基于視角和類別流形的目標跟蹤識別.pdf

1、自動目標跟蹤識別(ATR)技術(shù)是軍事和民用領(lǐng)域中的一項廣泛而重要的技術(shù)?；谝暯堑哪繕俗R別所面臨的重大難題是如何捕獲不同目標在不同視角下的外形特征,同時在當前的許多目標識別算法中類別變量大部分被當作離散變量來考慮。另外,某些自動目標跟蹤識別方法要使用多視角典型模板來訓(xùn)練目標圖像,這些方法通常需要密集的訓(xùn)練視角集合,它只針對已知目標的跟蹤識別起作用,而在處理未知目標時,該方法就受到了很大的限制。
　　 本文是把視角以及類別這兩個變

2、量都看作連續(xù)變量,并且將代表目標的這兩個特征流形進行耦合來共同處理。這樣做不僅有利于自動目標跟蹤識別進程,而且還有利于系統(tǒng)合成新的目標,以便處理處于未知視角下的已知或未知目標。
　　 本文我們將主要研究地面車輛的跟蹤識別。目標表征方法本質(zhì)上是非參數(shù)的,生成模型中需要大量高分辨率圖像來檢測目標的有用特征,這點不適合實際目標的自動跟蹤和識別。所以本文給出了一種新的基于多視角形態(tài)的模型建立方法,其中包括類別流形和視角流形兩方面。一維類

3、別流形既涵蓋了不同類別間的形態(tài)變量,也包含同一類別間的形態(tài)變量。二維半球視角流形用于表示地面目標的狀態(tài)變化。
　　 最后我們使用非線性張量分解方法把這兩種流形融合到一個壓縮的生成模型中。同時由于視角和類別這兩個變量本質(zhì)上是連續(xù)的,符合各自的流形定義,所以自動目標跟蹤和識別可以有效地通過粒子濾波器實現(xiàn)。我們將本文給出的基于視角和類別流形的多視角目標模型在MATLAB中進行3D模型仿真學習,發(fā)現(xiàn)該模型具有較好的插值能力,可以比較好的