水面無人船(Unmanned Surface Vessel,USV)對于水面的目標識別和障礙物檢測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,其在軍事和民用領域具有廣闊的應用前景,使得對USV的水面目標識別與跟蹤系統(tǒng)的研究成為了當前研究的熱點。USV在復雜海面環(huán)境以及時變背景下,對于待識別與跟蹤的目標因外觀和旋轉變化而導致跟蹤丟失以及不準確的問題,單純依靠傳統(tǒng)的目標檢測與跟蹤方法難以實現準確的識別與跟蹤。因此,本文在對水面目標識別與跟蹤的方法研究上,基于當前人工智能技術對水面目標的識別與跟蹤提出了一種智能化的解決方案,能夠實時準確的對水面目標進行識別與跟蹤。首先,針對水面目標檢測存在水面場景光照條件的變化以及水面遠處小目標識別難的問題,采用YOLOv3(You Only Look Once version 3)的目標檢測算法來對水面目標進行檢測。分析YOLOv3算法的目標檢測特征圖輸出網絡的設計原理,并對非極大值抑制篩選預測框、目標物體邊界框的預測和損失函數的設計機理進行闡述。經過相關的實驗對比與測試,實驗結果顯示該算法的識別準確率更高,在實際的水面場景中對無人船的識別...

【文章頁數】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內外研究現狀
        1.2.1 水面無人船研究現狀
        1.2.2 目標識別研究現狀
        1.2.3 目標跟蹤研究現狀
    1.3 本文章節(jié)安排和組織結構
2 理論基礎
    2.1 卷積神經網絡
    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 頻域濾波基礎
        2.3.1 二維循環(huán)卷積定理
        2.3.2 響應最值與消除邊緣效應
        2.3.3 相關濾波理論思想
    2.4 馬氏距離
    2.5 本章小結
3 基于YOLOv3的無人船水面目標檢測
    3.1 YOLOv3對水面目標檢測原理
        3.1.1 檢測特征圖輸出網絡
        3.1.2 目標檢測流程
        3.1.3 邊界框預測
        3.1.4 損失函數
    3.2 YOLOv3無人船數據集展示與標注
        3.2.1 無人船數據集的展示
        3.2.2 數據集標注
    3.3 實驗結果與分析
    3.4 本章小結
4 基于MOSSE的改進型自適應卷積濾波
    4.1 基于MOSSE的卷積濾波
        4.1.1 MOSSE相關濾波算法
        4.1.2 濾波器在線更新
    4.2 基于MOSSE的改進型自適應卷積濾波
    4.3 實驗結果與分析
    4.4 本章小結
5 基于Deepsort與YOLOv3的無人船水面目標識別與跟蹤
    5.1 Deepsort目標跟蹤
    5.2 Deepsort與YOLOv3結合實現對水面目標的識別與跟蹤
    5.3 實驗結果與分析
    5.4 本章小結
結論
參考文獻
致謝
作者簡歷及攻讀碩士學位期間的科研成果



本文編號：3819417