摘要
随着人工智能技术的发展，各种高新技术需要智能车、无人机等平台进行落地，其中无人机由于其高度的机动性和灵活性，已经成为军事和民用领域的研究热点。无人机性能的进一步拓展需要视觉目标跟踪的支持，然而在无人机视觉目标跟踪中，由于目标物经常存在被光照、复杂背景、形变等因素干扰的情况，长时间保持稳定的高精度跟踪，存在较多的困难。针对目前无人机视觉目标跟踪存在的形变、遮挡和超出视野问题，本课题设计了以孪生网络为基础的视觉目标跟踪算法，完成对以车辆和行人为主的目标物的长期跟踪。主要的工作内容如下： 首先，针对无人机视觉目标跟踪任务背景比较复杂的特点，搭建了以多通道孪生网络为基础的目标跟踪网络，增加系统抗干扰能力，利用开源数据集，以训练跟踪器模型并进行性能测试。 其次，为解决无人机目标跟踪过程中的目标物形变和部分遮挡问题，本课题利用余弦相似度算法衡量图片相似度，搭建具有不同卷积特征的模板库，通过无人机航拍数据集的验证，表明该算法可以有效的解决目标物的形变等问题，降低因形变和部分遮挡而带来的跟踪干扰。 然后，针对无人机长期目标跟踪过程中出现的全遮挡和超出视野问题，本课题提出判断全遮挡和超出视野的新方法，并为解决该问题提出局部搜索和全局搜索的新方案，通过在无人机航拍数据集的验证，表明该算法可以有效的应对超出视野等问题，增加系统的鲁棒性。 最后，在多个无人机航拍数据集上进行验证测试，对比并且分析多个经典的目标跟踪算法，结果表明，本文的算法在平均精度指标和平均成功率指标都比较高。同时，本课题搭建了ROS环境下的无人机目标跟踪仿真系统并进行测试，结果表明，本文搭建的跟踪算法可以在ROS环境下正常跟踪，稳定性良好，具有较好的实用价值。
NETL