论文部分内容阅读
随着新军事革命的开展以及无人机市场的飞速拓展,无人机目标跟踪技术已经与国家安全利益、公民工作生活密切相关。目标跟踪作为计算机领域的热门研究方向,一直是国内外学者的研究热点。本文对多旋翼无人机的目标跟踪算法进行研究,提出了两种基于颜色特征的跟踪算法:生成类MF-KF-Camshift算法和判别类Staple_l算法,并在多旋翼无人机平台验证了算法的有效性。具体工作包括以下几个方面:第一,在Camshift算法的基础上,提出了一种MF-KF-Camshift改进算法。该算法以颜色特征为基础,采用了多特征融合方法,解决了在复杂背景下性能下降的问题;同时,引入Kalman滤波算法解决了对遮挡鲁棒性不足的问题。此外,通过自建的视频库对算法性能进行验证,实验表明该算法在保证实时性的基础上,克服了无人机目标跟踪的难点,相比于原算法以及主流的Kalman滤波改进算法,分别提高了约30.5%和11.8%的准确率,增强了鲁棒性,实现了无人机的目标跟踪。第二,针对跟踪算法在跟踪过程中的模板漂移问题,以使用颜色特征的Staple算法为基础,提出了跟踪置信度的评价指标,实现了对跟踪结果优劣的评价以及更新策略的优化;引入重检测模块,完成了跟踪失败时对检测模块的激活,实现了重新检测目标。结合跟踪置信度的评价指标和重检测模块提出了能够长期跟踪的Staple_l算法。通过VOT数据库的实验表明,提出的Staple_l算法性能上超过了目前的大部分跟踪算法,在保证了准确率的基础上,相比于原算法增加了约11.5%的鲁棒性。第三,以Raspberry Pi处理器为图像处理设备,利用航拍摄像机,搭建了基于开源飞控APM的多旋翼无人机平台。此外,在所搭建的平台上,实现了本文提出的MF-KF-Camshift算法和Staple_l算法的应用,并通过飞行实验验证了所提算法的可行性。本文工作面向实际,提出了MF-KF-Camshift算法和Staple_l算法,实现了无人机的目标跟踪,解决了多旋翼无人机平台跟踪性能不足的问题。将目标跟踪应用于无人机平台,为后续实现完全自主的智能化无人机提供基础,具有很高的现实意义。