针对空间非合作目标(航天器、空间碎片等)因光线变化、目标旋转等导致跟踪失败问题,提出以带有C2F模块的YOLO(You Only Look Once)v8模型用于目标检测,并将经微调的全尺度网络(Omin-Scale Network,OSNet)替换StrongSORT中ResNet50进行...针对空间非合作目标(航天器、空间碎片等)因光线变化、目标旋转等导致跟踪失败问题,提出以带有C2F模块的YOLO(You Only Look Once)v8模型用于目标检测,并将经微调的全尺度网络(Omin-Scale Network,OSNet)替换StrongSORT中ResNet50进行重识别,以改进YOLO-StrongSORT算法。该算法首先以YOLOv8从采集的空间影像中检测目标;随即将检测结果分别送入包含OSNet网络的外性特征检测器和以NSA卡尔曼滤波器为核心的运动信息检测器提取检测目标的外观特征和预测目标运动轨迹;然后采用Vanilla匹配机制匹配连续帧中同一目标,实现对目标的跟踪;最后,用SNCOVT数据集和自研的近红外相机采集影像验证。结果表明,改进YOLO-StrongSORT算法在SNCOVT数据集上平均跟踪精度和成功率分别为61.7%和60.7%,较传统算法更准确;在实验室采集影像上跟踪精度和成功率分别为60.0%和56.2%,可用于空间目标的跟踪。展开更多
文摘针对空间非合作目标(航天器、空间碎片等)因光线变化、目标旋转等导致跟踪失败问题,提出以带有C2F模块的YOLO(You Only Look Once)v8模型用于目标检测,并将经微调的全尺度网络(Omin-Scale Network,OSNet)替换StrongSORT中ResNet50进行重识别,以改进YOLO-StrongSORT算法。该算法首先以YOLOv8从采集的空间影像中检测目标;随即将检测结果分别送入包含OSNet网络的外性特征检测器和以NSA卡尔曼滤波器为核心的运动信息检测器提取检测目标的外观特征和预测目标运动轨迹;然后采用Vanilla匹配机制匹配连续帧中同一目标,实现对目标的跟踪;最后,用SNCOVT数据集和自研的近红外相机采集影像验证。结果表明,改进YOLO-StrongSORT算法在SNCOVT数据集上平均跟踪精度和成功率分别为61.7%和60.7%,较传统算法更准确;在实验室采集影像上跟踪精度和成功率分别为60.0%和56.2%,可用于空间目标的跟踪。
