗(yàn)視頻及其特性
        4.8.2 不同特性下多目標(biāo)跟蹤實(shí)驗(yàn)
        4.8.3 融合顏色直方圖和顏色分布的多目標(biāo)身份驗(yàn)證實(shí)驗(yàn)
        4.8.4 對(duì)空多運(yùn)動(dòng)小目標(biāo)跟蹤實(shí)驗(yàn)
    4.9 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
碩士論文
[1]基于視覺(jué)的無(wú)人機(jī)入侵檢測(cè)與跟蹤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 邵盼愉.浙江大學(xué) 2018
[2]無(wú)人機(jī)快速抵近飛行過(guò)程中對(duì)地目標(biāo)跟蹤研究[D]. 楊勇.南京航空航天大學(xué) 2018
[3]基于復(fù)雜環(huán)境視頻序列的運(yùn)動(dòng)目標(biāo)檢測(cè)研究[D]. 王順飛.南京航空航天大學(xué) 2017
[4]基于無(wú)人機(jī)平臺(tái)的目標(biāo)檢測(cè)跟蹤系統(tǒng)研究[D]. 金純.西安電子科技大學(xué) 2015



本文編號(hào)：3175860