基于改进ByteTrack算法的红外地面多目标跟踪方法.pdf
《基于改进ByteTrack算法的红外地面多目标跟踪方法.pdf》由会员分享,可在线阅读,更多相关《基于改进ByteTrack算法的红外地面多目标跟踪方法.pdf(8页珍藏版)》请在咨信网上搜索。
1、h t t p:/ww wj s j k x c o mD O I:/j s j k x 到稿日期:返修日期:基金项目:国家自然科学基金();湖南省自然科学基金(J J )T h i sw o r kw a ss u p p o r t e db yt h eN a t i o n a lN a t u r a lS c i e n c eF o u n d a t i o no fC h i n a()a n dN a t u r a lS c i e n c eF o u n d a t i o no fH u n a nP r o v i n c e,C h i n a(J J )通信作
2、者:傅瑞罡(f u r u i g a n g n u d t e d u c n)基于改进B y t e T r a c k算法的红外地面多目标跟踪方法王雒李飚傅瑞罡国防科技大学电子科学学院长沙 (s a d g d s g j k s a d q q c o m)摘要红外目标智能检测跟踪技术研究一直是同领域中的热点问题,尤其是在精确制导、海面监视和天空预警等方面.针对红外地面多目标跟踪场景中,由地面杂波干扰、多目标遮挡干扰、平台晃动等复杂场景造成的跟踪精度降低等问题,提出了一种基于改进B y t e T r a c k算法的红外地面多目标跟踪方法.首先引用一种自适应调制噪声尺度的卡尔曼滤波
3、器,缓解低质量检测对v a n i l l a卡尔曼滤波器的影响;其次引入增强相关系数最大化算法对帧间图像进行配准,来补偿平台晃动产生的影响;然后增加了基于长短期记忆网络的运动模型,减小了卡尔曼滤波在非线性运动状态中产生的预测误差;最后引入连接模型和高斯平滑算法这两种轻量级离线算法来完善跟踪结果.在红外地面多目标数据集上进行了实验,结果表明,与S o r t和D e e p s o r t算法相比,改进算法的MO T A值分别提升了 和 ,I D F 值分别提升了 和.与同类算法相比,改进算法表现出了更好的有效性,在红外目标智能检测跟踪场景中会有较大应用.关键词:多目标跟踪;红外目标;B y
4、t e T r a c k;卡尔曼滤波;长短期记忆网络中图法分类号T P I n f r a r e dG r o u n dM u l t i o b j e c tT r a c k i n gM e t h o dB a s e do nI m p r o v e dB y t e T r a c kA l g o r i t h mWANGL u o,L IB i a oa n dF UR u i g a n gC o l l e g eo fE l e c t r o n i cS c i e n c ea n dT e c h n o l o g y,N a t i o n a l
5、U n i v e r s i t yo fD e f e n s eT e c h n o l o g y,C h a n g s h a ,C h i n aA b s t r a c t T h er e s e a r c ho f i n f r a r e do b j e c t i n t e l l i g e n td e t e c t i o na n dt r a c k i n gt e c h n o l o g y i sa l w a y sah o t t o p i c i nt h e s a m e f i e l d,e s p e c i a l
6、l y i np r e c i s i o ng u i d a n c e,s e as u r f a c es u r v e i l l a n c ea n ds k yw a r n i n g A i m i n ga t t h ep r o b l e m s t h a t t r a c k i n ga c c u r a c y i s r e d u c e dd u e t og r o u n dm i s c e l l a n e o u s i n t e r f e r e n c e,m u l t i o b j e c tb l o c k i
7、n t e r f e r e n c e,p l a t f o r ms h a k i n ga n do t h e rc o m p l e xs c e n e s,a ni n f r a r e dg r o u n dm u l t i o b j e c t t r a c k i n gm e t h o db a s e do ni m p r o v e dB y t e T r a c ka l g o r i t h mi sp r o p o s e d F i r s to fa l l,am o d i f i e dK a l m a nf i l t e
8、 rw h i c hc o u l da d a p t i v e l ym o d u l a t e t h en o i s e s c a l e i s i n t r o d u c e d t oa l l e v i a t e t h e i m p a c t o f l o w q u a l i t yd e t e c t i o no nv a n i l l aK a l m a n f i l t e r S e c o n d l y,t h e i n t r o d u c t i o no f e n h a n c e dc o r r e l a
9、 t i o nc o e f f i c i e n tm a x i m i z a t i o n i su s e d t os e t t l e t h e i n t e r f r a m e i m a g e s t oc o m p e n s a t et h ep l a t f o r ms h a k i n g i m p a c t T h e nB y t e T r a c k i n c r e a s e s t h em o t i o nm o d e l b a s e do n l o n gs h o r t t e r mm e m o r
10、 yn e t w o r kt os o l v et h ep r e d i c t i o ne r r o rc a u s e db yK a l m a nf i l t e ri nt h en o n l i n e a rm o t i o ns t a t e F i n a l l y,t w ol i g h t w e i g h to f f l i n ea l g o r i t h m so fl i n km o d e l a n dG a u s s i a n s m o o t h e d i n t e r p o l a t i o na r
11、e i n t r o d u c e dt or e f i n e t h e t r a c k i n gr e s u l t s E x p e r i m e n t i sp e r f o r m e do nt h e i n f r a r e dg r o u n dm u l t i o b j e c td a t a s e t a n dt h er e s u l t ss h o wt h a tc o m p a r e dw i t hS o r ta n dD e e p S o r t,t h eMO T Ao f t h e i m p r o v
12、 e da l g o r i t h mi n c r e a s e sb y a n d ,I D F i n c r e a s e sb y a n d,r e s p e c t i v e l y T h e i m p r o v e da l g o r i t h ms h o w sb e t t e r e f f e c t i v e n e s sa n dw i l l b eu s e d i nt h e i n f r a r e do b j e c t i n t e l l i g e n td e t e c t i o na n dt r a c
13、 k i n gs c e n e s K e y w o r d s M u l t i o b j e c t t r a c k i n g,I n f r a r e do b j e c t,B y t e T r a c k,K a l m a nf i l t e r,L o n gs h o r t t e r m m e m o r yn e t w o r k引言红外精确制导技术是当今世界各军事强国争相发展的重要技术,红外热成像系统已经被广泛应用,用于对目标进行捕捉,然后处理目标的红外图像信息以获得目标的坐标信息,从而控制导引头对目标进行跟踪锁定.同时,具有全天候工作、被动
14、预测、隐蔽性好和抗电子干扰能力强等特点的机载红外预警系统已经被广泛应用于陆海空预警方面,用于实现对地面、海面和空中目标的搜索跟踪,使其能够为近程武器防御系统提供目标信息.近年来,远距离的红外小目标检测与跟踪技术在战斗机火控制导系统和防空预警系统中的作用越来越大,在国防建设和现代化武器装备改进升级中扮演着十分重要的角色.随着经济和科技的飞速发展,红外热成像系统的体积和成本都有所下降,逐渐被民用化.无人汽车驾驶、无人飞机巡检和红外全景监测等多个民用领域也开始广泛采用红外目标检测与跟踪技术.无人驾驶车辆在行车途中,除了捕捉静态信息之外,同时需要联合其他传感器,如红外传感器,根据目标的历史轨迹进行合理
15、的轨迹预测,用于制定避障策略.红外热成像仪搭载在多旋翼无人机上被用于跟踪输电线路.采用红外热成像仪对线路特征较清晰的红外图像进行分析处理后,调整控制信号,以保证持续跟踪输电线目标.油田监控预警也采用了全景红外成像,来达到准确可靠、搜跟一体、全天候和全方位的安防要求.因此,红外目标智能检测跟踪技术的发展具有非常重要的理论意义和应用价值,有助于丰富军事侦察手段,提高军事侦察能力,具有较为广阔的应用前景.红外目标的检测跟踪技术中,已有传统算法很难适用于所有情况,检测跟踪能力提升遭遇瓶颈.相比可见光检测跟踪,红外目标检测跟踪的检测跟踪距离、抗干扰能力以及工作范围和时长都具有可比性,因此将可见光检测跟踪
16、的一些深度学习方法进行借鉴和发展,并将其运用到红外地面目标检测跟踪技术上.应用深度学习理论优化红外地面目标智能检测跟踪技术是一个值得研究的方向,也是一项十分紧迫的任务,这些问题对于红外目标智能检测跟踪技术在未来军事以及民用设备上的发展都至关重要.针对红外地面多目标跟踪场景中存在的由地面杂波干扰、多目标遮挡干扰、平台晃动等复杂场景所造成的跟踪精度降低等问题,本文提出了一种基于改进B y t e T r a c k算法的红外地面多目标跟踪方法.本文的主要工作如下:首先,引用N S A(N o i s eS c a l eA d a p t i v e l y)卡尔曼滤波器,采用自适应计算噪声协方差
17、来缓解低质量检测对v a n i l l a卡尔曼滤波器的影响;其次,引入 增强 相关 系 数 最 大 化 算 法E C C(E n h a n c e dC o r r e l a t i o nC o e f f i c i e n t)对帧间图像进行配准,来补偿平台晃动产生的影响;然后,增加了基于L S TM(L o n gS h o r t t e r m M e m o r yN e t w o r k)的运动模型,利用长短期记忆网络L S TM进行轨迹预测,减小了卡尔曼滤波在非线性运动状态中产生的预测误差;最后,引入两个轻量级、即插即用和与外观无关的算法来完善跟踪结果,第一个是与外
18、观无关,只利用时空信息 来 预 测 两 个 轨 迹 是 否 属 于 同 一I D的 连 接 模 型A F L i n k(A p p e a r a n c e f r e eL i n k),第二个是用于弥补漏检情况的高斯 平滑 插 值算 法G S I(G a u s s i a n s m o o t h e dI n t e r p o l a t i o n),两种离线算法进一步提高了跟踪过程的准确性和鲁棒性.相关工作随着人工智能的不断发展与计算机硬件性能的逐渐提升,以卷积神经网络为基础的深度学习在计算机视觉的各个领域(如目标检测和多目标跟踪等)取得了相当大的成功.多目标跟踪在计算机视
19、觉领域中扮演着重要角色,其任务是在给定视频中同时对多个感兴趣目标进行检测定位,并且保持目标I D稳定不变,最后持续跟踪目标并记录轨迹,尤其是针对车辆的跟踪,应用非常广泛,在视频监控、智能交通和军事制导等领域具有十分重要的作用.深度学习蓬勃发展之前,目标跟踪领域大部分属于单目标跟踪,在多目标跟踪方面的研究不多.传统的多目标跟踪算法主要有联合概率数据关联滤波、多假设跟踪算法、条件随机场等方法.联合概率数据关联滤波J P D A考虑观测值与每个目标之间的关联概率,使其在每步中进行最佳赋值.J P D A假设所有的检测都有可能来自每个特定目标,只是来自不同目标的概率存在差异.J P D A不依赖于跟踪
20、目标的先验信息,但存在较多数量目标时会出现组合爆炸问题.多假设跟踪算法MHT保留了对真实目标的所有假设,基于延迟逻辑,在连续几步中考虑多种可能的关联,基于后续接收的结果来处理当前扫描周期的相对关联歧义.MHT是解决数据关联的最优算法,能检测出目标的出现和消失,需要依赖目标和杂波的先验信息.但由于其复杂性,应用起来通常受到限制.RMO T多目标跟踪算法通过对目标的上下文运动建模来描述其相对运动,以排除相机运动的影响,同时与贝叶斯滤波器、匈牙利匹配结合.近年来,基于卷积神经网络的目标检测器的准确性和效率不断提高,可见光多目标跟踪取得了重 大进 展.B e w l e y等 提出的简单在线实时跟踪算
21、法S O R T,是最早利用卷积神经网络检测目标的MO T算法之一,该算法重点关注帧间的预测和关联,通过线性速度模型卡尔曼滤波器预测物体运动,然后度量检测框和跟踪框的交并比,最后利用匈牙利算法将检测结果关联在一起;S O R T算法并没有过多地关注长时间跟踪期间遮挡造成的目标I D频繁变换问题.随后,W o j k e等 提出了D e e p S o r t算法,D e e p S o r t在S O R T算法的基础上进行改进,在数据关联部分引入了重识别特征来提取深度表观特征,使得部分被遮挡的物体能够被重新识别,同时提出了级联匹配策略,提高了目标匹配的准确度;C h e n等 提出了MO T
22、 D T算法,设计了一种新的多目标跟踪框架,融合了目标的深度外观信息与空间信息,并提出了一种分层数据关联策略,将预测目标与多个检测目标层级关联,根据软分配策略的轨迹评分机制来实现目标的关联,充分利用重识别特征和空间信息提升跟踪性能.W a n g等 提出了J D E算法,从模型推理运行速度方面考虑,融合一阶段目标检测与行人重识别网络,使得网络模型同时输出检测信息和重识别信息,加快了推理运行的速度.Z h a n g等 提出了F a i r MO T算法,检测分支采用无锚框的目标检测算法C e n t e r N e t,与此同时增加一个平行分支直接输出R e I D特征用来区分不同目标,很好地
23、将目标检测和重识别网络统一起来.Z h o u等 提出了C e n t e r T r a c k算法,实现了对检测和目标深度特征的同时提取,通过对所有目标进行并行推理来及时恢复更新因遮挡而造成的目标漏检,提高了算法对重叠遮挡问题的鲁棒性.近年来,一些深度学习方法已经被运用到红外多目标跟踪算法中.W a n g等 将可见光目标检测Y O L O v 引入红外小目标检测中,使用Y O L O v t i n y网络进行检测,利用卡尔曼滤波和匈牙利算法进行多目标跟踪,虽然取得了不错的效果,但是目标I D发生了较多的切换.S o n g等 提出了一种改进的红外多类别多目标跟踪网络,它结合R e p
24、VG G骨干网络设计了快速金字塔结构和无锚框网络结构,进一步减少了网络参数量并缩短了推理时间,但是跟踪精度已经不能王雒,等:基于改进B y t e T r a c k算法的红外地面多目标跟踪方法满足现在的要求.Y a n g等 提出了一种基于分层数据关联的空中红外多目标跟踪方法,它构建了表观、运动、尺度种特征相似性,数据关联效果不错,但是对目标的检测精度还不够好.X i e等 提出了一种融合轻量级Y O L O v 与K C F算法的红外舰船目标识别方法,适合复杂背景条件下的舰船红外目标识别,实现了对舰船目标稳定持续的跟踪,具有较强的鲁棒性和实时性,但是跟踪精度依然还有提升的空间.Y a n
25、g等 提出了一种基于深度学习的防空武器红外目标识别流程,目标检测阶段采用Y O L O网络模型对全图多目标进行识别定位,目标跟踪阶段采用超分辨率重建算法提升目标局部图像分辨率,最后采用深度残差网络模型对跟踪目标进行识别分类,但数据关联效果还不够好.基于 上述 问题,本文 将多 目标 跟 踪算 法B y t e T r a c k与N S A卡尔曼滤波算法、增强相关系数最大化算法E C C、长短期记忆网络L S TM、连接模型A F L i n k和高斯平滑插值算法G S I相结合,实验结果表明,改进算法表现出了更好的有效性,多目标跟踪精度得到了提升.B y t e T r a c k的基本框架
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 ByteTrack 算法 红外 地面 多目标 跟踪 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。