序列图像红外小目标检测与跟踪算法研究的中期报告.docx

序列图像红外小目标检测与跟踪算法研究的中期报告
一、项目介绍：
随着现代军事技术的不断发展，红外成像技术在军事领域中得到广泛应用。而在红外成像技术中，小目标检测与跟踪一直是一个热门话题。本项目旨在探讨序列图像红外小目标的检测与跟踪算法，在保证精度的前提下提高算法效率。
二、研究内容：
1.调研目前红外小目标检测与跟踪算法的发展现状及存在的问题。
2.设计一种基于深度学习的红外小目标检测算法，利用卷积神经网络(CNN)自适应提取特征，再利用循环神经网络(RNN)进行目标检测。
3.设计一种基于多目标跟踪的算法，利用基于卡尔曼滤波的多目标跟踪算法进行目标跟踪。
4.将检测算法与跟踪算法结合起来，设计一个综合算法解决红外小目标检测与跟踪问题。
三、进展情况：
1.调研目前的红外小目标检测与跟踪算法，对红外小目标的特点、红外图像的特点、目标检测与跟踪算法等方面进行了系统的了解，为后续算法的设计提供基础。
2.设计基于深度学习的红外小目标检测算法（参考文献:“FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks”），利用Python语言中的TensorFlow框架、Keras库进行实现，初步实现了红外小目标检测。
3.设计基于卡尔曼滤波的多目标跟踪算法（参考文献:“Multi-targettrackingwithmultiplecuefusionbasedonKalmanfilter”），利用Matlab编写程序进行实现，初步实现了目标跟踪。
4.正在进行检测算法与跟踪算法的结合，并对综合算法进行设计。
四、未来工作计划：
1.完善红外小目标检测算法，提高算法的准确率和鲁棒性。
2.进一步探究多目标跟踪算法，提高算法的鲁棒性和效率。
3.对综合算法进行深入设计，并进行实验验证。
4.在实验数据集上进行实验，评价算法的性能。
五、参考文献：
1.GirshickR.FastR-CNN[J].arXivpreprintarXiv:1504.08083,2015.
2.RenS,HeK,GirshickR,etal.Fasterr-cnn:Towardsreal-timeobjectdetectionwithregionproposalnetworks[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2017,39(6):1137-1149.
3.KalmanRE.Anewapproachtolinearfilteringandpredictionproblems[J].TransactionsoftheASME-JournalofBasicEngineering,1960,82(1):35-45.
4.DouL,WangL,WangZQ,etal.Multi-targettrackingwithmultiplecuefusionbasedonKalmanfilter[J].InfraredandLaserEngineering,2014,43(5):1482-1487.