原文传递
基于自适应空间特征融合的水面多目标检测与跟踪方法
| 论文题名： | 基于自适应空间特征融合的水面多目标检测与跟踪方法 |
| 关键词： | 智能船舶;水面多目标检测;自适应空间特征融合;多目标跟踪;深度神经网络 |
| 摘要： | 中国是世界大国，海洋国土辽阔，不断提高对海洋国土的保障能力，是我们船舶与海洋领域研究者的共同目标。船舶智能化是必然趋势，也是跨学科、跨领域的研究，投入大、周期长。因此，对于船舶智能化的研究具有深远的意义。 本文以智能船舶所需要的环境信息为切入点，研究了基于视觉的水界线检测方法、水面目标检测方法、水面多目标跟踪方法以及深度神经网络在该范畴中的应用。本文的主要研究内容如下: 第一，对水面多目标检测与跟踪的国内外研究现状进行了调研，分析了主流水界线检测方法、水面目标检测方法、水面多目标跟踪方法的优缺点，分别搭建了基于编码与解码的语义分割网络、基于关键点估计的目标检测网络、基于金字塔聚合的多目标跟踪网络。第二，针对水界线检测中语义分割部分水面区域识别困难的问题，本文引进了通道注意力来处理网络在卷积池化的过程中特征图因不同重要性的通道引起的损失;针对水面目标检测过程中会出现物体形态尺度变化导致检测失效的问题，本文引进了可变形卷积来提高对形态尺度变化较大的水面目标的特征提取能力;针对水面多目标跟踪过程中会出现物体相互遮挡导致跟踪失效的问题，本文引进了自适应空间特征融合来提高对多个相互遮挡水面目标之间的空间特征表达能力。第三，收集并标注深度神经网络所需的水面语义分割数据集、水面目标检测数据集、水面多目标跟踪数据集，进行了网络性能的论证，结果表明:改进后的网络能够更加有效地分割水面区域、检测出水界线，能够更加高效地检测水面环境下的各类目标，能够更加稳定地跟踪水面环境下的多个运动目标。第四，搭建了基于虚拟引擎的水面视觉感知方法仿真环境，布置了多组不同天气、不同时间、不同风力等级的水面场景，仿真结果表明:改进后的网络具有较好的鲁棒性，在复杂水面环境下具有更高的水面区域分割度，水界线更加贴近真实位置，能够更加精准的识别水面目标的类别和位置信息，减少了误检漏检概率，同时在跟踪过程中对水面目标ID丢失次数更少，提升了重识别能力，能够满足本文支撑项目对水面环境感知的设计需求。 |
| 作者： | 李允权 |
| 专业： | 船舶与海洋结构物设计制造 |
| 导师： | 邹劲 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
