仪器仪表学报

作者：陈仁祥，何家乐，杨黎霞，余腾伟，梁栋

单位：陈仁祥,重庆交通大学 交通工程应用机器人重庆市工程实验室重庆400074,manlou.yue@126.com,何家乐,重庆交通大学 交通工程应用机器人重庆市工程实验室重庆400074,,杨黎霞,重庆科技学院 经济与金融学院重庆401331,lixiayang1207@126.com,余腾伟,重庆交通大学 交通工程应用机器人重庆市工程实验室重庆400074,,梁栋,重庆交通大学 交通工程应用机器人重庆市工程实验室重庆400074,

关键词：目标跟踪;改进转换模型;连续状态判别;预测距离加权

基金：国家自然科学基金项目(52475548)、重庆市教委科学技术研究项目(KJZD-M202200701)、重庆市自然科学基金创新发展联合基金项目（CSTB2023NSCQ-LZX0127）、重庆市研究生联合培养基地项目(JDLHPYJD2021007)、重庆市专业学位研究生教学案例库项目(JDALK2022007)、重庆市自然科学基金项目（CSTB2023NSCQ-MSX0177）资助

针对跟踪过程中因目标发生外观变化导致跟踪效果不佳的问题，提出改进转换模型预测（ToMP）网络的外观变化下目标跟踪方法。首先，在ToMP网络基础上添加目标外观状态判别模块，利用级联长短时记忆网络（LSTM）输出目标外观状态判别信息；其次，优化网络在线样本储存判据，在置信度分值判别基础上添加正常外观判别信息，利用可靠样本优化模型权重，增强网络对目标的分类能力；然后，改进网络外观变化时在线样本利用机制，结合最新样本优化模型权重，提高网络对新外观目标的分类效果；最后，利用中心点轨迹预测位置对网络生成目标响应分数进行加权，增强目标特征映射效果的同时减少相似物体干扰以稳定跟踪目标。在公共数据集上准确率分别达到93.9%和68.9%，优于其他方法，并利用机器人进一步证实了可行性。

来源：2024年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第9期