基于视频的装甲车和飞机检测跟踪及轨迹预测算法

摘要：

针对当前视频目标跟踪算法跟踪多目标容易跟丢的问题,以视频中的装甲车、飞机为研究对象,研究一种改进跟踪学习检测(TLD)的视频多目标检测跟踪算法.对于跟丢的目标,利用Kalman滤波算法的预测功能跟踪视频中典型目标的轨迹,并采用Kalman滤波算法跟踪的轨迹来弥补TLD算法丢失的部分,从而获得视频中典型目标的完整轨迹,以提高视频多目标跟踪的准确率.由于现有轨迹预测算法存在准确性较差的局限性,提出一种基于社交长短时记忆(Social-LSTM)网络的视频典型目标轨迹预测算法,将上下文环境信息和多个目标轨迹之间的相互影响关系融入Social-LSTM网络,预测待检测典型目标的轨迹序列.仿真实验结果表明,所提轨迹预测算法优于传统的LSTM算法、隐马尔可夫模型算法以及混合高斯模型算法,有利于提高视频典型目标轨迹预测的准确率.

关键词：装甲车、飞机、目标跟踪、多目标检测、社交长短时记忆网络、轨迹预测

所属期刊栏目：42

分类号：TP391.413(计算技术、计算机技术)

资助基金：国家自然科学基金项目;国家重点研发计划项目;北京市教育委员会基本科研业务费项目;教育部科技发展中心"天诚汇智"创新促教基金项目;教育部高等教育司产学合作协同育人项目;北京市教育委员会科技项目

在线出版日期：2021-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：545-554