KCF总结报告.docx

通信系统创新实践项目总结报告目录1．项目背景22．研究内容22.1视频处理22..2 KCF算法32.3多尺度改进33．实施方案43.1 整体方案.43.2流程图53.3任务分配53.4所负责项目具体实施53.4.1视频分帧及坐标标注53.4.2用KCF算法进行绝缘子跟踪63.4.3 在算法中加入多尺度部分74．实验结果及分析85．结论106．收获和建议101．项目背景视觉目标跟踪在视频智能监控和机器人视觉导航等领域有着广泛应用。绝缘子是输电线路的重要部分，它是整个输电线路安全运行的基础。传统的绝缘子巡检主要依靠人力，这种巡检方式不仅效率低，而且安全隐患非常大。近年来，随着无人机( UAV) 技术的不断发展，无人机参与电力巡检已经在全国多地展开。但是，无人机巡检的目的是要对绝缘子进行拍照或者利用绝缘子进行测距，这就要求无人机能够准确跟踪绝缘子。曾采用的跟踪绝缘子方法有：最大类间方差(OTSU)法、迭代阈值法、遗传算法(GA）、粒子群算法。尽管近年来目标跟踪技术取得了相当大的进展，但众多因素影响跟踪算法的性能,包括光照变化、遮挡和背景混杂等，以至视觉目标跟踪仍然是一个具有挑战性的课题。目前不存在单一的方法，能够成功地处理所有场景。项目内容视频处理 由于KCF算法中输入的是一帧一帧的图片，所以在进行跟踪前要对视频进行分帧处理；同时，也要对被跟踪的绝缘子进行坐标标注。KCF算法在 KCF 跟踪算法中，以核岭回归分类器作为核心，构建循环样本矩阵来训练该分类器，对样本进行巧妙地变换使训练数据矩阵具有循环特性，就可以通过离散傅里叶变换对角化，便能减少几个数量级的存储与计算，从而达到对目标快速有效检测跟踪的目的。多尺度估计传统的KCF 跟踪方法始终固定尺度的矩形框去搜寻下一帧中的目标，即目标匹配模型 x 是一个固定尺寸的矩阵，不能很好地适应目标尺度发生变化的目标跟踪情况。而且将尺度估计纳入一个跟踪器中是需要很高的计算代价的，会明显降低算法的运算效率。而在理想情况下,一个精确的尺度估算方法应该健壮而且有较高计算的效率。为实现这一目标,我们使用了一个在线学习且独立于位置滤波器的滤波器进行快速地尺度估算的方法。这样有助于把尺度空间的搜索区域限制在更小范围。此外,还可以自由地选择每个独立的滤波器的特征描述。 3．实施方案3.1整体方案如图所示是基于核化相关滤波器的绝缘子视频跟踪方法研究的整体方案规划： 视频分帧 坐标标注 用KCF算法进行绝缘子跟踪 跟踪绝缘子 在算法中加入多尺度部分首先将视频进行分帧处理，然后分别在matlab环境下和C语言环境下分别用KCF算法对绝缘子进行跟踪，从而比较同种算法在不同环境下的跟踪速度及跟踪效果，最后，在matlab环境下，在算法中加入DSST算法中的尺度估计的尺度金字塔相关滤波方法，实现一种多尺度的相关滤波器跟踪方法。3.2算法流程 输入图像 上一帧的位置和尺度 位置模型、和 尺度模型、 估计的目标位置和尺度 更新位置、和 尺度模型、其中, 位置评估： 1.参照模板在前一帧的位置，在当前帧中按照前一帧目标尺度的2倍大小提取一个样本Ztrans2.利用Ztrans 和Atranst?1、Btanst?1 ，计算ytrans3.计算max(ytrans) ，得到目标新的位置Pt尺度评估： 4.以目标当前新位置为中心，提取33种不同尺度的样本Ztrans5.利用Ztrans 和Atranst?1、Btanst?1 计算出yscale6.计算max(yscale) ，得到目标准确的尺度St模型更新： 7.提取样本ftrans 和fscale8.更新位置模型Atranst 和Btranst9.更新尺度模型Ascalet 和Bscalet3.3.任务分配3.4所负责项目具体内容及实施3.4.1 视频分帧及坐标标注 在matlab环境下运行程序时，输入的是连续的图片，因此在运行程序前，需要对视频进行分帧处理，分帧程序如下fileName = F:\video\video.mp4; obj = VideoReader(fileName); numFrames = obj.NumberOfFrames;% 视频帧总数 %若不存在文件夹，则新建文件夹 if ~exist(