基于改進(jìn)kalman濾波可見光極小目標(biāo)tbd跟蹤方法

基于改進(jìn)Kalman濾波的可見光極小目標(biāo)TBD跟蹤方法單位：西安電子科技大學(xué)姓名：張建龍研究背景基于特征點的目標(biāo)跟蹤方法基于區(qū)域的目標(biāo)跟蹤方法基于剪影的目標(biāo)跟蹤方法目標(biāo)跟蹤研究背景目標(biāo)跟蹤小目標(biāo)跟蹤極小目標(biāo)跟蹤無人機(jī)可見光極小目標(biāo)跟蹤小于圖像面積0.12%的目標(biāo)占圖像總面積0.005%研究背景www.themegall在1920×1080分辨率大小的圖片中，目標(biāo)像素小于100，從全幅圖中完成檢測耗時很長本場景中傳統(tǒng)方法的不足面積、紋理、尺寸等特征缺乏，復(fù)雜的需要多特征點的跟蹤算法不適用研究思路www.themegall在1920×1080分辨率大小的圖片中，目標(biāo)像素小于100，從全幅圖中完成檢測耗時很長。面積、紋理、尺寸等特征缺乏，復(fù)雜的需要多特征點的跟蹤算法不適用。提出了一種檢測模式的選擇策略。（檢測模式包括全局檢測和局部檢測）提出了一種先檢測后跟蹤的TBD跟蹤方法，跟蹤算法為卡爾曼濾波架構(gòu)。研究思路改進(jìn)kalman濾波極小目標(biāo)跟蹤算法框架：研究思路檢測模式的判決模塊研究思路研究思路統(tǒng)計搜索窗內(nèi)所有區(qū)域的相似度的分布直方圖實際目標(biāo)相似度分布位置類高斯分布研究思路根kalman濾波模型中觀測噪聲為高斯白噪聲，因此可以根據(jù)相似度設(shè)計觀測噪聲協(xié)方差R。研究思路卡爾曼系數(shù)的變化趨勢卡爾曼系數(shù)的理傳統(tǒng)R對應(yīng)卡爾改曼進(jìn)R對應(yīng)卡爾曼想變化趨勢

系數(shù)的變化趨系勢數(shù)的變化趨勢實驗結(jié)果檢測結(jié)果跟蹤結(jié)果實驗結(jié)果檢測結(jié)果跟蹤結(jié)果實驗結(jié)果誤差統(tǒng)計曲線本文改進(jìn)方法的誤差傳統(tǒng)kalman算法的誤差實驗結(jié)果三種方法結(jié)果對比實際目標(biāo)數(shù)(平均每幀)檢測數(shù)(平均每幀)漏警數(shù)(平均每幀)時間(平均每幀)BB數(shù)據(jù)檢測31.851.154.62s檢測+經(jīng)典卡爾曼31.951.054.84s本文方法32.350.650.64sRW數(shù)據(jù)檢測53.251.754.33s檢測+經(jīng)典卡爾曼53.51.54.48s本文方法54.20.80.67s全文總結(jié)www.themegall本研究提出的方法有效的解決了無人機(jī)可見光極小目標(biāo)跟蹤的下面兩個問題：全圖檢測耗時長需要多特征點的跟蹤算法不適用最終實驗結(jié)果可以看出：提高目標(biāo)跟蹤的精度明顯的降低漏警有效地提升算法運(yùn)行