APP下载

基于自适应Siamese网络的无人机目标跟踪算法

2020-03-02刘芳杨安喆吴志威

航空学报 2020年1期
关键词:模型

刘芳,杨安喆,吴志威

北京工业大学 信息学部,北京 100124

相比于载人飞机,无人机因其体积小、隐蔽性强、反应快速、对作战环境要求低和能迅速到达现场等优势,被广泛应用于军事和民用领域。而无人机的广泛应用需要目标跟踪技术,它能极大增强无人机的自主飞行和监控能力,使得无人机能够完成更多种类的任务,并且适应更复杂多变的环境[1]。因此,研究有效而稳定的目标跟踪算法对于无人机的应用具有重大的意义[2]。

无人机在飞行过程中拍摄视角和飞行速度经常会发生改变,导致目标易发生形变、遮挡等情况,经典跟踪算法效果较差。近年来,基于相关滤波的跟踪算法如KCF(Kernelized Correlation Filters)[3]、SAMF[4]和MUSTer[5]等在跟踪精度和跟踪速度上有着较好的效果,相关滤波逐渐成为跟踪领域的重要研究方向之一[6]。目标的特征表达是影响其性能的重要因素之一,传统的人工特征对目标状态变化不鲁棒,而无人机在很多实际应用中往往要面对复杂的环境,基于传统特征算法的跟踪效果不理想。深度网络因其具有良好的特征表达能力,研究人员采用深度特征代替手工特征,比较有代表性的跟踪方法有DeepSRDCF[7]、SiamFC[8]、CFNet[9]和DCFNet[10]等。尽管上述跟踪算法在跟踪成功率和精度上取得了显著的提升,但是在目标发生形变、遮挡等情况下,仍然容易发生漂移现象,导致算法的准确度降低。Danelljan等[11]提出一种生成模型提升了训练样本的多样化,并对目标函数进行了完善和改进,优化了样本分布,减轻了形变情况对性能的影响,但由于更新过程计算较为复杂,跟踪速率较低。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用