關(guān)聯(lián)動態(tài)特征的目標(biāo)自適應(yīng)跟蹤算法
2022年電子技術(shù)應(yīng)用第11期
孫志成1，董一杰2，胡愛蘭2，張瑞權(quán)2
1.63861部隊，吉林 白城137000；2.華北計算機系統(tǒng)工程研究所，北京100083
摘要： 在復(fù)雜的靶場試驗場景中，試驗現(xiàn)場常常涉及揚塵、強光、遮擋等多變的自然環(huán)境。針對這種情況下快速運動的目標(biāo)物體跟蹤，提出了一種關(guān)聯(lián)動態(tài)特征的單目標(biāo)跟蹤算法。首先使用門控循環(huán)單元(Gated Recurrent Unit，GRU)提取待跟蹤目標(biāo)的時序動態(tài)特征，獲得候選處理目標(biāo)框集合；然后利用卷積網(wǎng)絡(luò)(Convolutional Neural Network，CNN)提取候選目標(biāo)框的深度卷積特征并確定目標(biāo)位置，同時分離出背景卷積特征；在跟蹤過程中，使用分離出的背景卷積特征圖對網(wǎng)絡(luò)進行參數(shù)更新，增強網(wǎng)絡(luò)的魯棒性與自適應(yīng)性。實驗結(jié)果表明，所提出的算法可以對靶場圖像采集系統(tǒng)中的被試移動目標(biāo)進行自適應(yīng)跟蹤，并且在復(fù)雜環(huán)境背景下算法仍能保持優(yōu)異的魯棒性與適應(yīng)性。
中圖分類號： TP18
文獻標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.212358
中文引用格式： 孫志成，董一杰，胡愛蘭，等. 關(guān)聯(lián)動態(tài)特征的目標(biāo)自適應(yīng)跟蹤算法[J].電子技術(shù)應(yīng)用，2022，48(11)：57-62.
英文引用格式： Sun Zhicheng，Dong Yijie，Hu Ailan，et al. Adaptive tracking algorithm for target based on associated dynamic features[J]. Application of Electronic Technique，2022，48(11)：57-62.
文獻標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.212358
中文引用格式： 孫志成，董一杰，胡愛蘭，等. 關(guān)聯(lián)動態(tài)特征的目標(biāo)自適應(yīng)跟蹤算法[J].電子技術(shù)應(yīng)用，2022，48(11)：57-62.
英文引用格式： Sun Zhicheng，Dong Yijie，Hu Ailan，et al. Adaptive tracking algorithm for target based on associated dynamic features[J]. Application of Electronic Technique，2022，48(11)：57-62.
Adaptive tracking algorithm for target based on associated dynamic features
Sun Zhicheng1，Dong Yijie2，Hu Ailan2，Zhang Ruiquan2
1.63861 Troop，Baicheng 137000，China； 2.National Computer System Engineering Research Institute of China，Beijing 100083，China
Abstract： In the complex scene of shooting range test, the test site often involves the changeable natural environment including dust, strong light, occlusion, etc. A single target tracking algorithm associated with dynamic features is proposed to track fast moving targets in this case. Firstly, the gated recurrent unit is used to extract the time series dynamic characteristics of the target which need to be tracked, so as to obtain a set of candidate processing target frames. Then，convolutional network is adopted to extract the depth convolution features of the candidate target frame and determine target position, as well as separating the background convolution features. In the tracking process, the separated background convolution feature map is applied to update network parameters to enhance the robustness and adaptability of network. Experimental results show that the proposed algorithm can adaptively track moving target in the shooting range image acquisition system, which can still maintain excellent robustness and adaptability in the context of complex environment.
Key words : range test；adaptive tracking；gated recurrent unit；convolutional neural network
0 引言
某型號系統(tǒng)在進行靶場試驗時，需準(zhǔn)確定位并跟蹤被試設(shè)備，確保其能處于相應(yīng)試驗系統(tǒng)范圍中，這對單目標(biāo)跟蹤提出了更高的要求。單目標(biāo)跟蹤逐漸成為計算機視覺所需研究和應(yīng)用的重點之一[1]，為了滿足某些復(fù)雜場景的使用需求，對視頻中特定目標(biāo)進行自適應(yīng)處理逐漸成為重要的需求。隨著近年來計算機技術(shù)的發(fā)展與算力的進步，單目標(biāo)跟蹤被廣泛地應(yīng)用于軍事設(shè)施設(shè)備、安防監(jiān)控、無人駕駛等領(lǐng)域[2-4]。
國內(nèi)外相關(guān)學(xué)者根據(jù)不同的工作原理對跟蹤算法做了大量研究工作。Henriques[5]等提出了核相關(guān)濾波算法，但該算法在遮擋等因素影響下會出現(xiàn)跟蹤丟失的情況；Zhou[6]等提出了結(jié)合目標(biāo)位置、形狀、外觀的多核相關(guān)濾波算法，對實際海洋雷達目標(biāo)進行跟蹤；盧楊[7]等通過改進紋理特征并應(yīng)用于紅外目標(biāo)跟蹤，驗證了其魯棒性與實時性；仇祝令[8]等考慮目標(biāo)的空時域特性對正則化項進行約束求解，該方法在一定程度上提升了跟蹤的實時性與精確度。
本文詳細(xì)內(nèi)容請下載：http://m.jysgc.com/resource/share/2000005005。
作者信息：
孫志成1，董一杰2，胡愛蘭2，張瑞權(quán)2
(1.63861部隊，吉林 白城137000；2.華北計算機系統(tǒng)工程研究所，北京100083)
此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。