融合视觉显著性再检测的孪生网络无人机目标跟踪算法
针对旋翼飞行器在跟踪过程中目标尺度变化、快速运动、视角变化等问题,本文提出了一种基于Mobi-leNetV2的孪生网络目标跟踪算法,可在无人机机载处理器上实时运行.该算法主要包含目标得分估计模块与目标尺度估计模块两个部分.结合多特征融合的策略,可准确预测出目标位置与目标框IoU,同时以目标框IoU为指导,利用梯度上升法对目标框进行迭代修正,进一步提升预测精度.针对完全遮挡而导致的目标跟丢问题,本文设计了一个基于视觉显著性的目标再检测算法,该算法可实时高效地预测出图像的显著性区域,以指导对目标的再检测,进而恢复跟踪.最后,通过标准无人机跟踪数据集测试与实际无人机跟踪实验,验证了算法的可行性.
无人机;计算机视觉;目标跟踪;轻量化网络;孪生网络;显著性检测;目标遮挡;特征融合
16
TP242(自动化技术及设备)
国家自然科学基金项目;中国博士后科学基金项目
2021-08-31(万方平台首次上网日期,不代表论文的发表时间)
共11页
584-594