无人系统目标跟踪算法优化及应用研究.pdfVIP

摘要

近年来，随着人工智能、5G移动网络和边缘计算等技术的不断进步，极大地

推动了无人系统的发展。其中，目标跟踪技术作为计算机视觉处理的重要技术之

一，在无人系统智能化和自主化发展历程中，发挥了至关重要的作用。在众多跟

踪算法中，由于核相关滤波跟踪算法（KernelCorrelationFilter,KCF）具有跟踪

精度高、实时性好以及鲁棒性强的特点，成为当前目标跟踪领域的研究热点。然

而，在复杂场景和遮挡场景中，核相关滤波跟踪算法仍存在跟踪稳定性不足和抗

遮挡能力差的问题。

因此，本文在核相关滤波跟踪算法基础上，针对复杂场景和遮挡场景两个跟

踪领域的难点问题展开相关研究，主要贡献如下：

(1)面向目标跟踪的复杂场景，本文提出基于多特征融合的尺度自适应核相

关滤波跟踪算法（Multi-featurefusionscaleadaptivekernelcorrelationfilter,MSA-

KCF）。此算法主要包括三方面的优化：首先，针对单一HOG特征表征能力不足

的问题，提出基于FHOG和CN的融合特征；然后，针对KCF算法尺度自适应

缺失问题，通过增加独立的尺度滤波器，实现目标位置和尺度的有效检测；最后，

为了缓解KCF算法的边界效应问题，提出多区域检测处理机制。通过对各算法

进行复杂场景的跟踪实验，表明MSA-KCF算法在具有更好效果的同时，还能够

满足实时性的要求。

(2)面向目标跟踪的遮挡场景，本文提出面向遮挡检测的核相关滤波跟踪算

法（Combinedocclusiondetectionkernelcorrelationfilter,COD-KCF）。此算法主要

进行了三方面的改进：首先，提出基于三重指标的联合遮挡检测机制，保证了目

标遮挡状态的有效检测；然后，设计新的目标模型更新策略，避免遮挡物信息污

染目标模型；最后，增加Kalman遮挡目标预测跟踪机制，提高遮挡结束后目标

被重新跟踪的概率。通过对各算法进行遮挡场景的跟踪实验，表明COD-KCF算

法具有更好的跟踪效果和抗遮挡能力。

(3)本文设计实现基于距离感知的实时目标跟踪系统。首先，介绍智能车基

础平台的各种硬件设备和整体架构，以及MSA-KCF和COD-KCF算法在目标跟

踪系统的融合跟踪处理；然后，介绍基于ROS机器人系统的整体软件设计和目

标跟踪移动控制原理；最后，验证各优化算法在无人系统实际跟踪场景的有效性。

关键词：无人系统，目标跟踪，图像处理，相关滤波，距离感知

ABSTRACT

Therecentyearshavewitnessedtheconstantprogressinthetechnologiessuchas

artificialintelligence,5Gmobilenetworkandedgecomputing,whichpushforwardthe

developmentofunmannedsystemstoagreatextent.Wherein,asoneofthekey

technologiesforcomputervisualtreatment,targettrackingtechnologyplaysacritical

roleinthedevelopmentcourseofintellectualizationandautonomizationofunmanned

systems.Amongvarioustrackingalgorithms,Kernelcorrelationfilteringhasbecomea

hotresearchspotinthefieldoftargettrackingduetoitshighprecision,satisfactory

timelinessandstrongrobustness.However,incomplexscenesandocclusionscenes,

thekernel-relatedfiltertrackingalgorithmstillhastheproblemsofin