消費(fèi)級無人機(jī)的使用門檻低、管控少,黑飛現(xiàn)象成為不可忽視的問題。如何實(shí)現(xiàn)對黑飛的管控是一個(gè)迫切需要處理的難點(diǎn)。本文針對無人機(jī)檢測系統(tǒng)進(jìn)行了研究,分析了目前常用的目標(biāo)檢測算法和目標(biāo)跟蹤算法,針對KCF(Kernelized Correlation Filters)的特征問題和上下文感知跟蹤算法的特征和響應(yīng)問題進(jìn)行了改進(jìn),搭建了無人機(jī)檢測系統(tǒng)。主要研究工作如下:1.針對目標(biāo)檢測問題,說明了傳統(tǒng)的基于人工特征和分類器結(jié)合的檢測算法,并進(jìn)一步說明了基于深度學(xué)習(xí)的檢測算法,仿真驗(yàn)證了無人機(jī)檢測系統(tǒng)采用的卷積神經(jīng)網(wǎng)絡(luò)的識別效果。2.對基于計(jì)算機(jī)視覺的目標(biāo)跟蹤問題進(jìn)行了研究,針對KCF跟蹤算法采用HOG(Histogram of Oriented Gradient)特征導(dǎo)致目標(biāo)響應(yīng)難以達(dá)到像素級定位問題,采用了二次拋物線模型近似擬合離散的目標(biāo)響應(yīng),通過泰勒公式對擬合的連續(xù)曲線求極值得到連續(xù)曲線的極值點(diǎn),并通過此極值點(diǎn)作為最終的目標(biāo)響應(yīng)極值,在OTB50數(shù)據(jù)集驗(yàn)證本算法可提高跟蹤性能。相比KCF算法,精度提高了0.13%,成功率提高了1.4%。3.對于基于上下文感知的跟蹤算法使用傳統(tǒng)人工特征不能夠很好表...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    §1.1 課題的研究背景與意義
    §1.2 國內(nèi)外研究現(xiàn)狀
    §1.3 論文內(nèi)容和結(jié)構(gòu)
        §1.3.1 論文研究內(nèi)容
        §1.3.2 論文結(jié)構(gòu)安排
第二章 視頻目標(biāo)檢測技術(shù)研究
    §2.1 傳統(tǒng)的目標(biāo)檢測算法
        §2.1.1 人工特征
        §2.1.2 分類器
    §2.2 基于深度學(xué)習(xí)的目標(biāo)檢測算法
        §2.2.1 卷積神經(jīng)網(wǎng)絡(luò)
        §2.2.2 基于候選框的目標(biāo)檢測算法
        §2.2.3 基于回歸的目標(biāo)檢測算法
    §2.3 本章小結(jié)
第三章 視頻目標(biāo)跟蹤技術(shù)研究
    §3.1 目標(biāo)跟蹤算法
    §3.2 亞像素相關(guān)濾波目標(biāo)跟蹤算法
        §3.2.1 KCF目標(biāo)跟蹤算法原理
        §3.2.2 亞像素相關(guān)濾波跟蹤算法
        §3.2.3 亞像素相關(guān)濾波目標(biāo)跟蹤算法仿真驗(yàn)證
        §3.2.4 無人機(jī)跟蹤仿真測試
    §3.3 MFAPCE目標(biāo)跟蹤算法
        §3.3.1 CACT目標(biāo)跟蹤算法
        §3.3.2 基于深度特征與平均峰值相關(guān)能量的目標(biāo)跟蹤算法
        §3.3.3 MFAPCE算法仿真驗(yàn)證
        §3.3.4 無人機(jī)跟蹤仿真測試
    §3.4 本章小結(jié)
第四章 無人機(jī)檢測系統(tǒng)實(shí)現(xiàn)
    §4.1 系統(tǒng)概述
    §4.2 系統(tǒng)細(xì)節(jié)說明
        §4.2.1 系統(tǒng)軟硬件搭建環(huán)境
        §4.2.2 檢測跟蹤方案分析
        §4.2.3 卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練與測試
        §4.2.4 視頻采集
        §4.2.5 視頻分析
        §4.2.6 云臺控制
        §4.2.7 系統(tǒng)優(yōu)化
    §4.3 系統(tǒng)測試
    §4.4 本章小結(jié)
第五章 總結(jié)與展望
    §5.1 工作總結(jié)
    §5.2 工作展望
參考文獻(xiàn)
致謝
作者在攻讀碩士期間的主要研究成果



本文編號：3841891