System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及目标跟踪处理领域,特别是涉及一种低帧率水面航行多目标跟踪方法、系统及电子设备。
技术介绍
1、目前,水面航行目标跟踪技术以其在军事中的特殊需求而受到广泛关注,该技术对特定海域监控、港口流量统计、海洋安全管理、未知舰船身份识别以及未知舰船行为分析都具有十分重要的战略意义。但是该技术会受到海浪干扰、云雾遮挡、水面游弋目标运动速度以及方向改变因素的影响,同时低质量视频图像也会给目标跟踪带来一定的难度,一些低分辨率的视频会导致图像特征模糊化,进而导致目标识别失败,而另一些低帧率或者帧缺失的视频会导致跟踪目标在跟踪的途中发生丢失,因此如何提高识别与跟踪的准确率是人们关注的重点。
2、以往的舰船跟踪算法包含有相关滤波(cf),但是由于相关滤波只考虑到了局部的特征信息,很容易受到背景杂波的干扰,对目标的尺度变化和部分遮挡情况表现力不佳。后来有人提出了背景差分法,虽然此方法对精度有所提高,但是此方法更新过于缓慢,会导致出现背景模型过时、无法适应环境变化的问题。此外,对于场景的突变和动态背景的适应性较差,近些年来有人提出了利用残差神经网络的方法对舰船目标进行识别与定位跟踪,此方法对高分辨率的舰船目标具有很好的抗干扰能力,但对于低分辨率的舰船目标跟踪的视频图像,识别性能有所下降,并不能满足跟踪要求。
技术实现思路
1、为解决现有技术存在的上述问题,本专利技术提供了一种低帧率水面航行多目标跟踪方法、系统及电子设备。
2、为实现上述目的,本专利技术提供了如下方案:
...【技术保护点】
1.一种低帧率水面航行多目标跟踪方法,其特征在于,包括:
2.根据权利要求1所述的低帧率水面航行多目标跟踪方法,其特征在于,所述多尺度超分辨率重建算法对目标图像进行处理的过程包括:
3.根据权利要求2所述的低帧率水面航行多目标跟踪方法,其特征在于,在采用层次特征融合结构对初步提取的特征进行多尺度特征融合与局部残差学习,得到层次特征融合图像的过程中,多尺度特征融合表示为:
4.根据权利要求2所述的低帧率水面航行多目标跟踪方法,其特征在于,层次特征融合结构的构建过程包括:通过在每一MSRB卷积块的输入上设置输出端,并将每一个输出端导入到一个1×1卷积层使得融合完的特征通道压缩到一定的通道数量,以形成一个层次特征融合结构。
5.根据权利要求1所述的低帧率水面航行多目标跟踪方法,其特征在于,所述舰船识别网络的构建过程包括:
6.根据权利要求1所述的低帧率水面航行多目标跟踪方法,其特征在于,采用舰船跟踪网络基于所述权值文件确定目标行进轨迹,并标记ID,具体包括:
7.根据权利要求6所述的低帧率水面航行多目标跟踪方法,其
8.根据权利要求6所述的低帧率水面航行多目标跟踪方法,其特征在于,基于目标轨迹,采用匈牙利算法对所述目标轨迹中当前帧的预测框以及下一帧的检测框进行欧氏距离匹配,具体包括:
9.一种低帧率水面航行多目标跟踪系统,其特征在于,所述系统用于实施如权利要求1-8任意一项所述的低帧率水面航行多目标跟踪方法;所述系统包括:
10.一种电子设备,其特征在于,包括:
...【技术特征摘要】
1.一种低帧率水面航行多目标跟踪方法,其特征在于,包括:
2.根据权利要求1所述的低帧率水面航行多目标跟踪方法,其特征在于,所述多尺度超分辨率重建算法对目标图像进行处理的过程包括:
3.根据权利要求2所述的低帧率水面航行多目标跟踪方法,其特征在于,在采用层次特征融合结构对初步提取的特征进行多尺度特征融合与局部残差学习,得到层次特征融合图像的过程中,多尺度特征融合表示为:
4.根据权利要求2所述的低帧率水面航行多目标跟踪方法,其特征在于,层次特征融合结构的构建过程包括:通过在每一msrb卷积块的输入上设置输出端,并将每一个输出端导入到一个1×1卷积层使得融合完的特征通道压缩到一定的通道数量,以形成一个层次特征融合结构。
5.根据权利要求1所述的低帧率水面航行多目标跟踪方法,...
【专利技术属性】
技术研发人员:韩星程,付诗文,王黎明,侯亚婷,白姗,吴博,徐玮婷,
申请(专利权)人:中北大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。