針對無人機(jī)與相機(jī)快速相對運動造成的運動模糊問題,以及小型無人機(jī)外觀信息缺失和背景復(fù)雜造成漏警和虛警問題,提出了一種新的無人機(jī)檢測-跟蹤方法。針對成像尺寸小于32像素×32像素的無人機(jī)目標(biāo),提出改進(jìn)的多層特征金字塔的分類和目標(biāo)框回歸器作為目標(biāo)檢測器,克服漏警。利用檢測結(jié)果初始化基于核相關(guān)濾波的目標(biāo)跟蹤器,并持續(xù)修正跟蹤結(jié)果,跟蹤結(jié)果為剔除檢測器虛警提供依據(jù)。在跟蹤過程中,引入對觀測場景紋理自適應(yīng)的相機(jī)運動補(bǔ)償策略實現(xiàn)目標(biāo)重定位。多場景下的實驗結(jié)果表明:提出的方法在對高速運動小目標(biāo)的檢測和跟蹤指標(biāo)上顯著優(yōu)于傳統(tǒng)方法,且運動補(bǔ)償機(jī)制的引入進(jìn)一步增強(qiáng)了方法在極端復(fù)雜場景下的魯棒性。

【文章頁數(shù)】：13 頁

【文章目錄】：
1 相關(guān)工作
    1.1 RetinaNet目標(biāo)檢測器
    1.2 KCF目標(biāo)跟蹤器
    1.3 相機(jī)運動補(bǔ)償
2 RetinaNet與KCF結(jié)合的無人機(jī)檢測
    2.1 引入低層特征的RetinaNet
    2.2 RetinaNet與KCF具體交互方式
    2.3 KCF不適用的情況
3 相機(jī)運動補(bǔ)償和無人機(jī)重定位
    3.1 光流法對無人機(jī)重定位
    3.2 不同運動補(bǔ)償算法的優(yōu)缺點
    3.3 場景紋理自適應(yīng)的運動補(bǔ)償
4 實驗
    4.1 實驗設(shè)置
    4.2 分場景消融實驗
    4.3 對RetinaNet改進(jìn)的消融實驗
5 結(jié)論



本文編號：4009101