论文部分内容阅读
随着计算机科学技术、自动控制技术以及智能机器人技术的发展,各种各样的机器人出现在人类生活的各个领域。微小型无人飞行器就是其中的一种。目前无人机在人类生活中的应用越来越丰富。在无人机的应用中,航拍作为飞行器的“眼睛”是至关重要的部分。无人机航拍视频的处理水平,很大程度上决定了无人机的能力。对航拍视频中的目标进行跟踪检测是航拍视频处理的基础。然而,由于航拍视频的复杂性,航拍视频的目标跟踪检测问题至今仍是一个具有挑战性的问题。本文研究基于压缩感知与多目标优化的航拍视频目标跟踪检测问题。针对航拍视频的目标小、目标距离远、由于无人机平台的不稳定性导致的画面抖动、多遮挡、背景变化大等问题,设计并实现了基于多目标优化与压缩感知的航拍视频目标跟踪检测系统。本文的主要工作内容如下:一、设计基于压缩感知稀疏表达的判别(SDC,Sparse-based Discriminative Classification)跟踪模块。本文通过求候选目标在正负样本集上的稀疏表达,然后计算候选目标在正负样本集上各自的重构误差,最后根据重构误差得到候选目标的置信度,以此衡量每一个候选目标是跟踪目标的可能性大小。置信度越大,则对应的候选目标更有可能是跟踪目标。二、设计基于压缩感知稀疏表达的生成(SGM,Sparse-based Generative Model)跟踪模块。本文使用k均值聚类算法构建字典,在字典上对截取自候选目标的图像块进行稀疏表达,以获取候选样本图像的局部特征,将各个图像块的稀疏表达系数组合成的向量作为候选样本的直方图。最后使用直方图交叉函数得到候选目标的相似度,以衡量其为正样本的概率。三、对于系统中的L1范数最小化问题,设计基于加速近端梯度(APG,Accelerated Proximal Gradient)的求解模块。并基于OpenCV实现,实现了快速高效地求解L1优化问题,提高了系统的性能。四、提出基于多目标优化的协同跟踪模型。使用多目标优化算法综合考虑判别跟踪模块中的置信度与生成跟踪模块中的相似度,建立结合两者的协同模型。这种方法结合了两种算法的优点,且通过求解基于多目标优化的协同模型,使得好的候选样本不被系统遗漏,提高了系统在航拍视频目标跟踪检测上的准确性和稳定性。五、基于OpenCV实现“航拍视频目标跟踪检测系统”。本系统中实现了SDC、SGM、多目标协同、快速协同四种航拍视频目标跟踪方法。在系统的实现过程中,我们采用了基于仿射变换的标准化图像块获取、基于K均值聚类构建生成跟踪中的字典、基于NSGA-II算法求解多目标优化。六、对系统性能进行了较为全面的测试。通过使用DARPA VIVID航拍标准数据集中的6段视频,以及由我们自己研发的无人机平台采集的2段航拍视频,测试了本系统在各种具有挑战性的航拍视频中的跟踪效果。根据测试结果,本文分析比较了本系统所提供的4种方法的优劣。同时与当前较为先进的两个算法TLD及L1APG算法进行了比较分析。得出本系统在航拍视频目标跟踪的准确度与稳定性具有一定优势的结论。