摘要
本发明涉及一种增强无人飞行器跟踪性能的相关滤波方法,步骤为:S1.使用RGB相机进行原始图像采集,训练判别式无人飞行器的跟踪模型;S2.通过融合CN与fHOG特征对新图像进行特征提取,得到新的样本信息;S3.使用主成分分析(PCA)的方式对得到的特征进行降维处理,得到维数更小、复杂度更低的样本信息,从而提高跟踪速度;S4.使用弹性正则化网络将得到的样本信息和训练好的模型信息进行相似度比较,判断是否学习,相似度较低的图像信息被丢弃,确定学习的图像信息经训练成为新的跟踪模型;S5.使用交替方向乘数法(ADMM)优化训练后的跟踪器模型;S6.确定目标位置信息,通过不断迭代实现无人飞行器跟踪。该方法中的跟踪速率和准确率均处于较高水平。
技术关键词
无人飞行器
滤波方法
ADMM算法
复杂度
样本
成分分析
颜色直方图特征
跟踪器
特征值
协方差矩阵
图像
增广拉格朗日
梯度直方图
正则化参数
梯度下降法
采集设备
方程
网络
相机
系统为您推荐了相关专利信息
在线监测方法
低频标签
时序特征
长短期记忆网络
高频特征
混合特征提取
车辆状态数据
局部特征提取
混合器模块
图像
奥氏体不锈钢无缝钢管
动态分析系统
产品样本
动态分析方法
分析子系统
信用评估方法
梯度提升树模型
机器学习算法
集成学习策略
超参数