10.11772/j.issn.1001-9081.2018061211
基于并行跟踪检测框架与深度学习的目标跟踪算法
在空地协同背景下,地面目标的移动导致其在无人机视角下外观会发生较大变化,传统算法很难满足此类场景的应用要求.针对这一问题,提出基于并行跟踪和检测(PTAD)框架与深度学习的目标检测与跟踪算法.首先,将基于卷积神经网络(CNN)的目标检测算法SSD作为PTAD的检测子处理关键帧获取目标信息并提供给跟踪子;其次,检测子与跟踪子并行处理图像帧并计算检测与跟踪结果框的重叠度及跟踪结果的置信度;最后,根据跟踪子与检测子的跟踪或检测状态来判断是否对跟踪子或检测子进行更新,并对图像帧中的目标进行实时跟踪.在无人机视角下的视频序列上开展实验研究和对比分析,结果表明所提算法的性能高于PTAD框架下最优算法,而且实时性提高了13%,验证了此算法的有效性.
并行跟踪和检测、目标跟踪、深度学习、相关滤波、无人机
39
TP242.62(自动化技术及设备)
国家自然科学基金资助项目61773393,61503401
2019-03-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
343-347