无人机对地多目标检测跟踪

发布时间：2020-08-11 18:44

【摘要】：视觉传感器作为无人机的主要传感器之一,视觉目标检测跟踪对于无人机的导航、军事侦察、野外救援以及交通监控等任务中发挥关键作用。无人机平台上的视觉目标检测和跟踪,和传统的监控系统不同,无人机灵活的机动性能,将引起机载传感设备获得的图像序列背景复杂多变,目标尺度、角度等变化剧烈且频繁遮挡等问题,使得视觉目标检测跟踪难度增大,检测率下降,跟踪稳定性和持续性低;同时由于航拍获得的图像序列,图像分辨率较大,噪声明显,增加计算消耗,进而导致算法实时性降低,一定程度上限制了在实际中的应用。针对以上问题,本文研究工作以无人机视觉为中心,重点研究视觉目标检测、视觉单目标和多目标跟踪问题,并利用Qt开发交互界面软件,对算法进行功能测试,并以可视化方式实时展示算法结果。主要完成工作如下:1)基于无人机获取图像序列的特点,针对于静态背景建模方式无法获得有效的目标检测的问题,本文提出基于光流的运动目标检测。首先采用检测FAST特征点,利用光流完成跟踪,结合透视变换进行图像配准,并基于特征点进行聚类分析,多帧差分获得目标区域,最后利用连通域与形态学滤波等图像处理手段进一步完善检测结果。2)研究当前基于相关滤波的跟踪算法和性能较好的其他几类跟踪算法,并对算法进行理论分析与实际跟踪性能对比。针对于无人机观测视角下目标的运动突变和遮挡问题,将颜色信息融合到HOG特征之中对DSST跟踪算法进行改进,使得算法的稳定性和抗遮挡性具有一定程度的提高。3)研究当前多目标跟踪遇到数据关联和目标检测问题。提出与主流方式略有不同的基于跟踪片段的多目标跟踪算法,利用LBP特征和Adaboost学习算法,训练获得目标检测模型,结合单目标跟踪算法,基于分类器完成初始化和跟踪矫正,利用单目标跟踪器对目标逐一跟踪,从而实现无人机对地多目标跟踪。4)研究交互界面开发,使用C++编程语言,利用Qt开发框架开发软件交互界面,并将各种目标检测、单目标跟踪、多目标跟踪以及背景建模等算法集成到该软件框架中,提供测试算法的各种功能,实时显示算法的跟踪和检测结果。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V279;TP391.41
【图文】：

模式图,特征计算,模式,特征点

点是否为ＦＡＳＴ特征点。与中心的候选特征点像素差异大于设定阈值时，并且其组成逡逑连续的圆弧，当该圆弧的长度大于圆的３／４时，则该候选点即为ＦＡＳＴ特征点。逡逑如图２．１所示：Ｐ为候选特征点，以该点为中心３（像素）为半径的圆周上有１６个逡逑像素点，按照设定阈值，分别将这１６个像素点与Ｐ点像素进行对比，统计其个数，逡逑满足阈值条件，则Ｐ点视为ＦＡＳＴ特征点。为了加速计算，首先测试圆周四个间隔逡逑９０°方向上的像素点，如图２．１所示：即１，邋５，邋９，１３点的像素。根据条件，当这４逡逑个像素中三个以上满足条件时，才有可能是ＦＡＳＴ特征点，需要进一步对其它像素点逡逑进行计算，否则直接舍弃，而无需再计算其他像素点。逡逑＾邋．邋．邋１６邋１邋２逡逑ｆｅ，r>逦１５，一、３４逡逑■：一＼邋１０９８邋—逡逑图２．１邋ＦＡＳＴ特征计算模式逡逑８逡逑

高斯核,算法,特征检测,计算速度

．２．３所示，图（ａ）为原图，图（ｂ）为ＦＡＳＴ特征检测结果，图（ｃ）为ＳＵＲ者都能精确提取到汽车的关键点，并且能够表示出区域，在时间征计算速度更快一些。逡逑

示意图,特征和,特征提取,算子

通过对图像求一阶微分或者二阶微分得到。在实际操作中，主要利用梯度边缘检测算逡逑子对图像进行差分计算，常用的有多重梯度边缘检测算子，不同的算子对图像噪声敏逡逑感不同，得到的目标边缘差异较大。常用的梯度边缘检测算子实际实验结果如图２．４逡逑所示：逡逑逦（８）原￥台图｛象逦（ｂ）Ｃａｎｎｙ算子逦逡逑（ｃ）Ｓｏｂｅｌ算子逦（ｄ）邋Ｌａｐｌａｃｉａｎ算子逡逑图２．４不同算子的边缘检测结果对比逡逑如图２．４不同梯度边缘检测算子的检测结果对比，差异相对较大，Ｃａｎｎｙ算子和逡逑Ｌａｐｌａｃｉａｎ算子检测的目标较为完整，但是目标旁边的马路的车道线也被检测出来，逡逑Ｓｏｂｅｌ算子检测的汽车轮廓较略有缺陷，地面出现的非目标的边缘可以通过形态学滤逡逑波等图像处理技术加以消除。对比之下Ｓｏｂｅｌ算子检测结果较好，能够检测出目标主逡逑１０逡逑

【相似文献】