刘佳真,陈勤霞,艾斯卡尔·艾木都拉

(新疆大学信息科学与工程学院,新疆 乌鲁木齐 830046)

1 引 言

点状目标在跟踪技术在军事领域和民事领域都占据重要的位置,随着科技的进步与发展,能够在复杂背景下准确跟踪打击目标,是各国军事研究的重心之一[1]。点状目标跟踪技术难点主要在于两点:一,目标本身太小,占据像素少,没有纹理信息,且没有具体的形状。二是目标在背景杂乱的环境下快速移动[2]。国际光学工程学会(International Society of Optical Engineering,SPIE)提出小目标是指目标所占像素大小不超过80像素的目标[3-4]。点状目标作为小目标的一种,主要问题就是信噪比低,虚警率高和实时性差[5-7]。

点状目标的跟踪技术主要侧重于预警系统[8],在技术方面,很多对于点状目标跟踪的方法还没有太多的涉及深度学习内容,国内主要的研究方法是基于粒子滤波,卡尔曼滤波,多尺度等方法的融合技术[9-11]。

现在的基于深度学习的跟踪器大多都是在目标的周围选取大量的训练样本,再利用CNN的特征进行判别[12]。这类方法需要大量的训练样本,而点状目标的样本有限。其次,此类方法大都是主要利用最后一层的卷积特征,因为最后一层卷积特征含有大量的语义信息,对于目标的外观变化有很大的帮助,放在点状目标的跟踪技术上来说,点状目标本身占据像素少,几乎没有形状,所以外观变化这一影响因素对于点状目标的跟踪结果影响不大。在本文的算法中,主要利用CNN的前面几层的特征,用于目标的定位,语义信息作为确定目标的一个参考。……