典型文献
基于深度学习的无人机载平台多目标检测和跟踪算法研究
文献摘要：
无人机技术和计算机视觉技术相结合,在民用和军用领域都有着广泛的需求,然而当前算法不能很好的适应无人机视角旋转、障碍物遮挡、目标尺度变化等特殊情况.根据实际的难点和挑战,提出了基于深度学习的无人机载平台多目标检测和跟踪算法.主要工作有:在检测方面,通过公开数据集和实际采集的大量数据,训练了基于Darknet53的检测网络作为检测器;在跟踪方面,使用Car-Reid数据集训练了一个残差网络提取目标外观信息,使用卡尔曼滤波提取目标运动信息,并通过一个融合公式将两个信息进行整合得到成本矩阵,最后由匈牙利匹配算法得到跟踪结果.在UAV123数据集和实测采集数据集上分别进行多组实验验证,得到本算法在视角旋转、目标尺度变化、障碍物遮挡情况下均能进行稳定检测跟踪的结论.
文献关键词：
深度学习;无人机载平台;多目标跟踪;数据关联
中图分类号：
作者姓名：
王旭辰;韩煜祺;唐林波;邓宸伟
作者机构：
北京理工大学信息与电子学院雷达技术研究所,北京100081
文献出处：
引用格式：
[1]王旭辰;韩煜祺;唐林波;邓宸伟-.基于深度学习的无人机载平台多目标检测和跟踪算法研究)[J].信号处理,2022(01):157-163
A类：
无人机载平台
B类：
多目标检测,目标检测和跟踪,跟踪算法,算法研究,无人机技术,计算机视觉技术,技术相结合,军用,障碍物遮挡,标尺,尺度变化,特殊情况,公开数据集,Darknet53,测网,检测器,Car,Reid,集训,残差网络,卡尔曼滤波,目标运动,运动信息,成本矩阵,匈牙利匹配,匹配算法,UAV123,采集数据,定检,检测跟踪,多目标跟踪,数据关联
AB值：
0.373425
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
