基于深度学习的无人机航拍目标检测与跟踪方法综述

基于视觉的目标检测与跟踪方法是当前最火热的研究方向之一。近年来,随着无人机技术的快速发展,利用无人机航拍技术进行目标检测与跟踪也成了研究的热点。对于无人机目标检测,首先探讨了无人机航拍目标检测与跟踪任务的复杂性和难点,并着重介绍了以深度学习为基础的目标检测算法;针对无人机目标跟踪技术,深入探讨了以相关滤波为基础和以深度学习为基础的两种判别式目标跟踪算法;最后,总结并展望了在无人机领域目标检测与跟踪技术的应用前景。     

无人机目标跟踪综述

目标跟踪是计算机视觉领域中最热门的研究方向之一。近些年来,随着无人机控制和定位技术的成熟,无人机目标跟踪成为了研究的热点。文章首先介绍了传统的目标跟踪算法在无人机平台上的应用研究成果。在此基础上介绍了基于多特征融合的目标跟踪算法对无人机跟踪的准确率的影响。最后还介绍了基于深度学习的目标跟踪算法在无人机上的应用。其中,基于深度学习的目标跟踪算法的在无人机目标跟踪上的准确率是最高的,然而其实时性还有待提高。随着AI芯片的发展,这一问题也将迎刃而解。     

基于激光雷达的移动机器人运动目标检测与跟踪

运动目标的检测与跟踪是移动机器人研究的难点问题之一.基于2维激光雷达的性能分析与滤波设计的基础上,提出一种自主运动目标检测与跟踪的方法.通过k-近邻对激光雷达扫描的障碍进行聚类分析;基于栅格地图匹配的方法评估障碍的运动参数;检测出运动目标后,通过对机器人进行运动补偿,提出一种改进的粒子滤波算法对目标的运动状态进行评估.最后,利用自行研制的移动机器人进行算法评估,实验结果验证了所提方法的有效性.     

移动机器人的动态目标实时检测与跟踪

通过移动机器人的视觉系统可以实现动态目标的 检测与跟踪。提出一种基于改进的高斯混合模型(GMM)的 实时动态目标检测算法,算法引入分块思想,在模型更新过程中动态调整GMM分布数目和学 习率,通过改进匹配准则来减小误检率(FPR)和漏检率(FNR) 。在目标检测的基础上,采用一种融合均值偏移(MS:Mean Shift)和粒子滤波(FP:Particl e Filter)的算法对 目标实时跟踪,在利用MS算法获得的最优候选区域周围散布采样粒子,根 据偏移向量的大小自适应调节粒子数目,不仅具有较快的收敛速度,且对遮挡具有较好的鲁 棒性。实验结 果表明,将两种改进后的算法应用于移动机器人的视觉系统中,能够对动态场景中的动态目 标实时检测与跟踪,较传统算法在实时性和精确性上均获得一定提高。     

目标检测与跟踪技术专利综述

目标检测与跟踪技术在军事、航天以及国民经济的各个领域发挥着重要的作用.对目标检测与跟踪的专利技术进行了综述,重点关注近年的热点技术,将近年来目标检测与跟踪的专利技术大致分为以下几类:块匹配、基于特征的方法、图像间相减、基于变换域的方法、基于梯度的方法和统计方法,并介绍了每类方法的优势与问题,希望对审查与申请提供一定的借鉴.     

基于迁移学习的机场场面目标检测与跟踪技术研究

本文分析了深度学习技术的基本原理,讨论了其应用与目标检测与跟踪领域的基本方式。利用实地采集的广汉机场场面视频数据,采用深度迁移学习的策略,研究了面向机场场面目标的检测与跟踪技术。     

融合检测技术的孪生网络跟踪算法综述

近年来,基于孪生网络的方法在视觉目标跟踪中取得了巨大的进步,但是这类方法在处理跟踪中的目标状态估计以及复杂场景干扰中仍存在较大的提升空间。随着深度学习在目标检测领域取得的成功,越来越多的研究将其成果用于指导目标跟踪技术的发展。对融合检测技术的孪生目标跟踪算法进行了综述。首先介绍检测和跟踪的联系与区别,同时分析检测技术对改进基于孪生网络的跟踪算法的可行性;然后阐述在不同检测框架指导下的孪生目标跟踪算法,以及使用OTB100、VOT2018、GOT-10k和LaSOT公开数据集对各类算法进行对比和分析;最后对全文进行总结,并对目标跟踪的未来发展方向进行展望。     

基于视觉跟踪的移动机器人路径规划研究

针对复杂环境下含有外部干扰的移动机器人系统,进行路径规划和避障时算法移植性差收敛速度慢、控制系统开放性低容易陷入局部最优,提出一种不依赖滤波器函数和专用通信协议,能够同时满足时效性和精准度的路径规划算法。设计的路径规划算法将机器人运动控制与视觉控制集成一起,随着机器人的运动计算角位移和目标距离,通过以太网进行数据传输,利用相似度不断关联目标路径,最终快速准确地定位目标动态实现路径规划和避障。与传统路径规划算法相比,所提出的模型简单,无需进行复杂的机器人运动学分析,同时在集成系统中引入预设性能评价函数,合理利用系统资源保证了系统的安全性和稳定性。通过李雅普诺夫第二方法稳定性分析,验证算法的稳定性和有效性。     

目标跟踪序列检测方法

所研究的序列假设测试适用于数字图像序列中有关低可视机动点源目标的多帧检测和跟踪。所提出了多重多阶段设测试跟踪算法采用多阶假设跟踪策略，从序列检测目标轨迹那部分延伸所形成的轨迹。ＭＭＨＴＴ算法不需概率目标机动模型。利用截断序列概率测试求出计算的的有效系数，以便删除密密集候等外刀迹树和评价检测的那部分轨迹。文中利用光学卫星跟踪试验结果，介绍和证实了分析的性能评定。     

基于视觉跟踪的两轮自平衡移动机器人控制系统

本文设计了两轮自平衡移动机器人各个功能模块单元,介绍了自平衡原理,对视觉跟踪给出了目标物体在视觉模块中坐标与中心位置差值计算方法并给出了视觉跟踪策略;给出了系统整体程序框架以及图像处理与发送程序框架,对视觉跟踪进行了相应测试实验,测试结果达到预期效果.     

一种基于视觉注意模型的可移动目标检测方法

提出了一种基于视觉显著性的目标检测算法,用于对位于地面上的车辆、飞 机等地面可移动目标进行检测和定位。针对地面可移动目标在场景中较小的特点,设计了一种用于对 目标检测进行引导的基于视觉注意机制的目标显著模型。首先,提取图像目标的颜色特征、强 度特征和方向Gabor特征,并将其结合起来用于计算显著图。然后以超像素为单位对 显著值进行计算,并结合人眼视觉敏感度对不同距离的超像素之间的差异进行加权处理。实 验结果表明,本文算法可以有效地检测并定位出复杂背景中的地面可移动目标。     

一种小目标快速识别与跟踪方法

提出了一种基于多帧相关技术与波门选通技术相结合的快速目标识别与跟踪方法.利用多级滤波抑制噪声的方法对单帧采集图像进行处理,得到潜在的目标信息,然后利用多帧相关性和目标的运动连续性确定目标;对于后续图像引入波门选通技术,在波门内进行预处理、分割与识别跟踪.探讨了多帧相关技术中目标确定的理论判据,综合考虑目标的尺寸因素和目标的运动特征,提出一种新的波门设定方法.实验结果表明,对于信噪比(SNR)大于等于2.0的图像,该方法能够在获得目标的运动参数及运行轨迹的基础上显著地提高识别效率,实现对运动目标的实时分析,同时更好地抑制背景噪声.     

Implementation of a Moving Target Tracking Algorithm Using Eye-RIS Vision System on a Mobile Robot

A moving target tracking algorithm is proposed here and implemented on the Anafocus Eye-RIS vision system, which is a compact and modular platform to develop real time image processing applications. The algorithm combines moving-object detection with feature extraction in order to identify the specific target in the environment. The algorithm was tested in a mobile robotics experiment in which a robot, with the Eye-RIS mounted on it, pursued another one representing the moving target, demonstrating its performance and capabilities.     

一种用于低空目标探测与跟踪的新方法

低空目标的探测与跟踪是雷达所面临的四大难题之一。本文以高距离分辨率技术为基础，通过理论分析和仿真，寻找一种解决低空目标探测与跟踪的新途径。这是解决低角跟踪的一种新尝试，具有显著的军事效益。     

一种新的红外弱小目标检测与跟踪算法

针对低信噪比下红外序列图像中弱小目标的检测与跟踪问题,提出了一种新的基于双边滤波的方法.首先将传统的二维双边滤波扩展为空-时三维双边滤波,由于同时利用了红外序列的空域信息和时域信息,该三维双边滤波能在抑制噪声的同时增强目标和背景之间的对比度.用其实现红外图像的预处理,再用门限分割检测出红外序列中的弱小目标.同时,用序贯蒙特卡洛方法对检测到的弱小目标进行跟踪.实验中,用实际红外序列图像对算法进行了验证,结果表明,在低信噪比下,所提算法能对红外弱小目标进行实时检测和跟踪.     

一种稳健的视频SAR动目标阴影检测与跟踪处理方法

视频合成孔径雷达(VideoSAR)可获取观测场景高帧率图像序列,利用车辆等地面运动目标在图像序列中形成的阴影能够实现动目标状态感知,该方法具有定位精度高、检测概率高、无最小可检测速度限制等优点。针对视频SAR动目标阴影变化剧烈、信杂噪比低、多普勒模糊干扰等特有的图像特征,该文充分利用帧图像空间域和时间域信息,研究了视频SAR数据预处理、动目标阴影检测和视频SAR多目标跟踪方法。实测数据全流程处理结果验证了该文方法的有效性。     

Small Target Detection Utilizing Robust Methods of the Human Visual System for IRST

Robust detection of small targets is very important in IRST (Infrared Search and Track). This paper presents a novel mathematical method for the incoming target detection problem in cluttered background motivated from the robust properties of human visual system (HVS). The HVS shows the best efficiency and robustness for an object detection task. The robust properties of the HVS are contrast mechanism, multi-resolution representation, size adaptation, and pop-out phenomena. Based on these facts, a plausible computational model integrating these facts is proposed using Laplacian scale-space theory and Tune-Max based optimization method. Simultaneous target signal enhancement and background clutter suppression is achieved by tuning and maximizing the signal-to-clutter ratio (TMSCR) in Laplacian scale-space. At the first stage, the Tune-Max of the signal to background contrast produces candidate targets with adapted scale. At the second stage, the Tune-Max of the signal-to-clutter ratio (SCR) produces maximal SCR which is used to pop-out detections. Experimental evaluation results for the incoming target sequence validate the upgraded detection capability of the proposed method compared with the Top-hat method at the same false alarm rate. Experimental results for the six kinds of cluttered background images show that the proposed TMSCR produces less false alarms (4.3 times reduction) compared to the Top-hat at the same detection rate.     

基于改进Camshift算法的NAO机器人目标跟踪

针对Camshift算法应用于NAO机器人目标跟踪过程中,当目标受到相似颜色背景干扰或被物体遮挡时跟踪失败的问题,提出一种基于ORB特征检测和Kalman滤波多算法结合的目标跟踪方法。首先检测目标ORB特征点初始化搜索窗口,然后利用Kalman滤波作为目标运动状态的预测机制,以预测的位置初始化Camshift算法。利用Bhattacharyya距离判断跟踪窗口的收敛性,若受到背景干扰,则利用ORB算法对当前帧中的Kalman预测区域和目标模型进行特征点匹配,重新检测目标在视频帧中的位置。根据Kalman滤波预测目标被物体遮挡后可能的位置来更新预测器参数。实验结果表明,改进的算法能够在相似颜色背景干扰和目标遮挡的复杂环境下,连续稳定地跟踪运动目标。