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。     

无人机跟踪地面目标制导控制方法

提出了基于自动驾驶仪的无人机跟踪地面目标的制导、控制架构,将"无人机+自动驾驶仪"的组合看作是以滚转角、飞行高度和速度为控制输入的动态系统。在横侧向,相比下一时刻,根据无人机的航迹方位角误差以及无人机与目标点在水平面内相对距离与期望盘旋半径的误差,给出滚转角指令的制导规律,并对制导指令的生成周期进行了研究;对于纵向,为降低目标状态估计对于姿态误差的敏感度,结合传感器分辨率的要求,给出了解算飞行高度指令的方法。无人机六自由度模型的仿真对比表明,所提跟踪制导律相比李亚普诺夫向量场法(LVFG)和切向量场法(TVFG)具有更优的稳定性和准确性。     

基于深度强化学习的无人机目标跟踪研究

基于目标跟踪任务,阐述运用深度学习为我方无人机训练跟踪策略,寻找最适于无人机对目标跟踪的深度学习算法,建立了目标跟踪模型,并运用四种算法进行训练,比较了在线训练的指标以及离线执行时的结果,从而在双决斗深度Q学习和近端策略优化中取得了最好的训练效果。     

无人机激光光电目标跟踪指示技术研究

无人机技术近年来发展迅速,军事应用日益广泛。传统机载激光目标指示器重量与体积较大,很难集成于无人机来实现军事应用。主要介绍了一种国际主流的激光制导武器系统技术方案及作战应用流程,并研究了一种轻小型化的三光合一的无人机激光光电目标跟踪指示载荷。有别于传统激光指示照射,该无人机激光光电载荷通过与无人机的紧耦合完成小型化集成,并实现了远近距离一体化探测功能：远距离可对打击目标进行定位引导(大地坐标位置信息),近距离可对打击目标进行激光照射指示引导。同时,本文的指示方法利用低成本小型无人机突击作战,避免了人员暴露及伤亡风险,提高了无人化作战效率。     

基于航迹点控制的无人机目标跟踪算法

由于运动速度的差异性,固定翼无人机跟踪机动目标时,需要规划特殊的航迹才能达到较好的跟踪效果。根据无人机的机动特性对系统进行了建模,设计了基于航迹点控制的固定翼无人机目标跟踪算法,并对该算法的性能进行了仿真,仿真结果表明该算法实时性强,当目标进行各种运动时都能有效保证无人机目标跟踪的可靠性。     

基于半监督协同训练的无人机对地目标跟踪

由于目标小、可区分性差,无人机对地目标跟踪较传统视频目标跟踪更容易丢失目标,提出一种基于l1图半监督协同训练的目标跟踪算法。算法首先提取样本的颜色和纹理特征构建两个充分冗余的视图,再以基于l1图的半监督学习算法取代传统协同训练中的监督学习方法构建单视图中的分类器,提高有限标记样本条件下的分类正确率,然后通过基于负类学习的协同训练算法协同更新两个视图的分类器,最后根据不同视图的相似度分布熵融合各分类器的分类结果实现目标跟踪。实验结果表明,该算法能够有效提高分类器的判别能力,具有良好的跟踪性能。     

复杂监控环境下运动目标的检测和跟踪方法

具有实时检测、跟踪和分析判断的智能化监控系统是智能化监控系统发展的必然趋势,本文提出一种在实时监控下检测和跟踪运动目标的方法,首先使用背景差分法检测出运动目标,并定期使用背景更新策略对参考背景进行局部更新,这样可以提高目标检测的精确度。目标跟踪时在不同的尺度空间获得目标的关键点,增强算法目标在遮挡情况下的鲁棒性,接下来使用mean shift算法估计目标在下一帧的位置。采用IBM研究中心的测试视频序列对本文的方法进行了测试,实验结果表明,该方法是有效可行的。     

基于Kalman滤波和Meanshift算法的目标跟踪

如何实现移动目标被其他物体遮挡后,预测其所处位置,并能够实现遮挡结束后恢复目标的跟踪是视频目标检测与跟踪研究方面的一个热点问题。文章将Kalman滤波器对目标位置估计能力与Meanshift跟踪算法相互结合实现视频序列中移动目标检测与跟踪。利用遮挡因子对目标进行遮挡判断,如果没有发生遮挡则使用Meanshift算法进行直接目标跟踪,一旦检测出遮挡则利用Kalman的预测值进行目标新位置的确定,最终实现对运动目标进行跟踪,并通过MATLAB编写程序实现对运动目标的检测与跟踪。     

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。     

基于图像感知哈希的行人跟踪算法

针对传统目标跟踪算法计算复杂度高,在发生遮挡、形状改变时,运动目标丢失的问题,提出了将图像感知哈希算法应用于目标跟踪问题上,并针对行人这一特定目标进行了改进。按照行人的特征,将其分成若干区域,给不同区域分配不同权重,计算跟踪目标的感知哈希值,计算待测区域的哈希值,选择合适的待测区域作为目标区域。该算法与MeanShift算法相比,能更好地处理目标遮挡,不易产生目标丢失,且具有较低的复杂度。     

基于缺损目标的CamShift序列图像跟踪方法

在标准CamShift算法对缺损目标进行跟踪的过程中,由于算法不能根据目标的变化实时调整跟踪窗口形状,造成跟踪窗口内包含缺损区域的背景图像信息,降低了目标的匹配能力,导致CamShift算法不能适用于缺损目标的跟踪。针对此问题,文中提出一种新的缺损目标CamShift序列测量图像跟踪方法,将目标模型和候选模型之间的相似...     

图像跟踪仿真试验系统设计

为了模拟和演示导弹攻击的过程,利用三轴转台、数字化的图像采集板卡、摄像机和视景生成系统等,在虚拟试验支撑平台（HIT-GPTA）的支持下集成了一套图像跟踪仿真试验系统。给出了系统的整体硬件构成以及软件的详细设计思路。同时,简单演示了在HIT-GPTA软件平台上仿真系统的集成过程。经仿真试验验证,系统工作稳定,仿真效果良好。     

幅度和距离顺序辅助小目标跟踪

由于虚假点迹较多,低信噪比的小目标跟踪较难,文中提出了一种利用先验知识改善低信噪比小目标跟踪性能的方法,该方法通过将目标和噪声的特征信息,包括幅度信息和点迹与航迹位置预测值的距离信息,与传统的点迹动力学信息相结合,重新定义点迹和航迹的似然概率,同时调整修改航迹的状态更新方程。仿真结果说明与传统方法相比,结合了特征信息的方法明显提高了小目标点迹和航迹正确关联的概率,即对目标和噪声幅度分布已知的环境,特征信息的使用可以有效改善小目标的航迹检测概率等跟踪性能。     

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.     

机动目标跟踪算法仿真

针对目前应用最广的几种目标跟踪算法进行了介绍,目的是研究其在不同的跟踪条件下这些方法的性能差异,从而在此基础上发展出更加鲁棒的模型.确立了跟踪算法性能评价的相对均方根误差均值准则,通过Monte-Carlo方法,利用大量的仿真结果分析,得到了一些有益的结论.     

基于Camshift和SIFT线性融合的目标跟踪算法研究

Camshift算法是对MeanShift算法的改进,它可以解决目标尺度缩放、持续跟踪等问题。但是当目标颜色与背景颜色接近或者目标遇到旋转问题时,Camshift算法容易失效。而SIFT算子对旋转、亮度变化保持不变性,对颜色相近也保持一定的稳定性,所以本文提出一种Camshift与SIFT算子线性融合的目标跟踪算法。首先利用Camshift算法来对目标进行初步的跟踪,得到跟踪区域,再利用SIFT特征向量来匹配目标区域与跟踪区域,得到SIFT的匹配和校正结果,再将两种算法的结果进行线性融合,得到最终的跟踪结果。实验结果表明,本文提出的方法可以有效地解决跟踪过程中出现的旋转、颜色相近等问题。     

基于粒子滤波与局部搜索的视频目标跟踪

为了提高视频目标跟踪的鲁棒性和准确性,本文提出了基于局部搜索(Local Search)和粒子滤波(Particle Filter)相结合的视频目标跟踪方法——LSPF(Local Search Particle Filter)算法.利用粒子滤波得到样本的权值后,将局部搜索用于每一个粒子,使权值小的粒子收敛于邻近的权值较大的粒子处,有效克服了传统PF算法的粒子退化问题.实验结果表明,传统PF算法平均跟踪误差为10.89,而本文提出的LSPF算法平均跟踪误差仅为3.49,在跟踪性能上有了很大改善.尤其当目标受到干扰时,LSPF算法仍能实现对目标的准确跟踪,为稳定跟踪提供了有利保障.