高级检索
ENGLISH

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

机载平台下基于深度检测网络的目标跟踪重捕算法

沈旭,  孟巍,  程小辉,  王新政

downloadPDF
文章导航 > 红外技术  > 2020 >  42(7): 624-631
沈旭, 孟巍, 程小辉, 王新政. 机载平台下基于深度检测网络的目标跟踪重捕算法[J]. 红外技术, 2020, 42(7): 624-631.
引用本文: 沈旭, 孟巍, 程小辉, 王新政. 机载平台下基于深度检测网络的目标跟踪重捕算法[J]. 红外技术, 2020, 42(7): 624-631.
shu
SHEN Xu, MENG Wei, CHENG Xiaohui, WANG Xinzheng. Object Tracking and Recapture Model Based on Deep Detection Network Under Airborne Platform[J]. Infrared Technology , 2020, 42(7): 624-631.
Citation: SHEN Xu, MENG Wei, CHENG Xiaohui, WANG Xinzheng. Object Tracking and Recapture Model Based on Deep Detection Network Under Airborne Platform[J]. Infrared Technology , 2020, 42(7): 624-631.
shu

机载平台下基于深度检测网络的目标跟踪重捕算法

  • 岭南师范学院 信息工程学院,广东 湛江,524048

  • 山东电力科学研究院,山东 济南,250012

  • 桂林理工大学 信息科学与工程学院,广西 桂林,541004

  • 桂林理工大学

基金项目: 国家自然科学基金(61662017,61402399)%湛江市科技发展专项资金竞争性分配项目(2019A01042)%岭南师范学院教育教学改革项目(LSJGMS1811)
详细信息

  • 中图分类号: TN219%TP181%TP391

Object Tracking and Recapture Model Based on Deep Detection Network Under Airborne Platform

    摘要
  • 摘要: 目标检测与跟踪是机载光电设备至关重要的功能模块,其检测跟踪的性能直接关系到目标感知的精度.近年来基于Siamese网络的改进跟踪算法在各种挑战性的数据集上取得了优异的效果,但大多数改进算法采用局部搜索策略,无法更新模板,且模板会引入背景干扰,最终因跟踪点漂移导致跟踪失败.为了解决这些问题,本文提出了一种结合目标边缘检测的改进全连接Siamese跟踪算法,该算法利用目标的轮廓模板代替边界框模板,减少了背景杂波的干扰;同时,在Siamese网络的基础上增加了一路改进tiny-YOLOv3目标检测网络,利用K均值聚类找到最合适的锚框(anchor box),引入了扩张模块层来扩展感受野,增加了系统的抗遮挡能力,提高机载光电设备的目标捕获概率.在基准测试数据集以及挂飞数据集基础上的仿真测试性能表明本文提出的改进模型特别适合机载光电设备在跟踪与重捕复杂环境下的运动目标,在长期跟踪中能够更好地适应目标的变形和遮挡,提升系统响应时间与适应性.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  143
  • HTML全文浏览量:  18
  • PDF下载量:  24
  • 被引次数: 0
出版历程

目录

    /

    返回文章
    返回

    版权所有 © 《红外技术》编辑部京ICP备000000000号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计