首页> 中文学位 >低慢小目标跟踪算法的设计与研究
【6h】

低慢小目标跟踪算法的设计与研究

代理获取

目录

声明

摘要

第1章绪论

1.1研究背景与意义

1.2国内外研究现状

1.3方案设计

1.4设计指标及要求

1.5本文的章节安排

第2章低慢小目标跟踪预处理

2.1预处理流程

2.2提取低慢小目标区域

2.3判定低慢小目标所属类别

2.3.1 HOG特征

2.3.2支持向量机

2.3.3有向无环多类分类支持向量机

2.3.4低慢小目标多类分类实现流程

2.4本章小结

第3章低慢小目标跟踪

3.1.1 TLD跟踪器

3.1.2 TLD检测器

3.1.3 TLD学习器

3.1.4 TLD总体框架

3.2基于卡尔曼滤波的检测区域预估的改进TLD算法

3.2.1卡尔曼滤波

3.2.2基于卡尔曼滤波的TLD改进算法

3.3自适应检测窗口尺度的改进TLD算法

3.4本章小结

第4章测试结果与分析

4.1算法整体工作流程

4.2跟踪预处理模块测试结果与分析

4.3跟踪模块测试结果与分析

4.4算法整体测试结果与分析

4.5本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢

展开▼

摘要

低慢小目标是低空、慢速、小型目标的统称,一般将飞行高度在1000米以下,飞行时速小于200公里的低空飞行物称之为低慢小目标。近年来,随着无人机等低慢小航空器的飞速发展与低空空域管制的逐渐开放,低慢小目标违规飞行的事件日益增多,产生了较大的负面影响。因此,基于低慢小目标的预警探测、处置拦截等问题已经成为了近期的研究热点之一。本文设计了一套针对低慢小目标的单目标跟踪算法,包括低慢小目标跟踪预处理模块与低慢小目标跟踪模块,可自动地从图像序列中发现低慢小目标、判定低慢小目标所属类别、跟踪低慢小目标。
  在跟踪预处理模块中,本文采用帧差法判断图像中是否存在运动的目标,通过一定的规则筛选掉非低慢小目标,引入最大类间方差法提取低慢小目标区域。为了判定低慢小目标的所属类别,本文提取目标的HOG特征,构建多分类支持向量机将低慢小目标划分为四旋翼无人机、飞鸟、风筝三类。本文采用上述过程作为跟踪预处理过程,为后续的低慢小目标跟踪奠定了基础。
  在跟踪模块中,本文设计了一种改进的TLD算法作为低慢小目标跟踪算法。在原始的TLD算法的基础上,改进算法以卡尔曼滤波作为预测器预估当前帧目标的中心位置,并根据目标在上一帧的大小自适应地调整检测窗口的尺度,以缩小检测器的搜索范围、减少检测器检测窗口个数,在保证跟踪准确度的前提下,提高了算法的实时性。
  最后,本文将上述跟踪预处理模块与跟踪模块结合在一起,形成了一套完整的针对低慢小目标的跟踪算法,可自动地从图像序列中发现低慢小目标、判定低慢小目标所属类别、跟踪低慢小目标。文中对算法的性能进行了大量测试,测试结果显示,本文设计的算法在简单背景下、背景发生较大改变的场景下与存在部分遮挡的场景中均能稳定地跟踪到低慢小目标,且可有效地适应目标在飞行中出现的尺度变化、旋转变化、消失重出现等情况,跟踪精度最低可以达到10×10像素,重叠度一般大于0.6,中心偏移误差一般小于10个像素,算法整体具有较高的准确度与较好的实时性。

著录项

  • 作者

    丁梦蝶;

  • 作者单位

    哈尔滨工程大学;

  • 授予单位 哈尔滨工程大学;
  • 学科 电子与通信工程
  • 授予学位 硕士
  • 导师姓名 郭立民,郑涛;
  • 年度 2018
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 TP391.41;
  • 关键词

    图像序列; 低慢小目标; 目标跟踪; 特征提取;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号