基于计算机视觉的海上多目标船舶检测与跟踪关键技术研究

目录

声明

摘要

1 绪论

1．1研究背景及意义

1．2研究现状

1．2．1计算机视觉技术

1．2．2目标检测技术

1．2．3目标跟踪技术

1．3存在的主要问题

1．4本文的主要研究内容

1．5本文的组织构架

2海天线检测算法

2．1 基于惯性测量的海天线估算模型

2．1．1 摄像机横荡、纵荡和艏摇运动对海天线位置的影响

2．1．2摄像机垂荡运动对海天线位置的影响

2．1．3摄像机纵摇运动对海天线位置的影响

2．1．4摄像机横摇运动对海天线位置的影响

2．2定义海天线附近区域

2．2．1海天线静态特征

2．2．2海天线附近区域

2．3 基于惯性测量和图像处理的海天线精确检测模型

2．3．1改进的边缘检测模型

2．3．2改进的霍夫变换模型

2．4试验验证

2．4．1数据集及评价指标

2．4．2验证海天线估算模型

2．4．3验证改进的边缘检测模型

2．4．4验证改进的霍夫变换模型

2．4．5验证海天线精确检测模型

2．5本章小结

3图像序列内目标船舶运动特征建模

3．1 图像序列内目标船舶运动特征分析

3．1．1 运动分类

3．1．2运动模型

3．1．3运动估计

3．2光流运动模型

3．2．1特征点匹配

3．2．2海天线匹配

3．2．3特征点分类

3．2．4单应矩阵计算

3．3本章小结

4海上目标船舶检测算法

4．1 基于视觉显著性的船舶检测算法

4．1．1视觉显著性

4．1．2改进的快速最小障碍距离变换算法

4．2基于电子稳像和图像分类的船舶检测算法

4．2．1特征点分类处理策略

4．2．2图像分类模型

4．3基于改进YOLOv3模型的船舶检测算法

4．3．1分块检测模型

4．3．2 自适应锚框聚类模型

4．4试验验证

4．4．1 数据集和评价指标

4．4．2基于视觉显著性船舶检测算法的验证

4．4．3基于电子稳像和图像分类的船舶检测算法的验证

4．4．4基于改进YOLOv3模型的船舶检测算法的验证

4．4．5三种船舶检测算法的对比分析

4．5本章小结

5海上多目标船舶跟踪算法

5．1 MOT工作原理

5．2运动模型和外观模型

5．2．1 运动模型

5．2．2外观模型

5．3相似性度量和数据关联

5．3．1相似性度量

5．3．2匈牙利算法

5．4 MVT算法流程

5．5试验验证

5．5．1数据集和评价指标

5．5．2验证运动模型

5．5．3验证外观模型

5．5．4验证MVT算法

5．5．5消融分析

5．6本章小结

6结论与展望

6．1结论

6．2展望

参考文献

作者简历及攻读博士学位期间的科研成果

致谢