目標智能跟蹤與識別

目錄
第1章 概述 1
1.1　引言 1
1.2　目標跟蹤的研究歷程 2
1.3　目標識別的研究歷程 11
1.4　目標跟蹤與識別的主要挑戰 13
1.5　人工智能時代下的發展新機遇 16
1.6　本書的範圍和概貌 21
參考文獻 24
第2章 人工智能基礎 26
2.1　引言 26
2.2　機器學習基礎 26
2.2.1 定義與歷程 26
2.2.2 分類與術語 28
2.3　機器學習步驟 30
2.3.1 數據集構建 30
2.3.2 模型選擇 30
2.3.3 模型訓練 31
2.3.4 模型運用 33
2.4　機器學習典型算法 33
2.4.1 感知機 33
2.4.2 支持向量機 35
2.4.3 神經網絡 38
2.4.4 集成學習 38
2.5　深度學習 42
2.5.1 概述 42
2.5.2 卷積神經網絡 42
2.5.3 循環神經網絡 44
2.5.4 圖神經網絡 46
2.5.5 生成對抗網絡 47
2.5.6 擴散模型 47
2.5.7 Transformer模型 50
2.5.8 網絡優化與正則化 53
2.5.9 遷移學習 54
2.5.10 註意力機制 54
2.5.11 神經網絡的可視化 54
2.6　強化學習 55
2.6.1 概述 55
2.6.2 基本術語 55
2.6.3 Q-Learning算法 56
2.6.4 策略梯度算法 57
2.6.5 演員-評論家算法 58
2.7　小結 59
參考文獻 59
第3章 結合式智能濾波方法 61
3.1　引言 61
3.2　目標跟蹤的基礎理論和模型 62
3.2.1 狀態空間模型 62
3.2.2 貝葉斯濾波器 63
3.3　Kalman和深度學習混合驅動的目標跟蹤算法 64
3.3.1 Kalman濾波器 64
3.3.2 端到端學習的推導 65
3.3.3 端到端學習的循環Kalman目標跟蹤算法 69
3.3.4 數據集生成與算法訓練 71
3.3.5 仿真實驗與結果分析 74
3.4　IMM和深度學習混合驅動的目標跟蹤算法 81
3.4.1 IMM算法 81
3.4.2 端到端學習的自適應IMM算法原理 82
3.4.3 數據集生成與算法訓練 85
3.4.4 仿真實驗與結果分析 86
3.5　算法性能綜合對比分析 92
3.6　小結 96
參考文獻 96
第4章 替換式智能濾波方法 99
4.1　引言 99
4.2　基於神經微分方程的單模型混合驅動目標跟蹤算法 100
4.2.1 目標運動的隨機微分方程 100
4.2.2 單模型混合驅動目標跟蹤算法 101
4.2.3 數據集生成與算法訓練 105
4.2.4 仿真實驗與結果分析 106
4.3　基於神經微分方程的多模型混合驅動目標跟蹤算法 113
4.3.1 單模型混合驅動目標跟蹤算法的專一性 113
4.3.2 算法結構設計與訓練 115
4.3.3 仿真實驗與結果分析 116
4.4　算法性能綜合對比分析 121
4.5　小結 124
參考文獻 124
第5章 重構式智能濾波方法 126
5.1　引言 126
5.2　典型濾波計算結構分析 126
5.2.1 ? -? 濾波計算結構分析 126
5.2.2 Kalman濾波計算結構分析 127
5.3　重構式智能濾波 129
5.3.1 典型神經網絡結構 129
5.3.2 重構式智能濾波網絡結構設計 131
5.3.3 重構式智能濾波網絡簡單實現 132
5.4　實驗驗證 133
5.4.1 仿真設置 133
5.4.2 仿真結果 135
5.5　小結 141
參考文獻 142
第6章 基於強化學習的數據智能關聯方法 143
6.1　引言 143
6.2　網絡集成學習的數據關聯網絡架構 143
6.2.1 模型組成 144
6.2.2 USMA網絡架構 146
6.2.3 訓練網絡與測試網絡 149
6.2.4 仿真實驗與結果分析 151
6.3　基於LSTM-RL網絡的數據關聯網絡架構 161
6.3.1 網絡架構 162
6.3.2 智能體設計 162
6.3.3 動作選擇 164
6.3.4 獎勵函數的定義 165
6.3.5 自適應調整機制 166
6.3.6 仿真實驗與結果分析 167
6.4　小結 174
參考文獻 174
第7章 端到端目標智能跟蹤方法 177
7.1　引言 177
7.2　問題描述與算法分析 178
7.2.1 多目標跟蹤問題描述 178
7.2.2 關聯類目標跟蹤框架 179
7.2.3 數據關聯與跟蹤濾波 179
7.2.4 DeepSTT網絡設計原則 181
7.3　DeepSTT-B網絡設計 182
7.3.1 DeepSTT-B網絡 182
7.3.2 DeepSTT網絡 184
7.3.3 跟蹤實現 185
7.4　實驗驗證 187
7.4.1 仿真設置 187
7.4.2 仿真結果 188
7.5　小結 194
參考文獻 195
第8章 無人艇平臺視頻多目標跟蹤 197
8.1　引言 197
8.2　現有研究基礎 197
8.2.1 基於檢測的視頻多目標跟蹤 197
8.2.2 SORT算法 198
8.2.3 SIFT圖像配準與RANSAC算法 200
8.3　無人艇視頻多目標跟蹤改進算法 201
8.3.1 基於圖像配準的運動補償算法S-R補償 201
8.3.2 引入加速度參數的Kalman濾波 203
8.3.3 多級級聯匹配 205
8.4　實驗對比及分析 206
8.4.1 數據集構建 206
8.4.2 評估指標 207
8.4.3 消融實驗 208
8.4.4 算法改進前後跟蹤結果可視化分析 208
8.4.5 與其他SOTA算法的對比及分析 211
8.5　小結 213
參考文獻 213
第9章 航行特征機器學習目標識別方法 215
9.1　引言 215
9.2　航跡特征建模 216
9.2.1 平均航速 216
9.2.2 最大航速 216
9.2.3 高速航行比例 216
9.2.4 低速航行比例 217
9.2.5 加速機動因子 217
9.2.6 航向累計變化量 217
9.2.7 轉向機動因子 218
9.3　航跡數據集構建 219
9.3.1 AIS數據 219
9.3.2 數據集構建流程 221
9.3.3 數據分析 224
9.4　分類器設計 225
9.5　實驗對比及分析 225
9.5.1 特征量篩選 225
9.5.2 特征可視化分析 226
9.5.3 實驗結果 226
9.6　小結 228
參考文獻 228
第10章 航行特征深度學習目標識別方法 231
10.1　引言 231
10.2　基於貝葉斯-Transformer神經網絡模型的目標識別方法 231
10.2.1 貝葉斯-Transformer神經網絡模型 231
10.2.2 實驗對比及分析 235
10.2.3 本節小結 241
10.3　融合情境信息的海面目標識別方法 242
10.3.1 情境信息建模 242
10.3.2 基於情境增強的航跡識別方法 246
10.3.3 實驗對比及分析 247
10.3.4 本節小結 253
10.4　小結 253
參考文獻 254
第11章 可見光遙感圖像與SAR圖像關聯 256
11.1　引言 256
11.2　研究基礎 257
11.2.1 SAR圖像關聯學習算法 257
11.2.2 有監督多源哈希關聯算法 258
11.3　深度多源哈希算法DCMHN 258
11.3.1 圖像變換機制 259
11.3.2 圖像對訓練策略 260
11.3.3 三元組哈希損失結構 261
11.4　實驗對比及分析 262
11.4.1 SAR-可見光雙模態遙感圖像數據集 262
11.4.2 實驗設置和評估標準 263
11.4.3 DCMHN算法有效性實驗 264
11.4.4 參數分析 267
11.4.5 對比實驗 269
11.5　小結 270
參考文獻 271
第12章 可見光遙感圖像與文本信息關聯 273
12.1　引言 273
12.2　遙感圖像與英文文本跨模態關聯 273
12.2.1 研究基礎 274
12.2.2 基於深度哈希的相似度矩陣輔助遙感圖像跨模態關聯方法 274
12.2.3 實驗對比及分析 278
12.3　遙感圖像與中文文本跨模態關聯 283
12.3.1 研究基礎 285
12.3.2 基於多粒度特征的遙感圖像跨模態關聯方法 286
12.3.3 實驗對比及分析 290
12.4　小結 294
參考文獻 295
第13章 遙感SAR圖像與AIS信息關聯 297
13.1　引言 297
13.2　研究基礎 298
13.2.1 SAR圖像與AIS信息關聯方法 298
13.2.2 特征融合 298
13.3　基於深度特征融合的遙感圖像與AIS信息關聯方法 299
13.3.1 SAR圖像特征表示 300
13.3.2 AIS信息特征表示 301
13.3.3 特征融合設計 302
13.4　實驗對比及分析 304
13.4.1 數據集構建 304
13.4.2 實驗設置 305
13.4.3 對比實驗結果與分析 305
13.4.4 模型簡化實驗 307
13.5　小結 308
參考文獻 308
第14章 遙感圖像與文本間通用跨模態關聯 310
14.1　引言 310
14.2　研究基礎 310
14.2.1 Transformer相關介紹 310
14.2.2 對比學習方法 311
14.3　基於融合對比的遙感圖像跨模態關聯方法 311
14.3.1 遙感圖像視覺特征表示 313
14.3.2 序列文本特征表示 314
14.3.3 跨模態信息融合 314
14.3.4 目標函數 315
14.4　實驗對比及分析 317
14.4.1 實驗設置及評價指標 317
14.4.2 對比實驗結果與分析 317
14.4.3 模型有效性驗證實驗 321
14.4.4 關聯檢索結果展示與分析 323
14.5　小結 327
參考文獻 327