原文传递
基于深度学习的多目标自适应机动跟踪技术研究
| 论文题名： | 基于深度学习的多目标自适应机动跟踪技术研究 |
| 关键词： | 多目标跟踪;深度学习;摄像头运动;自适应轨迹校正;驾驶辅助系统 |
| 摘要： | 随着经济和计算机技术的发展，多目标跟踪技术的应用领域愈发广泛，这也是交通运输不可或缺的一个重要内容。在汽车中安装驾驶辅助系统可以有效提高车辆行车安全，而驾驶辅助系统的一项关键技术正是多目标跟踪。多目标跟踪技术可以通过摄像头、雷达等设备获取外部目标信息，并将这些信息通过驾驶辅助系统反馈给驾驶员。多目标跟踪技术应用环境复杂，常面临着目标过于相似、遮挡严重、摄像头抖动等情况，导致目标跟踪失败，出现目标身份丢失、识别混乱等现象。因此，在较为复杂的环境下实现多目标的正确跟踪仍是一个充满挑战的难题。为此，本文提出了一种基于深度学习的多目标自适应机动跟踪算法，缓解复杂环境条件下的跟踪失败问题。本文的主要研究内容如下： (1)针对目标外观过于相似导致标识互换，以及遮挡后目标的身份判断错误问题，提出了基于特征聚合的重识别模型。首先对特征提取网络中的通道特征不能得到有效利用，导致了提取的外观特征对检测目标不能进行充分地表达，提出了基于OSA(One-ShotAggregation)模块改进的特征聚合网络，以通道拼接后卷积的形式实现通道特征的充分利用。然后利用MARS数据集对提出的改进重识别网络模型进行训练，并在训练过程中进行验证。结果表明，基于特征聚合的重识别模型取得的效果优于未进行通道特征融合的重识别模型。 (2)针对摄像头运动导致目标轨迹漂移的问题，在deepsort算法的基础上提出了基于ECC(EnhancedCorrelationCoefficient)算法的轨迹校正模型。当摄像头发生运动时，图像中目标的运动往往由两部分组成，一是目标自身的运动，二是摄像头运动导致的目标漂移。原deepsort的卡尔曼滤波中的运动模型只考虑了目标的自身运动，针对这一问题，通过引入ECC算法获取相邻图像的仿射矩阵，对卡尔曼滤波预测的目标轨迹进行自适应校正。 (3)将改进的重识别模型与基于ECC算法的自适应轨迹校正模型嵌入YOLOv3-deepsort算法，并通过MOT16和KITTI跟踪数据集进行仿真验证。在实验中，本文算法可在目标过于相似、发生遮挡、摄像头运动的情况下，缓解目标标识丢失、互换现象的发生，有效保持了跟踪目标轨迹的稳定。 |
| 作者： | 任世恒 |
| 专业： | 交通运输工程 |
| 导师： | 刘志强 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
