地面无人作战系统中视频目标的鲁棒性跟踪研究及实现

目录

声明

1 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.2.1 目标检测技术

1.2.2 目标跟踪技术

1.3 存在的技术难点

1.4 论文主要工作

1.5 论文组织结构

2 地面无人作战系统中的运动目标检测技术

2.1 引言

2.2 运动目标检测常用技术

2.2.1 静态背景下的运动目标检测

2.2.2 动态背景下的运动目标检测

2.3 常用的特征点检测与描述算子

2.3.1 SIFT 特征

2.3.2 SURF特征

2.3.3 ORB 特征

2.4 基于改进ORB特征的动态背景补偿目标检测算法

2.4.1 特征点的提取

2.4.2 特征点的描述

2.4.3 特征点的匹配与筛选

2.4.4 基于背景补偿的前景提取

2.4.5 运动目标的位置获取

2.4.6 算法流程

2.5 实验结果及分析

2.5.1 实验环境与参数设置

2.5.2 性能评价

2.6 本章总结

3 无严重遮挡情况下的目标跟踪技术

3.1 引言

3.2 模板与像素互补学习跟踪算法

3.2.1 岭回归分类器的训练

3.2.2 融合响应下的目标定位

3.2.3 分类器模型的更新

3.3 差异颜色特性的自适应互补学习目标跟踪算法

3.3.1 融合CN特征的多通道特征提取

3.3.2 自适应的模型响应融合

3.3.3 高置信度的模型更新

3.3.4 速度的优化

3.3.5 算法流程

3.4 实验结果及分析

3.4.1 实验环境与参数设置

3.4.2 在特定视频序列上的性能评价

3.4.3 在数据集上的综合性能评价

3.4.4 跟踪速度的评价

3.5 本章总结

4 有严重遮挡情况下的目标跟踪技术

4.1 引言

4.2 常见的长期跟踪模型

4.2.1 TLD算法中的检测器

4.2.2 LCT 算法中的重检测模型

4.2.3 MUSTer算法中的长短期记忆模型

4.3 加入重检测机制的长期互补学习目标跟踪算法

4.3.1 目标丢失度评价

4.3.2 SVM分类器重检测

4.3.3 目标特征库与分类器模型的更新

4.3.4 算法流程

4.4 实验结果与分析

4.4.1 实验环境与参数设置

4.4.2 在严重遮挡场景下的性能评价

4.4.3 跟踪速度的评价

4.5 本章总结

5 软硬件平台的实现

5.1 引言

5.2 嵌入式硬件平台

5.2.1 JN-IGH57x 开发套件

5.2.2 视频采集设备

5.2.3 液晶显示设备

5.3 软件开发环境构建

5.3.1 主机开发环境

5.3.2 交叉编译环境

5.3.3 OpenCV视觉库的编译

5.4 算法总体框架设计

5.5 实际场景下的测试结果与分析

5.6 本章总结

6 总结和展望

6.1 论文工作总结

6.2 未来研究展望

致 谢

参考文献

附 录