基于核相关滤波器算法的无人机目标识别研究

应用核相关滤波器算法,可以实现自主目标追踪的工程应用。由此,基于核相关滤波器算法,对无人机目标识别进行研究。将二次开发的核相关滤波器算法搭载至机载计算机上,通过机器人操作系统实现机载计算机与飞行控制的通信。进行了系统硬件设计、总体程序设计和机器人操作系统节点程序设计,并进行了识别追踪测试与数据分析。通过测试确认,应用核相关滤波器算法后,无人机可以快速识别和追踪目标,具有较高的实时性和鲁棒性,并且可以有效抵御目标遮挡和损失。

基于核Rayleigh商二次相关滤波器的红外目标检测

Rayleigh商二次相关滤波器(RQQCF)是一种重要的目标检测方法,但其直接对原始图像数据进行操作,目标检测效果不总是很理想.核方法可以描述图像的高阶统计特性,有效抑制噪声及杂波,提高目标检测效果.将Ray-leigh商二次相关滤波器映射到高维核特征空间,完整推导核Rayleigh商二次相关滤波器(KRQQCF),提出用核特征提取方法解决其实现问题,并将算法用到红外目标检测中.实验中以核主成分分析(KPCA)特征提取方法为例,用真实场景下采集的红外数据对KRQQCF的性能进行检验,结果表明KRQQCF的性能明显高于RQQCF,该方法能实现对红外目标的准确检测,是一种有效的红外目标检测方法.

基于多个相关滤波器的行人跟踪尺度算法

外观、尺度变化是行人跟踪的难点,解决行人多尺度跟踪问题是增强算法实用性的关键因素.在KCF(kernel correlation filter)算法的基础上,本文采用多个相关滤波器(如头部、臀部)辅助身体躯干滤波器的匹配跟踪.通过获得图像帧(除第一帧外)与初始帧的行人头部和臀部之间的距离变化率来缩放搜索面积,解决目标定位不准确和时间浪费的问题;通过调整目标框的尺寸,解决目标模板逐渐包括背景特征或者逐渐被局部特征取代的问题.在VOT2016的18个有明显尺度变化的行人场景视频序列上进行了测试,实验结果表明所提算法具有更高的跟踪准确率.

采用核相关滤波器的自适应尺度目标跟踪

由于现存的大多数基于检测的跟踪器都没有解决尺度变化问题,本文在传统的基于检测的目标跟踪框架下设计了一种尺度估计策略,并给出了基于核相关滤波器的自适应尺度目标跟踪算法。该算法利用核函数对正则化最小二乘分类器求解获得核相关滤波器,通过对核相关滤波器的在线学习完成目标位置和尺度的检测,并在线更新核相关滤波器。为了验证本文算法的有效性,选取了10组场景复杂的视频序列进行测试,并与其它5种优秀跟踪方法进行了对比。结果表明,本文提出的方法比上述5种优秀跟踪方法中的最优者的平均距离精度提高了6.9%,且在目标发生尺度变化、光照变化、部分遮挡、姿态变化、旋转、快速运动等复杂场景下有较强的鲁棒性。

采用核相关滤波器的长期目标跟踪

针对核相关滤波器(KCF)跟踪算法在目标跟踪中存在尺度变化、严重遮挡、相似目标干扰和出视野情况下跟踪失败等问题,提出了一种基于KCF的长期目标跟踪算法。该算法在分类器学习中加入空间正则化,利用基于样本区域空间位置信息的空间权重函数调节分类器系数,使分类器学习到更多负样本和未破坏的正样本,从而增强学习模型的判别力。然后,在检测区域利用Newton方法完成迭代处理,求取分类器最大响应位置及其目标尺度信息。最后,对最大响应位置的目标进行置信度比较,训练在线支持向量机(SVM)分类器,以便在跟踪失败的情况下,重新检测到目标而实现长期跟踪。采用OTB-2013评估基准50组视频序列验证了本文算法的有效性,并与30种其他跟踪方法进行了对比。结果表明:本文提出的算法跟踪精度为0.813,成功率为0.629,排名第一,相比传统KCF算法分别提高了9.86%和22.3%。在目标发生显著尺度变化、严重遮挡、相似目标干扰和出视野等复杂情况下,本文方法均具有较强的鲁棒性。

基于相关滤波器的视觉目标跟踪综述

视觉跟踪是一个重要的计算机视觉任务,有着广泛的应用,由于现实场景中存在着众多困难,视觉跟踪仍是一个活跃的研究领域。判别式分类器是现代跟踪方法中的一个核心组成部分,其在线学习一个二值分类器以在每一帧中区分目标与背景,充分利用机器学习中丰富的学习算法,取得了许多突破。相关滤波器已成功应用到目标检测和识别中,其由于计算效率高,近年来作为一种判别式跟踪方法被应用到视觉跟踪领域,取得了很好的效果。首先简要介绍了判别式跟踪算法;然后对相关滤波器基本理论及几种典型的相关滤波器构造方法进行了描述;最后重点介绍了近年来相关滤波器在视觉跟踪中的应用及研究进展,并总结了可能的研究方向和发展趋势。

自适应模板更新和目标重定位的相关滤波器跟踪

针对核相关滤波器在跟踪中因目标快速运动导致的目标易丢失和部分遮挡问题,本文在多特征尺度自适应核相关滤波器(Scale Adaptive with Multiple Features tracker,SAMF)基础上,提出一种融合自适应模板更新和预测目标位置重定位的核相关跟踪算法。采用联合目标移动速度和特征变化的模板更新机制增大对目标快速运动适应性,根据长时滤波器和短时滤波器协作跟踪提出目标位置修正和重定位模型提升跟踪器应对目标部分遮挡的能力。在OTB-2015视频序列集100组序列中与序列集提供的算法进行对比,本算法跟踪精度相比SAMF提升2%。在目标发生快速移动时本文算法具有更好的追踪目标能力,目标重定位也很好地解决了目标部分遮挡问题。

数据驱动二次相关滤波器红外目标检测

针对传统红外目标检测算法易受目标和背景先验样本质量、目标姿态和视角及噪声等的影响,提出了一种新的基于稀疏编码的数据驱动二次相关滤波器目标检测算法,其中给出了目标自相关矩阵基字典的概念,该数据驱动滤波器模型能包容多种姿态和视角的目标,并能抑制噪声和样本质量的影响,同时可以舍弃对无规律背景样本的依赖,通过对行人和车辆的实验验证了该算法的有效性.所提算法的设计思想对诸多滤波器算法的改进具有很好的借鉴意义.

TSK模糊逻辑系统相关滤波器跟踪算法

针对当前目标跟踪领域中如何准确迅速地区分目标和背景的问题,大部分跟踪器的核心内容是如何训练一个判别分类器来区分目标和周围环境。目前较为先进的核相关滤波器算法(KCF)及其改进后的判别式相关滤波器(DCF)将判别分类器与傅里叶变换相结合来提升跟踪速度,一些基于KCF的优化算法对部分跟踪难题,如针对尺度问题的KCF算法和针对目标消失的KCF算法提出了解决方案。但当前已有算法在提高精度方面仍有一定的提升空间,针对此,在核相关滤波器的基础上,从TSK模糊逻辑系统(TSK-FLS)的角度出发推导出了一种新的模糊核相关滤波器(FKCF)。FKCF继承了前者的高速和计算量小的特性,为了提高鲁棒性,将之前简单的高斯映射换成了模糊隶属度函数,并且在核计算的过程中引入了后件参数。由于这两项改进,使得在跟踪精度方面比KCF更好。将FKCF算法与KCF等相关算法在OTB50等4个数据集中的50个随机选取的视频上进行了实验,10项常见属性上的精度均有提升。

基于核相关滤波器的TLD目标跟踪算法

TLD(tracking-learning-detection)跟踪算法在目标作平面外旋转、快速移动和非刚性形变的情况下易跟踪失败,而核相关滤波器(kernelized correlation filters,KCF)跟踪算法可以有效应对上述跟踪情景但缺乏跟踪失败恢复机制,导致目标重新出现后无法继续跟踪。针对以上问题,通过有效结合这两种算法,提出一种基于TLD框架下的核相关滤波器跟踪检测算法。在跟踪模块中融入颜色特征,进一步增强算法的整体跟踪性能。通过在不同视频序列上进行对比实验,结果表明,与原算法相比,改进后的算法可以长时间准确地跟踪目标,并具有更高的成功率。

融合颜色特征的核相关滤波器目标跟踪

目标特征表示是视觉目标跟踪领域中的一个热点话题。近年来,核相关滤波器因其时效性在目标跟踪中得到广泛应用,但简单的灰度特征表示难以应对复杂环境中的目标跟踪问题。基于此,融合颜色特征提出了一种实时的目标跟踪方法。实验结果表明,颜色信息可以有效提高目标跟踪的整体性能,该方法能够适应姿态变化、光照变化等多种目标外观变化,平均跟踪速度为62.1帧/s,可以满足实时应用的需求。

基于核相关滤波器的SAR车辆目标检测与识别

针对合成孔径雷达(Synthetic Aperture Radar,SAR)目标检测与识别方法对目标方位角敏感的问题,该文基于相关滤波器理论与核特征分析方法,提出一种对SAR目标方位角具有较强鲁棒性的核相关滤波器。该滤波器使用特征向量降低了对训练图像的依赖性,利用目标在非线性空间的高维特征提高了识别能力,并利用核函数解决了高维矢量的内积计算问题。MSTAR实测SAR图像数据的对比实验结果表明,该文所提出的滤波器在低虚警概率下,能够保持较高的检测概率,并且对目标方位角失真具有较强的容忍性,不需要存储目标模板和估计目标方位角,就能够实现高准确率的目标检测与识别。

基于自适应相关滤波器的人眼定位改进方法

人眼定位是人脸识别、视觉跟踪系统中一个关键步骤。针对传统人眼定位方法定位精度低、误差稳定性差的问题,提出将自适应相关滤波器与灰度积分投影法相结合,在训练和测试阶段做了两点改进。首先对训练得到的自适应相关滤波器,在[-0.2,-0.1,0,0.1,0.2]角度范围内旋转得到5个滤波器,选择灰度最大值对应的位置作为初始定位点,然后在该定位点的5×5邻域内,水平和垂直方向分别做灰度积分投影,最后选择积分最小值的位置作为最终的目标定位点。与平均合成精确滤波器、最小输出平方误差和滤波器、自适应合成相关滤波器算法相比,改进算法的定位精度最大提高2.9%,平均绝对误差和标准差均低于原始算法。实验结果表明,提出的改进算法在定位精度和稳定性上均优于以上算法。

基于深度特征和相关滤波器的视觉目标跟踪

针对传统的相关滤波方法采用手工特征提取训练样本,限制了跟踪性能的进一步提升,在相关滤波框架下,探讨了深度神经网络VGG-16不同卷积层特征的目标跟踪效果,研究发现,从VGG-16提取的特征相对于传统手工特征具有显著优势;而在深度特征中,以第一层和第五层对目标跟踪性能的提升最为明显.以此为依据,提出了用第一层和第五层特征分别训练相关滤波器、将两者的相关响应图加权后进行目标定位.在OTB2013数据集上的实验结果表明:该方法对跟踪精度和鲁棒性均有进一步的改善.

相关滤波器和2DPCA相融合的变光照人脸识别

为解决变光照下人脸识别的识别率低问题,提出一种最佳相关滤波和2DPCA相融合的光照人脸识别方法。通过采用特定类2DPCA重构人脸图像,生成一对相关滤波器;测试人脸图像通过相关性滤器将投影到二维子空间中,并根据预先设定的峰旁瓣比阈值进行人脸识别;最后采用PIE和YaleB人脸库进行仿真实验。相比其他人脸识别方法,该方法获得了更高的人脸识别率,鲁棒性更强。

基于核相关滤波器的目标旋转跟踪算法

提出一种新的鲁棒的旋转估计算法,以核相关滤波器理论为基础,通过在目标中心等角度间隔来采样一个样本金字塔,单独训练一个一维的角度估计滤波器,从而将目标旋转角估计问题变为一个检测问题。提出的角度估计方法具有通用性,可以辅助其它没有角度估计功能的跟踪器。在实验中,单独训练一个位移跟踪滤波器和一个尺度估计滤波器,结合本文提出的角度估计滤波器形成一个由三层滤波器组成的跟踪器。和经典的算法在不同测试数据上的对比实验表明,该算法能达到较高的跟踪精度。

改进的核相关滤波器的目标跟踪算法

为降低目标跟踪过程中受遮挡、光照、尺寸变化等因素的影响,提出改进核相关滤波跟踪算法。HOG融合HIS空间颜色信息的多特征信息,采用尺度池因子方法自适应目标区域尺寸变化,通过比较初始目标特征与候选目标特征的巴氏相似度值与阈值大小,判断遮挡是否存在,若遮挡存在,进行遮挡处理,即停止对模型的更新,否则更新模型。与经典mean shift算法、Fragment算法以及经典KCF算法进行对比,对比结果表明,该算法处理目标跟踪过程中受遮挡、光照、尺寸等影响时,跟踪效果最佳,处理速度可达48fps。

基于相关滤波器的自适应目标跟踪

针对传统核相关滤波器(KCF)跟踪算法在遮挡情况下通常会跟踪失败问题,提出一种目标边缘增强的自适应核相关滤波器算法。首先通过核相关滤波器找出目标位置,对目标位置区域进行边缘增强,使目标特征更突出,提高分类器性能,然后通过计算目标位置的响应强度自适应的改变模板的学习率参数,使检测模板适应外界环境的变化。实验选取15段公开视频序列进行测试,与现有几种相关滤波器进行比较,相对于结果最好的KCF算法的平均中心位置误差减少了9.6像素,平均成功率提高了7.55%,平均距离精度提高了21.62%。实验结果表明在目标被遮挡、旋转及快速运动等复杂情况下,该算法有较强的适应性,具有重要的研究和应用价值。

判别式相关滤波器的目标跟踪综述

目标跟踪是计算机视觉领域的重要研究方向,单目标跟踪主要分为深度学习、判别式相关滤波器和传统方法.得益于频域计算的高效性,本文选择以判别式相关滤波器为切入点.首先介绍了判别式相关滤波器进行目标跟踪的原理,然后围绕着基础框架进行横向展开,解决边界效应成为判别式相关滤波器发展的分水岭.伴随着卷积神经网络的发展,描述了基于预训练模型的特征提取和深度学习与相关滤波器框架相结合的两个方向,最后总结了关于判别式相关滤波器的发展脉络图.对比于特征插值与置信图融合的方向,在模型中构建合理的约束项进行模型创新成为一个重要方向.实验部分呈现了跟踪器在OTB-2015与VOT-2018数据集下的对比结果与排名,并进行简短的分析.

基于LabVIEW 7 Express的虚拟相关滤波器设计

介绍虚拟相关滤波器的设计与实现。这个虚拟仪器是基于图形化编程语言LabVIEW而编写的,能够对复杂的信号进行滤波检测。同时,这个虚拟仪器具有友好的人机界面。