基于旋翼式无人机航拍的车辆检测跟踪系统研究

发布时间：2020-11-04 08:40

　　 近年来车辆检测跟踪技术在国内外发展迅速,在固定监控设备中已经有很完善的应用及推广,但仍存在监测范围有限,灵活性差和成本高昂等缺点。通过无人机搭载监控设备实现对视频图像的采集,再结合图像处理对地面车辆进行检测和跟踪的技术应运而生。但是目前无人机在交通监控和数据采集方面的应用还不太成熟,从航拍视频中检测跟踪车辆和提取其它交通信息的可靠方法还比较匮乏。为此本文以道路上行驶的车辆为对象、以交通监控和数据采集为应用背景展开研究。本文的主要研究内容如下:(1)提出一种基于机器学习的航拍车辆检测算法,针对无人机航拍视角与固定监控设备不同的问题,提出了四种符合航拍视角的车辆矩形特征补充到原有的Haar-Like矩形特征库,然后结合HOG特征以弥补Haar-Like特征在表征物体形状方面的不足,之后使用大量的正负样本对每一种特征训练形成弱分类器,最终级联形成Adaboost强分类器,实现对车辆的分类和检测。对比实验结果可知,改进后的算法能够有效描述车辆特征,提高车辆检测的准确率。(2)无人机在对地面目标进行跟踪时,针对传统Camshift算法存在易受相似颜色背景、遮挡等干扰的问题,提出一种改进Camshift的目标跟踪方法。通过提取跟踪目标的Hue、Saturation和LBP特征分量建立基于三维联合直方图的跟踪模板,并采用自适应加权策略来调整三种特征分量的权重值,提高算法的跟踪准确度;在跟踪目标受到遮挡干扰时,引入Kalman滤波机制,增强算法的鲁棒性。实验结果表明,改进后的算法能够满足无人机对目标跟踪准确性与实时性的要求。(3)以前面提出的检测跟踪算法为理论依据,结合无人机硬件设备与软件平台开发设计了基于无人机航拍的车辆检测跟踪系统,实现了显示道路类型、限行速度、车辆行车方向、车道占有率、平均速度和车辆计数等功能。通过统计违章违法车辆,协助交管部门维护交通秩序、保障交通安全。
【学位单位】：中国矿业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：U495;TP391.41
【部分图文】：

(c) 中值滤波去噪 (d) 双边滤波去噪图 2-1 三种方法滤波结果Figure 2-1 Filtering results used three diffirent methods观察上图可以发现，高斯滤波会对原图造成一定的模糊，中值滤波对原图颠覆很大，而双边滤波在去除噪声的同时能够很好的保留图像的细节特征，故本文选取双边滤波对航拍到的图像进行预处理。2.3 常用运动目标检测算法分析（Analysis of Commonly UsedAlgorithms for Moving Target Detection）2.3.1 帧差法帧差法，是最为常用的一种目标检测方法，主要适用于静态背景下对运动目标的检测。在拍摄现场光照变化不大且运动目标在相邻帧内出现的区域有明显变化时，通过帧差法可以快速定位出检测目标，故对视频流中相邻或相近的帧采用基于像素的时域差分可以提取出运动目标。帧差法核心要素是设定确定的阈值来区分视频序列的前景与背景，首先将相

工程硕士专业学位论文化，检测难度较高。实验采用的无人机航拍视频帧率为 25FPS（帧/秒），航拍高度离地面约为 40米，分别在悬停和巡航状态下对帧差法、背景减除法和光流法进行验证测试，讨论其在对地面车辆检测时存在的优缺点。无人机悬停时，帧差法车辆检测实验结果如图 2-5 所示：

(c) (d)图 2-6 巡航状态下帧差法检测图Figure 2-6 Detection image used frame difference method in cruise state由图 2-6 可知，在无人机处于巡航状态时，航拍视频的背景与前景处于不断更新的状态中，此时利用帧差法检测目标，不能很好的区别运动目标与背景中的噪声，检测效果并不理想。帧差法适用于静态背景运动目标检测，其算法复杂度低，实时性好，并且对光线的变化不太敏感，具有较好的稳定性。但是帧差法的阈值选取相当关键，过低则无法有效的检测出运动目标，过高又无法抑制周围环境噪声的干扰，在极端情况下，物体运动速度极慢，相邻两帧或三帧之间无法提取出运动目标，一般使用帧差法与其他算法相结合来进行目标检测。无人机悬停时，背景减除法车辆检测实验结果如图 2-7 所示：
【相似文献】

相关期刊论文 前10条

1 ;2019年无人机智能技术发展大会征文通知[J];航空工程进展;2019年04期

2 本刊编辑部;;2019世界无人机大会深圳盛大开幕 同期举办第四届深圳国际无人机展览会[J];中国公共安全;2019年07期

3 李昶;程锦霞;杨光;于江;;5G+无人机的低空数字化发展与应用[J];移动通信;2019年09期

4 ;2019世界无人机大会 无人机新材料新技术论坛[J];中国公共安全;2019年08期

5 张佩玉;;标准为翼 凤舞九天——中国无人机标准化发展纪实[J];中国标准化;2019年15期

6 赵强;胡子龙;;影响无人机数据处理精度的因素及解决对策[J];科技经济导刊;2019年27期

7 张强;;无人机,腾飞的空中精灵[J];现代商业银行;2019年15期

8 徐宏庆;;无人机应用技术专业建设的探索[J];正德职业技术学院学报;2018年02期

9 潘泉;康童娜;吕洋;赵春晖;胡劲文;;无人机感知规避技术发展与挑战[J];无人系统技术;2018年04期

10 杜恒;;基于足球比赛路径规划的农用无人机定位和导航研究[J];农机化研究;2019年10期

相关博士学位论文 前10条

1 薛武;无人机影像定位优化技术研究[D];战略支援部队信息工程大学;2017年

2 孟凡琨;无人机目标跟踪与避障研究[D];长安大学;2018年

3 王勋;基于拟态物理学的无人机编队控制与重构方法研究[D];国防科学技术大学;2016年

4 徐淑芳;基于连通性的无人作战网络关键技术研究[D];南京航空航天大学;2017年

5 匡敏驰;尾座式推力矢量无人机飞行控制方法研究[D];清华大学;2017年

6 纪晓婷;基于概率模型检验的无人机不确定决策理论与方法研究[D];国防科学技术大学;2016年

7 邓海强;翼身融合布局无人机总体多学科设计优化研究[D];南京航空航天大学;2017年

8 吕迅竑;无人机容错飞行控制系统关键技术研究[D];南京航空航天大学;2017年

9 桑学佳;无人机及深度学习在地质调查中的应用[D];吉林大学;2018年

10 宋福根;基于输电线路电场分布特征的无人机巡检避障策略研究[D];福州大学;2017年

相关硕士学位论文 前10条

1 鲁斯嘉;基于无人机的大气污染监测平台设计及应用[D];上海交通大学;2017年

2 任毅;基于视觉引导的旋翼无人机移动平台自主着陆技术研究[D];西南科技大学;2019年

3 陈林;面向隧道内自主侦察无人机系统设计[D];西南科技大学;2019年

4 赵林天;无人机公共安全法律规制问题研究[D];中国矿业大学;2019年

5 赵明明;基于无人机与卫星影像的农田精准管理分区研究[D];东北农业大学;2019年

6 何芹芹;多旋翼无人机嵌入式飞行控制系统设计[D];江苏科技大学;2018年

7 车玉涵;基于机器视觉的旋翼无人机跟踪系统研究[D];吉林大学;2019年

8 王李伟;基于光流传感器的室内定点悬停四旋翼无人机的研究与设计[D];吉林大学;2019年

9 樊龙涛;基于强化学习的多无人机协同任务规划算法研究[D];河南科技大学;2019年

10 刘宏兴;基于STM32F429的植保无人机飞控系统的设计[D];吉林大学;2019年

本文编号：2869887