原文传递
基于多特征融合的船舶目标跟踪算法
| 论文题名： | 基于多特征融合的船舶目标跟踪算法 |
| 关键词： | 船舶目标跟踪;核相关滤波算法;深度学习;多特征融合;尺度变化 |
| 摘要： | 随着我国海上交通运输业和内河道航运交通事业的不断发展壮大，我国逐渐走向交通强国，但是随着航道交通来往船只的密度不断增大，船舶运输的危险性也会随之增大。对船舶的跟踪监控成为必不可少的一环，无论是在港口固定的摄像设备或者是当下比较热门的无人机摄像设备，再或者是各种船舶上面的固定摄像头，来实时监控目标船舶的动态。目前计算机视觉领域里的目标跟踪是一大热门领域，可应用在船舶跟踪领域来检测跟踪识别船舶的状态，采集船舶图像实现智能化对船舶目标进行实时性、鲁棒性的跟踪是关键。 本文为了实现对目标的智能化船舶跟踪，提出了多种图像特征自适应融合的方法，为优化提高在目标跟踪过程中出现的目标尺度变化、颜色天气光照变化、低分辨率和快速移动等复杂情况时的跟踪效率。首先基于传统的核相关滤波算法上对于多种特征的融合进行优化，使梯度特征（HOG，HistogramOfGradient）、颜色特征（CN，ColorName）和纹理特征（LBP，LocalBinaryPattern）进行自适应早融合，通过这种方式来应对船舶在海上航行时遇到的天气光照变化等复杂场景的航行状况。实验表明，该算法在标准的OTB-100数据集和自制的船舶数据集上都具有一定的准确性，在数据集上的跟踪成功率能达到72.8%、跟踪精确度能达到79.0%，该算法具有速率快，准确性高等优点，可以满足船舶跟踪的实际情况。 然后为了继续提高跟踪精度，在相关滤波算法的基础上引入了深度网络提取具有语义信息的深层特征，再加上之前提到了两种传统手工浅层图像特征，通过训练不同的相关滤波器，然后通过响应值大小进行不同权值的晚融合策略。并引入尺度变化应对船舶尺度大小变化，通过滤波器模板更新策略来应对船舶目标在航行过程中发生的形变等复杂条件导致的不能正确识别到目标的问题。通过实验验证在两种数据集上提高了船舶目标跟踪的鲁棒性和准确性。 |
| 作者： | 马驰原 |
| 专业： | 交通运输工程 |
| 导师： | 陈俊龙;左毅 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
