注意力聚集无锚框的孪生网络无人机跟踪算法

针对无人机目标跟踪过程中经常出现角度变化、形变、相似物体干扰等问题,提出轻量级注意力聚集无锚框的孪生网络无人机实时目标跟踪算法.考虑到无人机高空视角跟踪目标较小,在特征模板两分支中引入高效通道注意力机制,能够有效获取目标的语义信息和细节信息.在融合两层响应的基础上,引入空间注意力机制,能够有效地聚合注意力特征,同时扩大模型的视野范围.引入无锚框机制,针对每个像素进行分类和预测回归目标框,减少了模型复杂度,大大降低了计算量.在UAV123@10fps、UAV20L和DTB70等无人机跟踪数据集上与多个当前比较流行的算法进行对比实验,结果表明,所提算法在3个无人机数据集上的平均跟踪速度达到155.2帧/s,在多种复杂环境下,均能实现对目标的有效跟踪.

自适应权值卷积特征的鲁棒目标跟踪算法

针对传统基于固定权值卷积特征的深度学习跟踪算法在部分视频跟踪失败的问题,提出一种新颖的基于响应图和熵函数的评估各卷积神经网络层跟踪性能的方法.该方法能根据评估结果自动调整各层的权值系数;同时引入边界框检测机制,当跟踪响应最大值小于给定阈值时,采用滑动窗口采样一定数量的边界框,并对边界框进行评估,生成初始建议边界框;最后在初始建议边界框的基础上进行相关滤波跟踪,并给出模型更新策略。将文中算法与其他9种算法在OTB-2013视频数据库上进行跟踪仿真,实验结果表明,所提算法具有较高的中心点距离准确率和跟踪成功覆盖率。

响应和滤波器偏差感知约束的无人机目标跟踪算法

针对无人机视觉跟踪任务中目标外观变化大、视野角度多变问题,提出基于响应和滤波器偏差感知约束的无人机实时目标跟踪算法.该算法根据视频帧间响应差和滤波器变化的一致性,通过建模前后帧响应差和滤波器的变化,建立基于响应偏差感知和帧间滤波器偏差约束机制的目标函数,学习目标的外观变化和滤波器的帧间变化.引入辅助变量构建优化函数,采用交替方向乘子法(ADMM)将计算目标问题转化为求相关滤波器和辅助变量的最优解.采用跟踪准确度和成功率指标,将所提算法与其他9种算法在DTB70、UAV123@10 fps和UAVDT等3个无人机视频数据库上进行对比实验.实验结果表明,所提算法对遮挡、形变、角度变化等干扰属性均具有良好的鲁棒性,跟踪平均速度达到39.0帧/s,能够有效跟踪无人机目标.

基于HHT降噪的潜艇地磁匹配算法

潜艇在地磁导航时各种干扰磁场的存在会使导航精度降低。为消除干扰磁场的影响,提高地磁匹配导航的精度,提出基于HHT降噪的潜艇地磁匹配算法。算法首先对地磁数据利用HHT方法进行去噪处理,在此基础上采用Hausdorff距离算法进行地磁匹配导航。给出算法的具体流程,并进行仿真验证。仿真结果表明,算法能够较好地消除各种地磁噪声的影响,从而提高潜艇地磁匹配的精度。

响应差异约束的相关滤波无人机目标跟踪算法

针对无人机视频中跟踪目标易受到形变、背景杂乱等问题的困扰,提出一种新颖的基于响应差异约束的相关滤波无人机目标跟踪算法。该方法根据滤波器在前后帧间变化的一致性,建模不同滤波器基于同一训练样本的响应差异,建立目标函数的约束机制,准确学习目标的外观变化,提升滤波器的鲁棒性;同时引入辅助变量构建优化函数,采用交替求解算法将计算目标问题转化为求滤波器和辅助变量的最优解。将文中算法与其他11种算法在DTB70、UAV123@10fps和UAVDT等3个无人机视频数据库上进行跟踪仿真。实验结果表明,所提算法在跟踪准确度和成功率两个指标上均好于其他算法,且在无人机视角复杂环境下,对光照变化、形变、遮挡和运动模糊等挑战性属性均具有良好的鲁棒性,同时平均速度达到21.7帧/秒,能够满足无人机目标跟踪的实时性需求。