發(fā)布時(shí)間：2021-12-31 04:37

　　無(wú)人機(jī)對(duì)地運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)之一,在安防和國(guó)防等領(lǐng)域具有重要的應(yīng)用前景。目前,基于“先檢測(cè)后跟蹤”的技術(shù)策略是實(shí)現(xiàn)航拍視頻下目標(biāo)自動(dòng)跟蹤的主流方法。其中,無(wú)需大量先驗(yàn)信息僅利用目標(biāo)運(yùn)動(dòng)特性的在線檢測(cè)器是機(jī)載平臺(tái)實(shí)現(xiàn)普適性運(yùn)動(dòng)小目標(biāo)檢測(cè)的最常用方法。但是,環(huán)境噪聲及移動(dòng)平臺(tái)造成的虛假檢測(cè),目標(biāo)自身運(yùn)動(dòng)的變速變向、背景環(huán)境的變化及干擾、多目標(biāo)互相干擾等造成的目標(biāo)在圖像上的非線性形變,以及受到成像角度影響的場(chǎng)景遮擋而造成的目標(biāo)在圖像上消失,均給后續(xù)的目標(biāo)跟蹤帶來(lái)了極大的挑戰(zhàn)。針對(duì)上述問(wèn)題,本文對(duì)圖像序列上運(yùn)動(dòng)目標(biāo)在線外觀模型建模以及目標(biāo)外觀/運(yùn)動(dòng)規(guī)律挖掘這兩個(gè)科學(xué)問(wèn)題展開(kāi)研究,實(shí)現(xiàn)長(zhǎng)時(shí)運(yùn)動(dòng)目標(biāo)跟蹤,為無(wú)人機(jī)實(shí)時(shí)對(duì)地觀測(cè)的目標(biāo)識(shí)別、場(chǎng)景感知、行為理解等高級(jí)處理提供基礎(chǔ)。本文主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:1.提出了一種基于動(dòng)態(tài)稀疏投影表示的目標(biāo)外觀模型跟蹤方法,通過(guò)在線訓(xùn)練目標(biāo)外觀模型,解決了航拍視頻目標(biāo)非線性形變下的目標(biāo)跟蹤問(wèn)題。傳統(tǒng)的基于稀疏投影表示的跟蹤方法采用固定的隨機(jī)投影矩陣,無(wú)法有效的區(qū)分固定跟蹤框中的目標(biāo)與背景特征,累積誤差容易造成目標(biāo)跟蹤偏移問(wèn)題。本文通過(guò)采用... 

【文章來(lái)源】：西北工業(yè)大學(xué)陜西省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：150 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

運(yùn)動(dòng)目標(biāo)檢測(cè)方法在公式數(shù)據(jù)庫(kù)[11]中的處理結(jié)果展示[11]

征表示方法主要包含：梯度直方圖特征（Histograms of Oriented Gradients，HOG）[19]、顏色特征（Color）[20, 21]、局部二值模式特征（Local Binary Patterns，LBP）[22]、協(xié)方差特征（Covariance）[23]、稀疏字典表示（Sparse Coding）[24]以及不同特征的融合或者協(xié)同表示[25]。近幾年來(lái)，隨著硬件加速平臺(tái)的快速發(fā)展，基于機(jī)器自動(dòng)學(xué)習(xí)的目標(biāo)特征表示方法取得了大量的應(yīng)用[17, 18, 26–29]。機(jī)器學(xué)習(xí)特征突破了手工特征的約束限制，極大的提升了分類器的魯棒性。該方法在學(xué)習(xí)及優(yōu)化階段帶來(lái)的巨大計(jì)算復(fù)雜度限制

#000074 #000696 #000732圖 3–28 UAV123數(shù)據(jù)跟蹤結(jié)果：視角變化以及目標(biāo)離開(kāi)視場(chǎng)視角變化以及目標(biāo)離開(kāi)視場(chǎng)：如圖3–28所示，在圖像序列Bird2中，目標(biāo)為一只飛鳥(niǎo)。目標(biāo)的快速移動(dòng)和攝像機(jī)顯示參數(shù)的影響，只有PLCT和Struck算法在第#1712幀之前保持了有效的目標(biāo)跟蹤。但是在第#1912幀飛鳥(niǎo)離開(kāi)視場(chǎng)再重新出現(xiàn)時(shí)，所有跟蹤算法均失效。同樣的情況在圖像序列Car1 3、Car14和Person1 3均造成了相同的目標(biāo)跟蹤結(jié)果。在圖像序列Car1 3中，汽車在第#2114幀離開(kāi)場(chǎng)景后，在第#2222幀重新出現(xiàn)在場(chǎng)景中；在圖像序列Car14中，汽車在第#808幀之后消失在場(chǎng)景中


本文編號(hào)：3559628