面向無人機(jī)伴飛的多核相關(guān)濾波跟蹤算法研究.pdf

1、無人機(jī)智能飛行技術(shù)是當(dāng)前無人機(jī)領(lǐng)域的研究熱點(diǎn)，吸引了廣大學(xué)者的密切關(guān)注和深入研究。無人機(jī)伴飛是指通過無人機(jī)所攜帶的前向攝像機(jī)對目標(biāo)進(jìn)行定位，并估計目標(biāo)的運(yùn)動狀態(tài)，從而反過來控制無人機(jī)的飛行軌跡，達(dá)到伴隨飛行的目的。隨著無人機(jī)的廣泛應(yīng)用，如田徑、滑雪、劃艇等極限運(yùn)動拍攝和日常生活記錄等，無人機(jī)伴飛具有重要的研究意義和發(fā)展前景，但與之相關(guān)的研究仍處于探索階段。無人機(jī)伴飛的關(guān)鍵技術(shù)主要涉及基于視覺的目標(biāo)檢測跟蹤技術(shù)，它是無人機(jī)能夠安全、準(zhǔn)確伴

2、隨飛行的基礎(chǔ)。本論文主要針對伴飛應(yīng)用中的基于視覺的目標(biāo)檢測跟蹤技術(shù)展開研究，主要工作內(nèi)容如下：
　　首先，回顧了當(dāng)前現(xiàn)有的運(yùn)動目標(biāo)檢測跟蹤算法，包括光流法、背景差分法、幀間差分法和相關(guān)濾波跟蹤算法，對其算法機(jī)理和性能進(jìn)行了分析。其次針對當(dāng)前跟蹤速度快、精度高的基于核函數(shù)相關(guān)濾波的跟蹤算法進(jìn)行研究，該方法通過循環(huán)矩陣實現(xiàn)密集采樣，并利用其性質(zhì)加速分類器訓(xùn)練和核函數(shù)矩陣的計算。然后對其進(jìn)行了仿真，在算法復(fù)雜度、光照改變、遮擋和姿態(tài)變化

3、等方面進(jìn)行了實驗分析，結(jié)果表明該算法具有良好的跟蹤效果，但是當(dāng)目標(biāo)全部被遮擋情況，會出現(xiàn)目標(biāo)丟失的情況。
　　其次，針對現(xiàn)有基于核函數(shù)相關(guān)濾波跟蹤算法的不足，提出一種級聯(lián)迭代分類器初始化方法，以彌補(bǔ)分類器初始化時樣本單一問題。該方法采用弱分類器融合集成的思路，設(shè)計了一種自適應(yīng)的分類器權(quán)值分配策略，以得到強(qiáng)分類器。實驗表明，集成后的強(qiáng)分類器有效的包含了多幀視頻的目標(biāo)信息，能夠檢測出較大變換后的目標(biāo)。
　　然后，針對基于核函數(shù)相

4、關(guān)濾波的跟蹤算法難以處理目標(biāo)遮擋的問題，提出了一種多核并行相關(guān)跟蹤算法，該算法能夠準(zhǔn)確判別真實目標(biāo)和偽目標(biāo)，從而保證分類器訓(xùn)練和更新的準(zhǔn)確性。該方法采用三個分類器聯(lián)合估計目標(biāo)的位置，并根據(jù)輸出響應(yīng)更新分類器。這種多分類器并行檢測，獨(dú)立更新的方法，保證了分類器中既能適應(yīng)目標(biāo)的多種變換，還能防止因為融入偽目標(biāo)信息而丟失真實目標(biāo)信息。
　　為了驗證所提算法的有效性，論文最后在11個測試視頻上進(jìn)行了實驗對比測試，結(jié)果表明，在相同條件下，改