基于無人船視覺的水面目標(biāo)識(shí)別與跟蹤研究
發(fā)布時(shí)間:2023-05-19 01:47
水面無人船(Unmanned Surface Vessel,USV)對(duì)于水面的目標(biāo)識(shí)別和障礙物檢測(cè)主要依賴其視覺系統(tǒng)。隨著USV視覺系統(tǒng)的智能化程度越來越高,其在軍事和民用領(lǐng)域具有廣闊的應(yīng)用前景,使得對(duì)USV的水面目標(biāo)識(shí)別與跟蹤系統(tǒng)的研究成為了當(dāng)前研究的熱點(diǎn)。USV在復(fù)雜海面環(huán)境以及時(shí)變背景下,對(duì)于待識(shí)別與跟蹤的目標(biāo)因外觀和旋轉(zhuǎn)變化而導(dǎo)致跟蹤丟失以及不準(zhǔn)確的問題,單純依靠傳統(tǒng)的目標(biāo)檢測(cè)與跟蹤方法難以實(shí)現(xiàn)準(zhǔn)確的識(shí)別與跟蹤。因此,本文在對(duì)水面目標(biāo)識(shí)別與跟蹤的方法研究上,基于當(dāng)前人工智能技術(shù)對(duì)水面目標(biāo)的識(shí)別與跟蹤提出了一種智能化的解決方案,能夠?qū)崟r(shí)準(zhǔn)確的對(duì)水面目標(biāo)進(jìn)行識(shí)別與跟蹤。首先,針對(duì)水面目標(biāo)檢測(cè)存在水面場(chǎng)景光照條件的變化以及水面遠(yuǎn)處小目標(biāo)識(shí)別難的問題,采用YOLOv3(You Only Look Once version 3)的目標(biāo)檢測(cè)算法來對(duì)水面目標(biāo)進(jìn)行檢測(cè)。分析YOLOv3算法的目標(biāo)檢測(cè)特征圖輸出網(wǎng)絡(luò)的設(shè)計(jì)原理,并對(duì)非極大值抑制篩選預(yù)測(cè)框、目標(biāo)物體邊界框的預(yù)測(cè)和損失函數(shù)的設(shè)計(jì)機(jī)理進(jìn)行闡述。經(jīng)過相關(guān)的實(shí)驗(yàn)對(duì)比與測(cè)試,實(shí)驗(yàn)結(jié)果顯示該算法的識(shí)別準(zhǔn)確率更高,在實(shí)際的水面場(chǎng)景中對(duì)無人船的識(shí)別...
【文章頁數(shù)】:79 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景與意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 水面無人船研究現(xiàn)狀
1.2.2 目標(biāo)識(shí)別研究現(xiàn)狀
1.2.3 目標(biāo)跟蹤研究現(xiàn)狀
1.3 本文章節(jié)安排和組織結(jié)構(gòu)
2 理論基礎(chǔ)
2.1 卷積神經(jīng)網(wǎng)絡(luò)
2.2 非極大值抑制與邊界框回歸
2.2.1 非極大值抑制
2.2.2 邊界框回歸
2.3 頻域?yàn)V波基礎(chǔ)
2.3.1 二維循環(huán)卷積定理
2.3.2 響應(yīng)最值與消除邊緣效應(yīng)
2.3.3 相關(guān)濾波理論思想
2.4 馬氏距離
2.5 本章小結(jié)
3 基于YOLOv3的無人船水面目標(biāo)檢測(cè)
3.1 YOLOv3對(duì)水面目標(biāo)檢測(cè)原理
3.1.1 檢測(cè)特征圖輸出網(wǎng)絡(luò)
3.1.2 目標(biāo)檢測(cè)流程
3.1.3 邊界框預(yù)測(cè)
3.1.4 損失函數(shù)
3.2 YOLOv3無人船數(shù)據(jù)集展示與標(biāo)注
3.2.1 無人船數(shù)據(jù)集的展示
3.2.2 數(shù)據(jù)集標(biāo)注
3.3 實(shí)驗(yàn)結(jié)果與分析
3.4 本章小結(jié)
4 基于MOSSE的改進(jìn)型自適應(yīng)卷積濾波
4.1 基于MOSSE的卷積濾波
4.1.1 MOSSE相關(guān)濾波算法
4.1.2 濾波器在線更新
4.2 基于MOSSE的改進(jìn)型自適應(yīng)卷積濾波
4.3 實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
5 基于Deepsort與YOLOv3的無人船水面目標(biāo)識(shí)別與跟蹤
5.1 Deepsort目標(biāo)跟蹤
5.2 Deepsort與YOLOv3結(jié)合實(shí)現(xiàn)對(duì)水面目標(biāo)的識(shí)別與跟蹤
5.3 實(shí)驗(yàn)結(jié)果與分析
5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間的科研成果
本文編號(hào):3819417
【文章頁數(shù)】:79 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景與意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 水面無人船研究現(xiàn)狀
1.2.2 目標(biāo)識(shí)別研究現(xiàn)狀
1.2.3 目標(biāo)跟蹤研究現(xiàn)狀
1.3 本文章節(jié)安排和組織結(jié)構(gòu)
2 理論基礎(chǔ)
2.1 卷積神經(jīng)網(wǎng)絡(luò)
2.2 非極大值抑制與邊界框回歸
2.2.1 非極大值抑制
2.2.2 邊界框回歸
2.3 頻域?yàn)V波基礎(chǔ)
2.3.1 二維循環(huán)卷積定理
2.3.2 響應(yīng)最值與消除邊緣效應(yīng)
2.3.3 相關(guān)濾波理論思想
2.4 馬氏距離
2.5 本章小結(jié)
3 基于YOLOv3的無人船水面目標(biāo)檢測(cè)
3.1 YOLOv3對(duì)水面目標(biāo)檢測(cè)原理
3.1.1 檢測(cè)特征圖輸出網(wǎng)絡(luò)
3.1.2 目標(biāo)檢測(cè)流程
3.1.3 邊界框預(yù)測(cè)
3.1.4 損失函數(shù)
3.2 YOLOv3無人船數(shù)據(jù)集展示與標(biāo)注
3.2.1 無人船數(shù)據(jù)集的展示
3.2.2 數(shù)據(jù)集標(biāo)注
3.3 實(shí)驗(yàn)結(jié)果與分析
3.4 本章小結(jié)
4 基于MOSSE的改進(jìn)型自適應(yīng)卷積濾波
4.1 基于MOSSE的卷積濾波
4.1.1 MOSSE相關(guān)濾波算法
4.1.2 濾波器在線更新
4.2 基于MOSSE的改進(jìn)型自適應(yīng)卷積濾波
4.3 實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
5 基于Deepsort與YOLOv3的無人船水面目標(biāo)識(shí)別與跟蹤
5.1 Deepsort目標(biāo)跟蹤
5.2 Deepsort與YOLOv3結(jié)合實(shí)現(xiàn)對(duì)水面目標(biāo)的識(shí)別與跟蹤
5.3 實(shí)驗(yàn)結(jié)果與分析
5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間的科研成果
本文編號(hào):3819417
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3819417.html
最近更新
教材專著