典型文献
基于DFI一体化网络的水下抗干扰目标跟踪方法
文献摘要：
由于水下环境的特殊性,水下机器人容易受水流、可见光反射、遮挡等复杂水下环境影响,从而干扰目标检测器的性能,进而使跟踪算法效果下降,影响跟踪效果.针对这一问题,提出了一种基于目标检测特征提取一体化网络(DFI Network)的水下抗干扰目标跟踪方法.在传统YOLOv3检测网络基础上,设计了特征提取网络,通过卷积和最大池化运算,输出目标特征信息,并将状态向量维度扩充为10维,同时针对扩维状态向量,构造了扩维滤波器,进而通过后续匹配、跟踪控制等步骤,实现了水下机器人在干扰环境下的目标跟踪.使用标注的水下目标跟踪数据集对所提算法进行测试,并与YOLOv3算法进行对比验证.测试结果表明,与原版YOLOv3算法对比,所提出的算法以2FPS的较小帧率损失,将跟踪精度提高了30％以上.
文献关键词：
水下目标检测;水下机器人;深度神经网络;跟踪控制;Kalman滤波
中图分类号：
作者姓名：
韩勇强;张路成;李利华;刘泳庆
作者机构：
北京理工大学 自动化学院,北京 100081;国家体育总局体育科学研究所,北京 100061
文献出处：
引用格式：
[1]韩勇强;张路成;李利华;刘泳庆-.基于DFI一体化网络的水下抗干扰目标跟踪方法)[J].中国惯性技术学报,2022(02):240-247
A类：
2FPS
B类：
DFI,一体化网络,干扰目标,跟踪方法,水下环境,水下机器人,可见光反射,遮挡,目标检测器,跟踪算法,检测特征,Network,YOLOv3,测网,网络基础,特征提取网络,最大池化,目标特征,特征信息,状态向量,向量维度,时针,滤波器,过后,跟踪控制,干扰环境,水下目标跟踪,目标跟踪数据集,对比验证,原版,算法对比,帧率,跟踪精度,水下目标检测,深度神经网络,Kalman
AB值：
0.41181
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。
