基于HOG特征的船舶識(shí)別跟蹤算法.pdf

1、在水路交通中，航行船舶類(lèi)型日益多樣化，船舶航行軌跡日益復(fù)雜化。監(jiān)控船舶活動(dòng)需要對(duì)船舶目標(biāo)做到實(shí)時(shí)的跟蹤，還要能夠識(shí)別船舶目標(biāo)，而傳統(tǒng)的船舶視頻目標(biāo)跟蹤方法存在跟蹤計(jì)算時(shí)耗大、跟蹤準(zhǔn)確率有限、缺少識(shí)別能力等缺陷，這對(duì)于有效及時(shí)的指揮調(diào)度船舶帶來(lái)了困難。因此有必要設(shè)計(jì)一種實(shí)時(shí)、誤差率小、具有識(shí)別能力的船舶目標(biāo)跟蹤算法。
　　本文的研究包括目標(biāo)的特征提取、分類(lèi)識(shí)別、跟蹤三個(gè)方面。在目標(biāo)特征提取方面，通過(guò)對(duì)各種圖像特征的優(yōu)缺點(diǎn)對(duì)比，本論文

2、選定提取船舶目標(biāo)的HOG特征以減少水域環(huán)境中其他干擾背景對(duì)船舶識(shí)別的影響。在目標(biāo)分類(lèi)識(shí)別方面，SVM模型對(duì)目標(biāo)的原始HOG特征有一定的分類(lèi)識(shí)別能力，但并不是所有的目標(biāo)HOG特征位包含的都為有效特征，其中摻雜了噪聲存在著冗余，并且模型復(fù)雜過(guò)高，因此本論文引進(jìn)序列前向選取法對(duì)原始的船舶目標(biāo)HOG特征進(jìn)行了降噪和特征再選取。但是由于在處理訓(xùn)練樣本數(shù)據(jù)集的時(shí)候采取的是交叉驗(yàn)證方法，并且序列前向選取法存在只能加入不能去除特征的缺陷，因此由其選取的

3、最優(yōu)特征具有不確定性并且關(guān)聯(lián)性強(qiáng)。針對(duì)上述缺陷，在序列前向選取法的基礎(chǔ)上，本文提出了一種特征位得分系統(tǒng)從而挑選出了船舶HOG特征中的最優(yōu)特征位。在目標(biāo)跟蹤方面，本論文引進(jìn)STC算法來(lái)對(duì)船舶目標(biāo)進(jìn)行定位。雖然STC跟蹤算法計(jì)算速度快并且跟蹤準(zhǔn)確率高，但是當(dāng)目標(biāo)被遮擋時(shí)，會(huì)發(fā)生跟蹤目標(biāo)跳變的情況。本論文通過(guò)模板匹配算法對(duì)跟蹤目標(biāo)進(jìn)行檢測(cè)，改善了STC的這一缺陷，從而提升了其跟蹤性能。
　　實(shí)驗(yàn)證實(shí)，本文船舶識(shí)別與跟蹤算法能夠?qū)崟r(shí)、穩(wěn)定