空中单机动目标跟踪算法的研究的中期报告.docx

空中单机动目标跟踪算法的研究的中期报告
一、前言
本文旨在介绍针对空中单机运动目标跟踪的算法研究中期报告，即在研究的前期已经进行了必要的文献调研、算法分析和方案设计，本次报告主要对算法实现和结果分析进行介绍。
二、研究进展
1.文献调研
在前期的研究中，我们对国内外相关领域的文献进行了调研，包括目标检测、跟踪以及深度学习相关算法，针对空中单机目标跟踪问题，我们主要关注了基于光流的几类算法和一些深度学习算法。通过文献调研，我们对这些算法的优缺点和适用场景有了深刻理解，并为后续的算法设计提供了基础。
2.算法分析
在文献调研的基础上，我们对几个具有代表性的目标跟踪算法（KCF、TLD、MOSSE）进行了详细分析，特别关注了它们在光照变化、遮挡和噪声等方面的表现。同时，在深度学习方面，我们选用了YOLOv5作为目标检测算法，并结合DeepSORT进行目标跟踪，以期提高算法的准确率和鲁棒性。
3.方案设计
基于分析和比较，我们决定采用基于KCF算法的目标跟踪方案，同时结合YOLOv5进行目标检测。为了提高算法的效率和鲁棒性，我们还对KCF算法进行了优化，主要包括目标区域初始位置估计和模板更新策略等方面。
4.算法实现和结果分析
在方案设计的基础上，我们进行了实际算法实现和测试，并对实验结果进行了分析。通过对多个标志物的跟踪测试，我们观测到我们的算法在各种情况下都可以实现可靠跟踪，且算法鲁棒性更好，相比普通的KCF算法和TLD算法较为优秀，但在目标的小尺度变化和快速移动时，效果不如MOSSE算法。同时，我们还发现，使用YOLOv5进行目标检测可以有效提高算法的准确率和鲁棒性。
三、结论
通过本次中期报告，我们在空中单机目标跟踪算法研究中进一步深入探讨，并对算法进行了具体实现和测试，结果表明，我们的算法在大部分情况下可以实现可靠跟踪。虽然还存在一些问题，如跟踪目标的小尺度变化和快速移动等仍需进一步研究，但我们相信通过对算法的进一步优化和改进，可以有更加优异的表现。