结合核相关滤波器和深度学习的运动相机中无人机目标检测

被引:8
作者
梁栋 [1 ,2 ,3 ]
高赛 [1 ,2 ,3 ]
孙涵 [1 ,2 ,3 ]
刘宁钟 [1 ,2 ,3 ]
机构
[1] 南京航空航天大学计算机科学与技术学院
[2] 模式分析与机器智能工业和信息化部重点实验室
[3] 软件新技术与产业化协同创新中心
关键词
多层特征金字塔; 核相关滤波器; 相位相关; 随机抽样一致; 光流场;
D O I
暂无
中图分类号
TP391.41 []; TN713 [滤波技术、滤波器]; TP18 [人工智能理论]; V279 [无人驾驶飞机];
学科分类号
080203 ; 081104 ; 0812 ; 0835 ; 1405 ; 1111 ;
摘要
针对无人机与相机快速相对运动造成的运动模糊问题,以及小型无人机外观信息缺失和背景复杂造成漏警和虚警问题,提出了一种新的无人机检测-跟踪方法。针对成像尺寸小于32像素×32像素的无人机目标,提出改进的多层特征金字塔的分类和目标框回归器作为目标检测器,克服漏警。利用检测结果初始化基于核相关滤波的目标跟踪器,并持续修正跟踪结果,跟踪结果为剔除检测器虚警提供依据。在跟踪过程中,引入对观测场景纹理自适应的相机运动补偿策略实现目标重定位。多场景下的实验结果表明:提出的方法在对高速运动小目标的检测和跟踪指标上显著优于传统方法,且运动补偿机制的引入进一步增强了方法在极端复杂场景下的鲁棒性。
引用
收藏
页码:159 / 171
页数:13
相关论文
共 3 条
  • [1] 基于自适应Siamese网络的无人机目标跟踪算法
    刘芳
    杨安喆
    吴志威
    [J]. 航空学报, 2020, 41 (01) : 248 - 260
  • [2] 基于自适应深度网络的无人机目标跟踪算法
    刘芳
    王洪娟
    黄光伟
    路丽霞
    王鑫
    [J]. 航空学报, 2019, 40 (03) : 179 - 188
  • [3] Fractal geometry: mathematical foundations and applications[J] . Rolph Schwarzenberger.The Mathematical Gazette . 1990 (469)