题目：单相机多飞机目标跟踪关键技术研究

    多飞机跟踪技术在民用及军用领域都发挥着重要作用。无论是民用航班以及军机的起降安全监控，还是军事上对于敌方飞机的定位与追踪，准确稳定的飞机跟踪都起着关键作用。基于视觉的跟踪系统仅需要一台相机即可通过优异的算法实现多飞机的跟踪，并可通过可视化的界面实现更好的人机交互。但是由于飞机飞行过程中会发生较大的姿态变化，因而对跟踪算法的在线模型建立和更新提出了更高要求。此外，由于多飞机目标的特殊性，即不同飞机目标具有相似外观，使得传统的基于外观模型的跟踪算法在飞机发生相互遮挡时完全失效。针对以上难点，本文主要研究了单相机多飞机目标的跟踪算法，本文的主要贡献如下：

1. 针对跟踪算法中采用的传统特征提取方法缺少目标先验信息这一问题，依据深度学习的思想，提出了基于先验信息的飞机目标特征提取方法。采用基于稀疏自编码器的无监督特征学习方法，离线建立飞机先验模型，并采用该模型对飞机特征进行提取。并通过大量实验表明基于先验信息的飞机特征提取方法比传统的特征提取方法有更高的识别率并使得跟踪算法性能有较大提升。

2. 针对飞机目标跟踪过程中发生大的姿态变化这一难点，提出了基于结构化 SVM的空间约束在线模型更新方法。通过LaRank优化方法进行外观模型的更新，捕捉姿态变化带来的模型变化，并通过样本选择的空间约束提高临近目标的可区分性。通过实验表明该方法能够较好的捕捉飞机飞行过程中的姿态变化。

3. 针对多飞机目标具有相同外观这一特殊性，提出了帧内SIFT特征匹配的方法以在空间上区分不同目标，重点解决了飞机间发生相互遮挡时的目标丢失轨迹断裂问题。此外针对由于杂乱背景导致的错误匹配，本文提出了一种基于时空约束的匹配点挑选方法，获得可靠的关键点簇群，为稳定正确的跟踪奠定基础。实验结果表明该方法能够很好的在空间上区分不同飞机，解决飞机间发生相互遮挡后的目标丢失问题。

4. 针对目前没有多飞机目标跟踪数据库的情况，建立了第一个多飞机目标跟踪数据库，为进行多飞机目标跟踪算法的对比测试提供了可能。