李小捷[1]2001年在《对地目标相关跟踪算法研究》文中提出本文所做的工作是对地目标的相关跟踪算法研究，涉及了跟踪算法中的各个关键环节。通过分析经典相关跟踪模式，本文对制约其应用的模板漂移问题和实时性问题提出改进方法，并将遗传算法这一优化算法引入相关跟踪模式，将其应用于常规算法难以解决的目标辩识及自动捕获、旋转匹配等问题，最后还针对可见光图像进行了用遗传算法完成特征参数提取的尝试。本文主要由两大部分组成，第一部分为一种新的相关跟踪解决方案，包括相关跟踪模式的原理叙述及模板提取、快速匹配等问题的算法描述以及相关匹配的后续处理等内容，并将本文算法与经典相关算法在各个性能方面作以对比；第二部分为相关跟踪模式中一些最优解问题的遗传算法解决方案，包括旋转图像的相关匹配、失锁目标的自动捕获及相关特征匹配算法。
秦耀龙[2]2018年在《无人机对地多目标检测跟踪》文中指出视觉传感器作为无人机的主要传感器之一,视觉目标检测跟踪对于无人机的导航、军事侦察、野外救援以及交通监控等任务中发挥关键作用。无人机平台上的视觉目标检测和跟踪,和传统的监控系统不同,无人机灵活的机动性能,将引起机载传感设备获得的图像序列背景复杂多变,目标尺度、角度等变化剧烈且频繁遮挡等问题,使得视觉目标检测跟踪难度增大,检测率下降,跟踪稳定性和持续性低;同时由于航拍获得的图像序列,图像分辨率较大,噪声明显,增加计算消耗,进而导致算法实时性降低,一定程度上限制了在实际中的应用。针对以上问题,本文研究工作以无人机视觉为中心,重点研究视觉目标检测、视觉单目标和多目标跟踪问题,并利用Qt开发交互界面软件,对算法进行功能测试,并以可视化方式实时展示算法结果。主要完成工作如下:1)基于无人机获取图像序列的特点,针对于静态背景建模方式无法获得有效的目标检测的问题,本文提出基于光流的运动目标检测。首先采用检测FAST特征点,利用光流完成跟踪,结合透视变换进行图像配准,并基于特征点进行聚类分析,多帧差分获得目标区域,最后利用连通域与形态学滤波等图像处理手段进一步完善检测结果。2)研究当前基于相关滤波的跟踪算法和性能较好的其他几类跟踪算法,并对算法进行理论分析与实际跟踪性能对比。针对于无人机观测视角下目标的运动突变和遮挡问题,将颜色信息融合到HOG特征之中对DSST跟踪算法进行改进,使得算法的稳定性和抗遮挡性具有一定程度的提高。3)研究当前多目标跟踪遇到数据关联和目标检测问题。提出与主流方式略有不同的基于跟踪片段的多目标跟踪算法,利用LBP特征和Adaboost学习算法,训练获得目标检测模型,结合单目标跟踪算法,基于分类器完成初始化和跟踪矫正,利用单目标跟踪器对目标逐一跟踪,从而实现无人机对地多目标跟踪。4)研究交互界面开发,使用C++编程语言,利用Qt开发框架开发软件交互界面,并将各种目标检测、单目标跟踪、多目标跟踪以及背景建模等算法集成到该软件框架中,提供测试算法的各种功能,实时显示算法的跟踪和检测结果。
张音哲[3]2015年在《空对地视觉多目标跟踪技术研究》文中指出基于视觉的空对地多目标跟踪技术在对地目标精确打击、海面舰艇跟踪与监控、地面交通监控与管理、海面搜救和灾害救援指挥等很多军民用领域具有重要的应用价值和广泛的技术需求。相比于固定场景监控应用中的视觉目标跟踪,空对地视觉目标跟踪过程中,机载相机获取的图像序列中感兴趣的机动目标尺寸较小,而且会发生显着变化,加上大量的背景噪声干扰,给目标检测和跟踪带来很大困难。此外,由于地面场景的复杂,将会频繁发生目标遮挡情况,严重影响跟踪的持续性和鲁棒性。针对上述问题,本文首先对现有的一些目标特征提取方法、目标检测方法和目标跟踪方法进行了研究和总结,并详细说明了其算法原理。在此基础上对空对地视觉多目标跟踪技术进行了重点研究,提出了几种空对地视觉多目标跟踪方法:1)空对地视觉目标持续鲁棒跟踪方法。该方法以粒子滤波为基本框架,首先提取目标的高斯核加权均值哈希特征和颜色特征,并基于两种特征观测下粒子概率分布的熵对两种特征进行自适应加权融合,构建跟踪系统的观测模型;然后根据跟踪结果与当前目标模型的ORB(Oriented FAST and Rotated BRIEF)特征匹配度对目标模型进行自适应更新;当目标丢失时,通过粒子重分布对目标进行全局重新搜索,在目标重新出现后可以继续对其进行跟踪,提高了跟踪的持续性和鲁棒性。2)空对地多目标自主检测与跟踪方法。该方法首先通过目标特征选择和融合提取可以充分描述目标的特征,并采用级联分类算法对特征进行分类,得到目标的强分类器,对目标进行自主探测搜索。然后,对探测回波采用基于Hungarian算法的全局最优关联算法进行关联滤波,实现对多个机动目标的同时跟踪与识别,其中最优关联代价矩阵融合了距离和方向信息,提高了关联和跟踪的鲁棒性。3)多机协同视觉目标跟踪方法。该方法基于跟踪置信度对每台无人机的跟踪结果进行了加权融合,在很大程度上减小了跟踪误差,提高了整体跟踪精度,并且可以很好地解决目标遮挡问题,克服了单台无人机进行目标跟踪的局限性,在很大程度上提高了跟踪的性能。在复杂条件下的空对地航拍图像序列上进行充分实验,结果表明:1)空对地视觉目标持续鲁棒跟踪方法对跟踪过程中目标的快速显着变化具有较好的适应性,当目标丢失并再次出现后仍可以继续对其进行跟踪,实现了长时间持续鲁棒的跟踪。此外,该方法的平均跟踪帧率为15fps,可以在一定应用场景中满足实时性要求。2)空对地多目标自主检测与跟踪方法可以准确检测出多个感兴趣的机动目标,并同时对每个被探测到的目标进行跟踪。3)多机协同视觉目标跟踪方法可以准确地对目标遮挡情况进行判断,并且可以对每台无人机的跟踪结果进行有效融合,实现了对地面目标的持续鲁棒跟踪,同时具有较高的跟踪定位精度。
郭星辰[4]2015年在《空对地复杂背景目标跟踪算法研究》文中研究说明目标跟踪技术隶属计算机视觉,是图像处理领域研究的热点问题之一,其在战场侦察、电视制导、智能监督等领域有重要应用。传统跟踪算法中,由于目标旋转、尺度变换、遮挡、光照变化以及机载相机对焦、晃动导致的观测信息变化,致使跟踪能力下降。虽然近年来众多学者对目标跟踪技术进行研究,仍无法很好解决上述问题,因此仍具有进一步研究的价值。论文以电视跟踪系统为背景,通过实验分析传统跟踪算法(质心跟踪、相关跟踪)的弊端,提出以支持向量机为框架的分类跟踪算法,重点研究支持向量分类器对目标学习以及重新锁定目标的能力。基于支持向量机对小样本数据学习的能力,将目标跟踪归结于对跟踪波门中特征分类问题。增加跟踪中目标特征类型和数量,提高目标判断唯一性,克服对比度较差的复杂背景环境的问题;通过实时学习更新目标的新特征,兼容相关跟踪的模板刷新问题。基于机器学习理论,将支持向量机设计为闭环学习算法。支持向量机经由手动或检测算法确定的目标训练后,从视频后续建立的测试数据中计算新支持向量添加入原有的训练集中,实现对选定目标的持续学习,从而克服目标旋转、尺度变换等问题。支持向量机自身算法复杂度高,为避免数据冗余造成时间浪费,算法充分利用支持向量机处理高维数据的优势,提取目标及背景的线、边缘、对角、中心等多个特征构成多维行向量,作为支持向量分类器的训练数据。针对空对地目标跟踪中树木、薄雾遮挡等自然物遮挡问题,在行向量中加入全局哈尔特征,利用哈尔特征中减法运算屏蔽均匀遮挡物,实现遮挡物干扰下的准确跟踪。核函数是支持向量机的精髓,在本论文中的应用主要有两个方面:一是利用多种核函数实现输入空间至特征空间的转化,提高支持向量机分类精度,采用IRIS数据进行同维度向量仿真,将抽象分类过程具体化并确定核函数参数;二是采用核函数对视频序列中图像评价,实现支持向量数据库与图像的快速匹配。经过实验验证,采用仿真确定的核函数参数,在确保高精度跟踪的前提下,能有效的提高的算法的实时性。本论文试图从传统跟踪算法着手,解决跟踪过程中由于目标融合、遮挡等问题导致跟踪精度下降或跟踪失败问题。对分类跟踪算法这一发展趋势进行了研究、分析与展望。
丁洋[5]2014年在《空对地可见光图像制导跟踪算法研究》文中研究表明为了解决在复杂背景下实现空对地可见光图像制导跟踪,本文提出基于特征匹配的空对地可见光图像制导跟踪算法。通过等间隔采样与改进的Kirsch边缘检测特征提取相结合的方法进行对当前帧图像目标区域进行特征点采样,获取目标的特征信息,利用光流法对采样得到的特征点样本集进行光流分析,获取相邻两帧图像目标区域特征点变化情况,使用模板匹配实现对前后两帧图像特征点样本的特征识别,对特征点样本的筛选,还原目标,利用相邻两帧目标区域的变化情况实现对地面目标的制导跟踪。实验结果表明：在目标跟踪过程中,算法平均时间小于7.75ms,图像跟踪的帧率上限为129Hz,较其他传统跟踪算法具有较高的速度和抗干扰能力,完全满足空对地复杂背景下快速跟踪的要求。
杨峰[6]2003年在《基于地理信息的对地跟踪系统研究》文中研究指明近年来，随着国防形势的变化，现代军事战略思想的发展，以及我国国力的增强，我国国防战略也作了相应调整，由过去单方面强调防御转变为攻防兼备。这使得对地探测、跟踪与攻击系统的研究受到高度重视。本论文以某型对地跟踪系统的研制为背景，通过引入地理信息，提出几种对地目标跟踪的算法，并进行了仿真和外场环境试验。论文主要工作如下： 1．对目前国内外跟踪技术进行了较为系统的论述，特别是对地面目标跟踪特性以及近年来发展的应用地理信息的跟踪算法进行了概要分析。 2．针对地图调整方差法的局限性，引入方向性过程噪声来表征目标在不同的道路上运动，推导出判断目标在道路上的一般公式，提出“扩展地图调整方差法”。理论分析和仿真研究表明，当目标在道路上或者道路交叉点，或者目标从道路到道路外及从道路外到道路上的过渡过程时，目标跟踪性能得到改善。 3．将扩展地图调整方差法与C-IMM结合起来，提出固定结构C-IMM扩展地图调整方差法，从而将多模型思想引入对地跟踪系统。理论分析和仿真表明，基于多模型的“C-IMM扩展地图调整方差法”对于目标在道路交叉点时，或者目标在道路上匀速运动时，跟踪性能有所改进。 4．进一步研究了变结构多模型滤波器对地跟踪问题，并对其进行了理论分析和仿真。理论分析和仿真结果表明，由于利用了地理信息，VS-IMM对于目标在道路上运动时，跟踪性能有所改进。 5．根据某型机载对地跟踪系统的研制要求，利用面向对象的程序设计思想，初步设计研制完成了机载对地TWS数据处理系统，包括量测数据预处理，自动目标起始与终结，手动目标起始与终结，跟踪维持，通讯接口等模块。整个系统按照工程软件实现并封装，并在模拟源环境及实际外场环境均进行了实验。实验结果表明所研制系统基本达到设计要求，完成了第一期研制计划。
李锋[7]2018年在《空间红外对地观测视频相机电子稳像与目标跟踪算法研究》文中研究表明空间红外遥感成像系统广泛应用于海洋、环境、资源、国防、军事等领域,其具有隐蔽性好、昼夜探测等优点。空间红外对地观测视频相机能够以“凝视”成像的方式对特定场景或者特定目标进行连续监视,以类似于“录像”的方式获取场景内的动态信息。视频相机在成像过程中由于受到复杂的环境、平台抖动、姿态调整等影响,致使获取的红外视频序列含有抖动,甚至模糊,严重影响了场景监视和动态信息的获取。空间稳像系统能有效抑制成像系统受到的随机振动,保证探测器输出稳定的视频序列。电子稳像是稳像技术的主要方法之一,本文从红外视频相机电子稳像为出发点,首先介绍了红外视频相机电子学硬件设计,主要是低噪声的成像系统设计;其次研究了红外图像预处理,主要包括红外图像动态噪声和非均匀性噪声抑制以及红外图像超分辨率重建;接着研究了基于图像局部特征的红外视频相机实时电子稳像算法,主要用于空间红外对地观测视频相机稳像系统的二级稳像中;同时,对场景内的动态信息或者特定目标的跟踪也是红外视频相机的主要任务之一,本文最后研究了基于核相关滤波的红外视觉目标跟踪算法。本论文主要研究内容和创新点如下:1、研究了空间红外视频相机的系统构成与稳像方法,介绍了视频相机稳像系统中红外成像系统电子学硬件设计,主要是成像系统电路的低噪声设计,主要包括电源模块、模拟信号调理、模数转换、基于FPGA的主控电路这几个模块设计,经测试,电路噪声约为0.18)(1,成像系统噪声约为0.38)(1。2、红外图像动态噪声和非均匀性噪声抑制的研究。红外图像通常包含更多的噪声,红外图像噪声抑制是其它譬如电子稳像、目标检测、目标跟踪等更高级任务的首要任务,因此研究了传统的图像去噪和基于场景的非均匀性校正方法,并改进传统的非局部均值滤波算法,改进后的算法不管是从主观的视觉效果还是MSE、PSNR、SSIM叁个客观评价指标均优于改进前的算法。同时改进基于神经网络的红外图像非均匀性校正算法,改进后的算法不仅能有效抑制非均匀性噪声,与改进前的算法相比还能有效抑制“鬼影”的产生。3、针对红外图像分辨率低、细节模糊、信噪比低等特点,研究了基于卷积神经网络的红外图像超分辨率重建算法,对传统的SRCNN算法提出改进,基于SRCNN网络结构提出新的网络结构,并将激活函数ReLU用RReLU来替代,改进后的算法图像重建后与改进前相比获得了更高的PSNR,即图像质量更好。4、根据红外视频相机稳像系统需求,研究了基于图像局部特征的电子稳像算法,为了同时满足系统的稳像精度和速度,从保证稳像精度的情况下牺牲一定的精度来满足稳像速度的角度出发,优化改进了基于SURF和ORB特征的实时电子稳像算法,主要基于两方面改进:一是减少SURF特征点提取时的金字塔层数,层数减少会导致提取的特征点鲁棒性变差,虽然降低了稳像精度但是提高了稳像速度;二是特征点匹配时采用最近邻搜索FLANN代替Hamming距离匹配,不仅提高了匹配速度,也提高了匹配精度,从而提高了稳像精度。改进后的算法针对288×384面阵探测器成像系统,稳像精度为0.1978像素,单帧耗时为0.0311秒。改进后的电子稳像算法为后续视频相机稳像系统工程化有一定的借鉴意义。5、针对红外视频相机对场景内特定目标跟踪的需求,研究了基于核相关滤波的红外视觉目标跟踪算法,针对传统的核相关滤波跟踪算法鲁棒性差,不具有尺度自适应和抗遮挡能力差的缺点,优化改进了传统的核相关滤波算法用于红外视觉目标跟踪,主要对传统的KCF算法做两方面改进:一是借鉴Danellian提出的目标跟踪算法的思想在KCF中增加一个尺度滤波器,专门用于预测目标的尺度变化;二是借鉴Z.Hong提出的长时间目标跟踪算法的思想在KCF算法中增加基于图像特征点匹配的遮挡判断机制。改进后的算法对红外视觉目标跟踪时不仅具有尺度自适应,同时能有效应对目标被遮挡的情况,实现目标长时间跟踪。优化改进后的算法为后续红外视频相机跟踪场景内的特定目标有一定的借鉴意义。
刘学, 景文博, 王晓曼[8]2014年在《一种空对地可见光图像制导跟踪算法》文中进行了进一步梳理为解决复杂背景下空对地可见光图像制导跟踪问题,提出一种基于特征匹配的跟踪算法。首先,通过等间隔采样与改进Kirsch边缘检测相结合的方法进行特征点采样;然后,采用金字塔模板光流法提取目标特征;最终,采用模板匹配法识别目标特征完成对地面目标的制导跟踪。实验结果表明:算法速度可以满足最大129Hz帧率的相机进行实时跟踪,稳定跟踪速率优于7.75ms/F,具有跟踪速度快和抗干扰能力强的特点。该算法完全满足空对地复杂背景下跟踪的需求。
姜惠华[9]2016年在《运动背景下对地运动目标检测跟踪的DSP实现》文中研究说明运动背景下对地运动目标检测与跟踪是机载光电探测瞄准系统的主要任务。利用嵌入式图像处理核心DSP的运算性能强、功耗低的优势,深入研究C64x+DSP的结构和优化策略,优化程序流程高效实现运动背景下对地运动目标检测跟踪算法。地面背景运动估计是运动背景下对地目标检测的基础。研究了基于KLT光流法的背景运动估计算法。特征点提取和跟踪是其运算复杂度最高的部分,对此深入研究计算特性并进行优化,以基于DSP实现地面背景运动估计。为了减少背景运动估计的时间,系统研究了块匹配各项加速策略,提出了一种基于快速块匹配的背景运动估计算法。根据图像梯度提取纹理信息最丰富的特征块以减少匹配块的数量,采用六边形搜索策略以减少搜索点数,基于DSP实现了基于快速块匹配的背景运动估计算法。利用背景运动估计得到的参数对图像进行背景运动补偿。利用帧间差分二值化,形态学滤波,连通域标记与滤波剔除噪声和伪目标干扰,准确检测目标。只利用时域信息检测目标,目标检测结果不够精确,针对此问题深入研究基于显着性信息的目标检测,提出了一种基于区域像素显着性和时域信息融合的运动目标检测算法,并基于DSP实现目标检测算法。针对地面运动目标跟踪过程中目标外形、姿态变化以及被遮挡等复杂问题,对压缩跟踪算法进行了改进。研究了遮挡发生时的分类分数变化和目标与模板的MCD距离的变化规律,将分类分数变化作为判断目标被遮挡发生的粗判定条件,将MCD距离变化作为判断目标被遮挡发生的精判定条件。利用Kalman预测器预测下一帧图像中目标的位置,缩小整个图像上目标跟踪的搜索区域,减少计算量且提高准确度。在目标被遮挡时,根据Kalman预测器预测目标位置,估计目标运动轨迹。基于DSP实现了基于改进压缩跟踪算法的地面目标实时跟踪。
师永征[10]2016年在《“牧羊”旋翼无人机控制策略研究及实现》文中指出旋翼无人机因其飞行灵活、安全性好等独特性能,使其在目标搜索与目标跟踪控制等方面发挥着重要作用,旋翼无人机依靠机载传感器完成跟踪控制任务也逐渐成为研究热点。本文以国际空中机器人大赛第7代任务为背景,主要研究复杂环境下自主旋翼无人机对地运动目标控制策略,旋翼无人机通过机载传感器搜索地面目标,跟踪并控制地面目标,同时躲避移动障碍物。首先,为了提高比赛效率,减少飞行危险,搭建了基于分布式体系结构的牧羊任务真实环境仿真平台。在分析比赛规则和系统需求的基础上,确定了仿真平台功能;建立了地面运动目标和障碍物运动模型;结合OpenGL支持跨平台编程的优点搭建了牧羊仿真平台并分析了仿真平台的技术特点。其次,针对无人机多耦合、欠驱动、非线性的特点建立了无人机的动力学模型,并且基于PID控制算法设计了无人机双环PID控制器:内环姿态控制和外环位置控制。悬停实验和循迹实验验证双环PID控制算法能够保证旋翼无人机的稳定飞行,达到完成比赛任务具备的条件。再次,提出一套基于视觉信息的旋翼无人机对地运动目标控制策略。针对地面多目标问题研究了基于分区决策树的多目标分类方法,通过对多目标分类确定被跟踪目标;针对视觉跟踪可能丢失目标的问题,设计基于目标轨迹预测与变高搜索跟踪的旋翼无人机对地目标跟踪策略;针对比赛快速准确拦截地面目标的要求,设计基于地面目标和旋翼无人机运动学模型的无人机拦截策略;针对传统人工势场法避障效果差的问题设计了基于改进人工势场法和切线绕圆法的无人机避障策略,并通过实验验证该方法的有效性。最后,对控制策略进行仿真和飞行实验验证。基于牧羊仿真平台以及牧羊控制系统平台进行跟踪控制仿真实验和实际飞行控制实验,验证了无人机对地面目标的控制策略的可行性和准确性;通过实际飞行避障实验验证避障算法的有效性。
参考文献：
[1]. 对地目标相关跟踪算法研究[D]. 李小捷. 西安电子科技大学. 2001
[2]. 无人机对地多目标检测跟踪[D]. 秦耀龙. 西安电子科技大学. 2018
[3]. 空对地视觉多目标跟踪技术研究[D]. 张音哲. 西安电子科技大学. 2015
[4]. 空对地复杂背景目标跟踪算法研究[D]. 郭星辰. 中国科学院研究生院(长春光学精密机械与物理研究所). 2015
[5]. 空对地可见光图像制导跟踪算法研究[D]. 丁洋. 长春理工大学. 2014
[6]. 基于地理信息的对地跟踪系统研究[D]. 杨峰. 西北工业大学. 2003
[7]. 空间红外对地观测视频相机电子稳像与目标跟踪算法研究[D]. 李锋. 中国科学院大学(中国科学院上海技术物理研究所). 2018
[8]. 一种空对地可见光图像制导跟踪算法[J]. 刘学, 景文博, 王晓曼. 长春理工大学学报(自然科学版). 2014
[9]. 运动背景下对地运动目标检测跟踪的DSP实现[D]. 姜惠华. 南京航空航天大学. 2016
[10]. “牧羊”旋翼无人机控制策略研究及实现[D]. 师永征. 中国民航大学. 2016
标签：电信技术论文; 无人机论文; 特征提取论文; 图像融合论文; 红外成像论文; 仿真软件论文; 红外相机论文; 视觉检测论文; 图像噪声论文; 算法论文;