基于多目標(biāo)優(yōu)化和壓縮感知的航拍目標(biāo)檢測.pdf

1、隨著計(jì)算機(jī)科學(xué)技術(shù)、自動(dòng)控制技術(shù)以及智能機(jī)器人技術(shù)的發(fā)展，各種各樣的機(jī)器人出現(xiàn)在人類生活的各個(gè)領(lǐng)域。微小型無人飛行器就是其中的一種。目前無人機(jī)在人類生活中的應(yīng)用越來越豐富。在無人機(jī)的應(yīng)用中，航拍作為飛行器的“眼睛”是至關(guān)重要的部分。無人機(jī)航拍視頻的處理水平，很大程度上決定了無人機(jī)的能力。對航拍視頻中的目標(biāo)進(jìn)行跟蹤檢測是航拍視頻處理的基礎(chǔ)。然而，由于航拍視頻的復(fù)雜性，航拍視頻的目標(biāo)跟蹤檢測問題至今仍是一個(gè)具有挑戰(zhàn)性的問題。
　　本文

2、研究基于壓縮感知與多目標(biāo)優(yōu)化的航拍視頻目標(biāo)跟蹤檢測問題。針對航拍視頻的目標(biāo)小、目標(biāo)距離遠(yuǎn)、由于無人機(jī)平臺(tái)的不穩(wěn)定性導(dǎo)致的畫面抖動(dòng)、多遮擋、背景變化大等問題，設(shè)計(jì)并實(shí)現(xiàn)了基于多目標(biāo)優(yōu)化與壓縮感知的航拍視頻目標(biāo)跟蹤檢測系統(tǒng)。本文的主要工作內(nèi)容如下：
　　一、設(shè)計(jì)基于壓縮感知稀疏表達(dá)的判別(SDC,Sparse-based Discriminative Classification)跟蹤模塊。本文通過求候選目標(biāo)在正負(fù)樣本集上的稀疏表達(dá)，

3、然后計(jì)算候選目標(biāo)在正負(fù)樣本集上各自的重構(gòu)誤差，最后根據(jù)重構(gòu)誤差得到候選目標(biāo)的置信度，以此衡量每一個(gè)候選目標(biāo)是跟蹤目標(biāo)的可能性大小。置信度越大，則對應(yīng)的候選目標(biāo)更有可能是跟蹤目標(biāo)。
　　二、設(shè)計(jì)基于壓縮感知稀疏表達(dá)的生成(SGM, Sparse-based Generative Model)跟蹤模塊。本文使用 k均值聚類算法構(gòu)建字典，在字典上對截取自候選目標(biāo)的圖像塊進(jìn)行稀疏表達(dá)，以獲取候選樣本圖像的局部特征，將各個(gè)圖像塊的稀疏表達(dá)系

4、數(shù)組合成的向量作為候選樣本的直方圖。最后使用直方圖交叉函數(shù)得到候選目標(biāo)的相似度，以衡量其為正樣本的概率。
　　三、對于系統(tǒng)中的L1范數(shù)最小化問題，設(shè)計(jì)基于加速近端梯度(APG,Accelerated Proximal Gradient)的求解模塊。并基于OpenCV實(shí)現(xiàn)，實(shí)現(xiàn)了快速高效地求解L1優(yōu)化問題，提高了系統(tǒng)的性能。
　　四、提出基于多目標(biāo)優(yōu)化的協(xié)同跟蹤模型。使用多目標(biāo)優(yōu)化算法綜合考慮判別跟蹤模塊中的置信度與生成跟蹤模

5、塊中的相似度，建立結(jié)合兩者的協(xié)同模型。這種方法結(jié)合了兩種算法的優(yōu)點(diǎn)，且通過求解基于多目標(biāo)優(yōu)化的協(xié)同模型，使得好的候選樣本不被系統(tǒng)遺漏，提高了系統(tǒng)在航拍視頻目標(biāo)跟蹤檢測上的準(zhǔn)確性和穩(wěn)定性。
　　五、基于OpenCV實(shí)現(xiàn)“航拍視頻目標(biāo)跟蹤檢測系統(tǒng)”。本系統(tǒng)中實(shí)現(xiàn)了SDC、SGM、多目標(biāo)協(xié)同、快速協(xié)同四種航拍視頻目標(biāo)跟蹤方法。在系統(tǒng)的實(shí)現(xiàn)過程中，我們采用了基于仿射變換的標(biāo)準(zhǔn)化圖像塊獲取、基于 K均值聚類構(gòu)建生成跟蹤中的字典、基于NSGA